Browsing by Author "Rodrigues, Pedro M."
Now showing 1 - 9 of 9
Results Per Page
Sort Options
- Avaliação da capacidade discriminante de distribuições da proeminência do pico cepstral para identificar nódulos vocaisPublication . Tokuhara, Larissa A.; Bispo, Bruno C.; Dajer, María E.; Theodoro, Edson A. R.; Rodrigues, Pedro M.Este trabalho tem como objetivo avaliar as distribuições de CPP e CPPS para a vogal sustentada /a/ e suas estatísticas descritivas como discriminantes entre vozes saudáveis e vozes de pacientes diagnosticados com n´módulos vocais. Além de calcular essas medidas na escala decibel como normalmente realizado na literatura, este trabalho também as calculou na escala linear. Após avaliar 9 estatísticas da distribuição de 4 medidas de CPP e 4 medidas de CPPS para 35 voluntários, o 95-ésimo percentil do CPP, calculado a cada 2ms e na escala decibel, apresentou a maior capacidade discriminante, alcançando um valor-p de 3,58e-05, uma sensibilidade de 88,67%, especificidade de 85% e precisão de classificação igual a 85,71%.
- Desenvolvimento preliminar de um algoritmo de detecção em tempo real de estados emocionais através de redes neurais convolucionaisPublication . Silva, Gabriel A. R.; Alves, Marco A. R.; Bispo, Bruno C.; Rodrigues, Pedro M.Este trabalho apresenta os resultados preliminares de um algoritmo em desenvolvimento para detecção em tempo real de estados emocionais através da análise de imagens do rosto. Para avaliar o estado emocional, o algoritmo de Viola-Jones é aplicado para segmentar o rosto e uma rede neural convolucional (CNN) é utilizada para classificar as imagens analisadas. Os resultados demonstram uma acurácia de 96,18% na classificação do grupo de teste. Ainda assim, o algoritmo será otimizado para uma melhor detecção e a base de dados utilizada deverá ser ampliada de forma a generalizar os resultados.
- Desenvolvimento preliminar de um algoritmo de reconhecimento facial em tempo real através de redes neurais convolucionaisPublication . Rocha, Diana; Pereira, João; Melo, Maria; Bispo, Bruno C.; Rodrigues, Pedro M.Este trabalho apresenta os resultados preliminares do desenvolvimento de um algoritmo de reconhecimento facial em tempo real através de redes neurais convolucionais (CNNs) .Elementos faciais, nomeadamente, rosto, boca, nariz e olhos, são detectados pelo algoritmo de Viola-Jones. Cada elemento facial é utilizado para treinar uma CNN. Os resultados de treinamento mostram uma acurácia de identificação de 100%. Testes em tempo real demonstram necessidade de aprimoramento. A base de imagens será futuramente ampliada para realização de um rigoroso procedimento de treinamento e teste do algoritmo.
- Detecção da doença de Alzheimer através de parâmetros não-lineares de sinais de falaPublication . Silva, Martim G.; Ribeiro, Pedro; Bispo, Bruno C.; Rodrigues, Pedro M.Este trabalho tem como objetivo a detecção da doença de Alzheimer (DA) através de parâmetros não-lineares de sinais de fala. Os parâmetros são extraídos de sub-bandas dos sinais, as quais são obtidas por meio da transformada Wavelet, e algumas das suas estatísticas descritivas são utilizadas como entrada para vários classificadores. Acurácias de 100, 77,8 e 85,2% são obtidas na detecção da DA entre mulheres, homens e todos, respectivamente, utilizando classificadores de regressão logística.
- Detecção da doença de Alzheimer em diferentes estágios através do espectro de potências da Wavelet Packet de sinais EEGPublication . Cunha, Rui M. da; Bispo, Bruno C.; Rodrigues, Pedro M.Este trabalho tem como objetivo detectar a doença de Alzheimer em diferentes estágios através de sinais EEG. Potências relativas às frequências convencionais são obtidas dos valores máximo, mínimo e médio de estimativas do espectro de potências da Wavelet Packet. Para cada par de grupos de estudo e eletrodo, uma seleção dos parâmetros é realizada. Os parâmetros selecionados são utilizados como entrada para classificadores com validação cruzada leave-one-out. Acurácias de classificação de100% são obtidas, em pelo menos 1 eletrodo, para os 6 pares de grupos analisados, indicando as regiões no escalpe com maiores diferenças à medida que a doença progride. E acurácias médias, incluindo todos os eletrodos, entre 81,3 e 91,4% são alcançadas.
