Banca de DEFESA: ABNER LUCAS ALVES PEREIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ABNER LUCAS ALVES PEREIRA
DATA: 12/07/2023
HORA: 09:30
LOCAL: https://meet.google.com/kyg-dkem-gpt
TÍTULO:

DEEP LEARNING NA CLASSIFICAÇÃO DE ERP VISUAL ASSOCIADO AO GRAU DE INTELIGÊNCIA ESPACIAL

PALAVRAS-CHAVES:

deep learning; EEG; ERP visuoespacial; rede neural artificial profunda; inteligência espacial.

PÁGINAS: 60
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

A neurociência a cada dia visa descrever melhor o comportamento dos sujeitos via soluções mais assertivas para os seus problemas, como o de classificação com dados de EEG, técnicas como o aprendizado profundo têm sido amplamente utilizadas, tornando viável a implementação de modelos para processamento automático de biosinais. Com esse sentido, nesta pesquisa foram utilizadas arquiteturas de redes neurais artificias profundas (RNAPs) que receberam dados de séries temporais geradas por ERP visuoespacial, coletados por exames não invasivos nas regiões frontal e parietal do córtex cerebral, para identificar padrões em assinaturas nesses tipos de biosinais associando-os ao grau de inteligência espacial de um sujeito e classificando-os com alta inteligência espacial ou com inteligência espacial típica. Seguindo essa abordagem, avançou-se para um diagnóstico automatizado, em alternativa aos testes de QI tradicionais baseados em tarefas, como um biomarcador comportamental e eletrofisiológico associado à capacidade visuoespacial a partir das hipóteses: que esses tipos de sinais de ERP contém um padrão de assinatura da inteligência espacial do sujeito, e que RNAPs possuem maior desempenho de classificação para realizar este tipo de tarefa. Dessa forma foram utilizadas arquitetura de redes neurais artificiais deep feedforward (totalmente conectada) e Conv1D com autoajuste de hiper parâmetros, treinadas e validadas com método de validação cruzada (k-fold, com k = 10). Os dados foram coletados durante a realização de uma tarefa clássica de rotação mental tridimensional e pré-processados, em etapas, para remoção de ruídos e seleção de características por meio do uso de wavelets (DWT). Os resultados deste estudo sugerem que a análise automatizada com RNAPs com dados de EEG pode ser uma alternativa viável aos testes neuropsicológicos tradicionais na avaliação da inteligência espacial, uma vez que: dois modelos de RNAPs apresentaram desempenho superior na classificação dos sinais com dados de teste (com acurácia média de 93,7% para o modelo MLP, e 94,8% para o modelo Conv1D) em comparação com outros classificadores como KNN e SVM (que respectivamente apresentaram acurácia média de 88,1% e 87,5%), e ainda, para a escolha de um modelo final utilizou-se o Teste t Reamostrado Corrigido com as 10 amostras de acurácia de teste dos dois melhores modelos (por apresentarem desempenhos médios próximos com diferença mínima de 5% em relação aos demais modelos comparados) nos indicando que estatisticamente estes possuem desempenho iguais, concluindo que o MLP se destaca considerando o tempo de processamento dos dados para todas as etapas de autoajuste, treinamento e teste.

MEMBROS DA BANCA:
Presidente - 2272363 - LIDIO MAURO LIMA DE CAMPOS
Interno - 3132807 - REGINALDO CORDEIRO DOS SANTOS FILHO
Externo ao Programa - 1734253 - GIVAGO DA SILVA SOUZA