PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Teléfono/Ramal: http://propg.ufabc.edu.br/ppginfo

Banca de DEFESA: JÉSSICA FRANZON CRUZ DO ESPÍRITO SANTO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JÉSSICA FRANZON CRUZ DO ESPÍRITO SANTO
Data: 30/11/2026
HORA: 14:00
LOCAL: https://conferenciaweb.rnp.br/sala/aline-14
TÍTULO:

Auxílio ao diagnóstico do Transtorno do Espectro Autista usando EEG e Análise de Vetores Independentes.


PÁGINAS: 62
RESUMO:

O Transtorno do Espectro Autista (TEA) é uma condição do neurodesenvolvimento caracterizada por ampla variabilidade clínica, o que motiva a investigação

de métodos quantitativos capazes de auxiliar seu diagnóstico. Nesse contexto, este

trabalho investigou o uso da Análise de Vetores Independentes (IVA) e de sua extensão discriminante, denominada DIVA, como etapas intermediárias para extração de

características visando a classificação de indivíduos com TEA e controles neurotípicos

a partir de sinais de eletroencefalograma (EEG) em repouso. A amostra foi composta

por 28 participantes, sendo 14 de cada grupo, representados por 15 canais comuns

de EEG. Os sinais foram pré-processados e a remoção de artefatos foi realizada por

meio do SOBI com auxílio do ICLabel. Na abordagem baseada em IVA, os dados de

treinamento foram organizados de acordo com os grupos diagnósticos, e cada participante foi projetado nos espaços latentes estimados para os grupos TEA e controle. Na

abordagem baseada em DIVA, as bandas delta, teta, alfa, beta e gama constituíram

os conjuntos de entrada, enquanto os rótulos dos participantes foram incorporados

à estimação das matrizes de separação por meio de um critério discriminante. A

partir das representações latentes, foram extraídos atributos temporais, espectrais

e não lineares, posteriormente selecionados pelo método de Mínima Redundância

e Máxima Relevância (mRMR) e classificados por uma Máquina de Vetores de

Suporte (SVM). A avaliação foi realizada por validação pareada em 14 partições,

reservando-se, em cada partição, um participante com TEA e um controle para teste.

A abordagem sem o IVA alcançou acurácia de 67,86%. A abordagem baseada em

IVA apresentou desempenho superior a essa configuração, alcançando acurácia de

75,4%. O melhor resultado entre as abordagens avaliadas foi obtido pelo DIVA, com

acurácia de 82,14%. Esses resultados indicam que a construção de representações

latentes pode contribuir para a discriminação entre os grupos e que a incorporação

das informações de classe mostrou-se promissora para aprimorar o desempenho

da classificação. Entretanto, devido ao tamanho reduzido da amostra e à seleção

das configurações experimentais utilizando a mesma base de dados empregada na

avaliação, os resultados devem ser interpretados como exploratórios e confirmados em

estudos futuros com amostras maiores e conjuntos de dados externos para validação.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1544392 - ALINE DE OLIVEIRA NEVES PANAZIO
Membro Titular - Examinador(a) Interno ao Programa - 1761107 - RICARDO SUYAMA
Membro Titular - Examinador(a) Externo à Instituição - CHARLES CASIMIRO CAVALCANTE - UFC
Membro Suplente - Examinador(a) Interno ao Programa - 2356637 - KENJI NOSE FILHO
Membro Suplente - Examinador(a) Externo à Instituição - ROMIS RIBEIRO DE FAISSOL ATTUX - UNICAMP
Notícia cadastrada em: 18/11/2026 21:05
SIGAA | UFABC - Superintendência de Tecnologia da Informação - ||||| | Copyright © 2006-2026 - UFRN - sigaa-2.ufabc.int.br.sigaa-2-prod