- Detecção de distúrbios vocais através de parâmetros cepstrais multibanda de vogal sustentadaPublication . Alves, Marco A. R.; Silva, Gabriel A. R.; Bispo, Bruno C.; Dajer, María E.; Rodrigues, Pedro M.Este trabalho tem como objetivo detectar distúrbios vocais relacionados com nódulo vocal, edema de Reinke e patologias neurológicas através de parâmetros cepstrais multibandada vogal sustentada /a/. A detecção é realizada entre pares de grupos de estudo e a análise multibanda é efetuada usando a transformada Wavelet. Para cada par de grupos, uma seleção de parâmetros é realizada. Estatísticas dos parâmetros selecionados são utilizadas como entrada para quatro classificadores com validação cruza da leave-one-out. Acurácias de classificação iguais ou superiores a 96,70% são obtidas para 6 pares de grupos de estudo enquanto apenas 74,20% é alcançado para o par Edema/Nódulo.
- Detecção precoce das doenças de Alzheimer e Parkinson através de parâmetros não-lineares multibanda de sinais EEGPublication . Silva, Gabriel; Alves, Marco; Bispo, Bruno C.; Rodrigues, Pedro M.Este trabalho tem como objetivo a detecção precoce das doenças de Alzheimer e Parkinson através de parâmetros não-lineares multibanda de sinais EEG. Para cada par de grupos de estudo, uma seleção dos parâmetros é realizada através de algoritmo genético. Os parâmetros selecionados são utilizados como entrada para classificadores com validação cruza da leave-one-out. Acurácias de classificação de 100% são obtidas, empelo menos uma sub-banda, para 3 pares de grupos de estudo enquanto 90,60% é alcançado para o par Controle vs Alzhei-mer/Parkinson. A sub-banda delta foi a que, em geral, apresentou maiores diferenças significativas entre os grupos.
- Diferenciação entre edema de Reinke e nódulos vocais através de parâmetros não-lineares da vozPublication . Silva, Gabriel A. R.; Alves, Marco A. R.; Bispo, Bruno C.; Dajer, Maria E.; Rodrigues, Pedro M.Este trabalho tem como objetivo diferenciar distúrbios vocais relacionados com nódulo vocal e edema de Reinke através de parâmetros não-lineares. Os parâmetros são obtidos da banda completa e, por meio da transformada wavelet, de sub-bandas de vogal sustentada. A wavelet que maximiza a capacidade discriminante individual dos parâmetros é buscada. Duas seleções dos parâmetros em sub-bandas são realizadas. Os parâmetros em banda completa e em sub-bandas, e os conjuntos selecionados são aplicados a vários classificadores com validação cruzada leave-one-out. Acurácias de classificação de até 86,2% são obtidas sem seleção de parâmetros enquanto acurácias até 100% são alcançadas com parâmetros selecionados.
- Structural MRI texture analysis for detecting Alzheimer's diseasePublication . Silva, Joana; Bispo, Bruno C.; Rodrigues, Pedro M.Purpose:: Alzheimer’s disease (AD) has the highest worldwide prevalence of all neurodegenerative disorders, no cure, and low ratios of diagnosis accuracy at its early stage where treatments have some effect and can give some years of life quality to patients. This work aims to develop an automatic method to detect AD in 3 different stages, namely, control (CN), mild-cognitive impairment (MCI), and AD itself, using structural magnetic resonance imaging (sMRI). Methods:: A set of co-occurrence matrix and texture statistical measures (contrast, correlation, energy, homogeneity, entropy, variance, and standard deviation) were extracted from a two-level discrete wavelet transform decomposition of sMRI images. The discriminant capacity of the measures was analyzed and the most discriminant ones were selected to be used as features for feeding classical machine learning (cML) algorithms and a convolution neural network (CNN). Results:: The cML algorithms achieved the following classification accuracies: 93.3% for AD vs CN, 87.7% for AD vs MCI, 88.2% for CN vs MCI, and 75.3% for All vs All. The CNN achieved the following classification accuracies: 82.2% for AD vs CN, 75.4% for AD vs MCI, 83.8% for CN vs MCI, and 64% for All vs All. Conclusion:: In the evaluated cases, cML provided higher discrimination results than CNN. For the All vs All comparison, the proposedmethod surpasses by 4% the discrimination accuracy of the state-of-the-art methods that use structural MRI.