Trabalho de Conclusão
Título:ANÁLISE COMPARATIVA DE MODELOS DE REDES NEURAIS NO APOIO AO DIAGNÓSTICO DA DOENÇA DE PARKINSON ATRAVÉS DE SINAIS DE VOZ
Aluno:Guilherme Steffen Bauermann
Semestre:2023/01
Situação:TC I
Áreas de interesse:Não informado
Orientador:Gabriel da Silva Simões
Avaliadores:Marta Rosecler Bez, Rodrigo Rafael Villarreal Goulart
Documentos:Anteprojeto, Texto final TC1 (liberado apenas para a banca)
Palavras-chave:Doença de Parkinson; Aprendizado de Máquina; Redes Neurais; Fala; Comparativo.
Resumo:

A Doença de Parkinson (DP) é a segunda maior doença neurodegenerativa que afeta pessoas idosas. A DP não possui cura até o presente momento, somente tratamento que, se realizado de forma prévia, pode contribuir muito para a qualidade de vida do paciente. O diagnóstico da doença é dado principalmente através dos sintomas motores, identificados por meio de exames clínicos ou MRI (Métodos Radiológicos e Imagens), que envolvem custos elevados e idas presenciais ao consultório médico. Pesquisas apontam que quando os sintomas motores são aparentes, a doença já está em um grau avançado. Dentre os sintomas da DP, anomalias na fala dos pacientes são identificadas em 90% dos casos. Embora imperceptíveis ao ouvido humano, estes sintomas podem ocorrer até 5 anos antes dos sintomas motores e podem ser identificados com o uso de tecnologia. A partir da extração de dados das gravações de voz e do uso de algoritmos de Machine Learning (ML) e Deep Learning (DL), pesquisadores tem obtido resultados animadores na predição da DP. A linguagem Python tem se tornado cada vez mais popular neste contexto, devido à flexibilidade, suporte à diferentes paradigmas e a disponibilidade de diversas bibliotecas que facilitam a manipulação, visualização e apresentação dos dados, dentre elas Numpy, Pandas, Matplotlib e Seaborn. Além disso, bibliotecas como Scikit Learn, Tensor Flow e Keras tem facilitado a implementação de algoritmos de ML e Redes Neurais. O presente trabalho de conclusão de curso tem como objetivo realizar uma análise comparativa dos resultados de desempenho preditivo e custo computacional, obtidos através do treinamento de modelos de ML e Redes Neurais em um dataset de sinais de voz.

Link biblioteca:Não informado