Busca avançada
Ano de início
Entree

Técnicas de aprendizado de máquina em séries temporais para a estimação de parâmetros clínicos utilizando smartphones

Processo: 20/07787-0
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de setembro de 2020
Vigência (Término): 31 de agosto de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Diego Furtado Silva
Beneficiário:Lucas Vinícius Domingues
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Assunto(s):Inteligência artificial   Aprendizado computacional   Smartphone   Testes hematológicos   Fotopletismografia   Análise de séries temporais   Modelos de regressão

Resumo

Este projeto possui o intuito de propor técnicas de aprendizado de máquina em séries temporais para dados de fotoplestimografia obtida a partir de smartphones e avaliar sua adequabilidade em comparação a exames tradicionais para a medição de hemoglobina, bilirrubina, saturação de oxigênio e leucócitos. Inicialmente, serão obtidos dados de pacientes voluntários do Hospital Universitário da UFSCar, que cederão os resultados de seu exame de sangue, assim como um vídeo de seu dedo gravado por um smartphone no modo "flash ligado" e fotos de seus olhos. Em seguida, serão utilizadas técnicas de processamento nos vídeos fornecidos para a geração de séries temporais, que serão utilizadas para a criação de modelos de regressão para a estimação dos parâmetros clínicos. Na criação do modelo, serão usadas Redes Neurais Recorrentes (RNRs), que irão ser treinadas a partir das séries temporais obtidas e anotadas a partir dos resultados laboratoriais dos exames. Caso obtenha sucesso, o modelo poderá ser usado em smartphones para a predição desses parâmetros clínicos, sem que haja a necessidade de processos caros e/ou invasivos.