Sistema computacional de auxílio ao diagnóstico de transtornos psiquiátricos baseado em medidas antropométricas faciais

• Processo: 20/01992-0
• Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Regular
• Data de Início da vigência: 01 de outubro de 2020
• Data de Término da vigência: 31 de março de 2024
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ariane Machado Lima
• Beneficiário: Ariane Machado Lima
• Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Fátima de Lourdes dos Santos Nunes Marques ; Helena Paula Brentani ; Hélio Pedrini
• Bolsa(s) vinculada(s): 22/08065-3 - Desenvolvimento de aplicativo para coleta de imagens faciais para o auxílio ao diagnóstico de transtornos do neurodesenvolvimento, BP.IC
• Assunto(s): Psiquiatria Transtornos mentais Classificação de doenças Antropometria Processamento de imagens Reconhecimento de padrões Diagnóstico por computador Sistemas de computação
• Palavra(s)-Chave do Pesquisador: Classificacao Multirrotulo | Classificação Supervisionada | Processamento de imagens | Psiquiatria | Reconhecimento de Padrões | Sistema de Auxílio ao Diagnóstico | Reconhecimento de Padrões

Resumo

Os transtornos do neurodesenvolvimento são distúrbios psiquiátricos, geralmente multifatoriais, que são desencadeados durante o neurodesenvolvimento. Evidências mostram que esse fato também causa alterações faciais em relação a grupos controle. Tais alterações podem ser utilizadas para construir um sistema de auxílio ao diagnóstico de tais transtornos com base em medidas antropométricas faciais. Esse sistema teria a vantagem de auxiliar o diagnóstico precoce, uma vez que o diagnóstico tradicional é baseado em informações sobre o comportamento da criança, o que geralmente adia o diagnóstico para a idade escolar. No entanto, devido às características da neuroplasticidade cerebral, quanto mais precoce o diagnóstico e o início das intervenções, maior a efetividade do tratamento para melhorar a qualidade de vida da criança. Os resultados preliminares de nosso projeto piloto indicaram 80% de acurácia na identificação de autismo versus controle. Neste piloto, as imagens foram capturadas por uma câmera semiprofissional e utilizando um objeto de referência para normalização das imagens. Um usuário desse sistema deve seguir um protocolo detalhado para capturar a fotografia, baixar o arquivo de imagem em um computador e executar o programa de classificação. Tal procedimento laborioso não é adequado na prática clínica. Neste projeto, propomos a evolução do sistema em dois aspectos: 1) inclusão de outros transtornos de forma a detectar comorbidades (mais de um transtorno em um mesmo indivíduo) e 2) simplificação do uso do sistema. Para este segundo aspecto, pretendemos desenvolver um aplicativo para smartphone em que o usuário possa scanear o rosto da criança e, quando o aplicativo identifica uma imagem adequada em termos de qualidade e pose da imagem, captura a fotografia, realiza o processamento e mostra o resultado. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

FEITOSA, RAYSSA M. M. W.; PRIETO-OLIVEIRA, PAULA; BRENTANI, HELENA; MACHADO-LIMA, ARIANE. MicroRNA target prediction tools for animals: Where we are at and where we are going to-A systematic review. COMPUTATIONAL BIOLOGY AND CHEMISTRY, v. 100, p. 14-pg., 2022-07-31. (18/18560-6, 20/01992-0)

DE ARAUJO, HERMON FARIA; NUNES, FATIMA L. S.; MACHADO-LIMA, ARIANE; ACM. The impact of different facial expression intensities on the performance of pre-trained emotion recognition models. 37TH ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 8-pg., 2022-01-01. (20/01992-0, 14/50889-7)

CARDOSO, THIAGO, V; MICHELASSI, GABRIEL C.; FRANCO, FELIPE O.; SUMIYA, FERNANDO M.; PORTOLESE, JOANA; BRENTANI, HELENA; MACHADO-LIMA, ARIANE; NUNES, FATIMA L. S.; ALMEIDA, JR; GONZALEZ, AR; et al. Autism Spectrum Disorder diagnosis based on trajectories of eye tracking data. 2021 IEEE 34TH INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS (CBMS), v. N/A, p. 6-pg., 2021-01-01. (20/01992-0, 14/50889-7)

OLIVEIRA, JESSICA S.; FRANCO, FELIPE O.; REVERS, MIRIAN C.; SILVA, ANDREIA F.; PORTOLESE, JOANA; BRENTANI, HELENA; MACHADO-LIMA, ARIANE; NUNES, FATIMA L. S.. Computer-aided autism diagnosis based on visual attention models using eye tracking. SCIENTIFIC REPORTS, v. 11, n. 1, MAY 12 2021. (11/50761-2, 14/50889-7, 20/01992-0)