Redes Neurais para Grafos aplicadas a classificação de sintomas de autismo em dados de fMRI

• Processo: 23/06737-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2023
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Ana Letícia Garcez Vicente
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Empresa: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC)
• Vinculado ao auxílio: 20/09835-1 - IARA - Inteligência Artificial Recriando Ambientes, AP.PCPE
• Bolsa(s) vinculada(s): 24/03245-9 - Redes Neurais para Grafos aplicadas à classificação de autismo e sintomas em dados de fMRI, BE.EP.MS
• Assunto(s): Aprendizagem profunda Transtorno autístico Imagem por ressonância magnética funcional
• Palavra(s)-Chave do Pesquisador: aprendizagem profunda | autismo | fMRI | Gnn | interpretabilidade | Inteligência Artificial, Aprendizagem de Máquina e Interpretabilidade

Resumo

A ciência tem buscado ferramentas que possam auxiliar no diagnóstico precoce de doenças, em especial transtornos do desenvolvimento infantil. O estudo e diagnóstico de transtornos psiquiátricos se beneficiam de ferramentas como a ressonância magnética funcional (fMRI), que possibilita capturar a ativação cerebral por meio do contraste BOLD. No entanto, esses dados são complexos e ferramentas de aprendizado de máquina, em especial de aprendizado profundo, podem ser úteis para auxiliar esses estudos. Dentre os métodos, destacamos as Redes Neurais para Grafos (GNNs) que possibilitam a manipulação de dados complexos, como imagens do cérebro, representados como grafos. A proposta deste projeto de mestrado é estudar diferentes modelos de GNNs para o estudo de fMRIs. Primeiro aplicaremos os métodos estudados para classificar fMRIs com base nas atividades realizadas pelos indivíduos no momento da coleta. Depois, aplicaremos os mesmos métodos na classificação de indivíduos neurotípicos (NT) e com transtorno do espectro autista (TEA). Por fim, vamos propor uma abordagem interpretável de classificação de sintomas de autismo de forma a identificar quais áreas do cérebro têm ativação diferenciada na ocorrência de cada sintoma. Esse enfoque na interpretabilidade é uma característica fundamental para a aplicação futura na área médica, pois garante maior confiança nos resultados e facilita o entendimento dos profissionais sobre o resultado gerado pela rede. Este projeto está associado ao projeto internacional 1kD, em que 10 universidades do mundo acompanharão os primeiro 1000 dias de vida de 1000 crianças em diferentes países.

Publicações científicas

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

GARCEZ VICENTE, ANA LETICIA; MALAQUIAS, ROSEVAL DONISETE, JR.; ROMERO, ROSELI A. F.. . 2023 INTERNATIONAL CONFERENCE ON COMPUTATIONAL SCIENCE AND COMPUTATIONAL INTELLIGENCE, CSCI 2023, v. N/A, p. 6-pg., 2023-01-01. (23/06737-7)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

VICENTE, Ana Letícia Garcez. Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito. 2025. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.