Aprendizado de máquina para ajudar a encontrar correlatos neurais do Mal de Parkinson

• Processo: 18/25902-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Vigência (Início): 15 de maio de 2019
• Vigência (Término): 22 de março de 2020
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Roseli Aparecida Francelin Romero
• Beneficiário: Caetano Mazzoni Ranieri
• Supervisor: Patricia A Vargas
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa: Heriot-Watt University, Edinburgh, Escócia
• Vinculado à bolsa: 17/02377-5 - Aprendizado de Máquina e Aplicações para Robótica em Ambientes Inteligentes, BP.DR
• Assunto(s): Doença de Parkinson Aprendizado computacional Aprendizagem profunda Redes neurais (computação) Técnicas e procedimentos diagnósticos
• Palavra(s)-Chave do Pesquisador: Automatic disease diagnosis | Deep Learning | machine learning | neural networks | Parkinson Disease | Aprendizado de máquina

Resumo

O mal de Parkinson é uma doença neurodegenerativa caracterizada por comprometimento progressivo das funções cognitivas e motoras do paciente, podendo, em estágios mais avançados, levar à depressão ou à demência. Não existem técnicas para diagnóstico precoce dessa doença, tornando-a reconhecível somente após significativo comprometimento neural. Além disso, as terapias frequentemente somente podem ser desenvolvidas com uso de modelos animais. Neste projeto, será adotado um banco de dados recentemente desenvolvido de dados neurais de saguis com e sem a doença. Esses dados serão usados para treinar modelos de redes neurais profundas para extrair características relevantes e gerar diagnóstico automatizado da doença. Além disso, as características obtidas serão empregadas como entradas de um ambiente robótico com uso do robô iCub, o qual deverá gerar um conjunto simples de comportamentos correspondentes aos sinais neurais, servindo como modelo robótico inicial para simular os sintomas. Com isso, espera-se contribuir para a elaboração de técnicas mais precoces para diagnóstico da doença e participar da construção de um modelo robótico alternativo ao emprego de animais no desenvolvimento de terapias.

Publicações científicas

(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)

RANIERI, CAETANO MAZZONI; MACLEOD, SCOTT; DRAGONE, MAURO; VARGAS, PATRICIA AMANCIO; ROMERO, ROSELI APARECIDA FRANCELIN. Activity Recognition for Ambient Assisted Living with Videos, Inertial Units and Ambient Sensors. SENSORS, v. 21, n. 3, FEB 2021. (17/02377-5, 18/25902-0, 17/01687-0, 13/07375-0)

RANIERI, CAETANO M.; PIMENTEL, JHIELSON M.; ROMANO, MARCELO R.; ELIAS, LEONARDO A.; ROMERO, ROSELI A. F.; LONES, MICHAEL A.; ARAUJO, MARIANA F. P.; VARGAS, PATRICIA A.; MOIOLI, RENAN C.. A Data-Driven Biophysical Computational Model of Parkinson's Disease Based on Marmoset Monkeys. IEEE ACCESS, v. 9, p. 122548-122567, 2021. (13/07375-0, 17/02377-5, 18/25902-0, 18/11075-5)

PIMENTEL, JHIELSON M.; MOIOLI, RENAN C.; DE ARAUJO, MARIANA F. P.; RANIERI, CAETANO M.; ROMERO, ROSELI A. F.; BROZ, FRANK; VARGAS, PATRICIA A.. Neuro4PD: An Initial Neurorobotics Model of Parkinson's Disease. FRONTIERS IN NEUROROBOTICS, v. 15, JUL 1 2021. (17/02377-5, 18/25902-0)