Predição e análise visual de conjuntos de redes de conexões entre sinais suaves: aplicações em dados médicos de AVC

Autor(es)

Rodrigo Colnago Contreras

• Tipo de documento: Tese de Doutorado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2020-05-07

Membros da banca

Luis Gustavo Nonato; Maria Cristina Ferreira de Oliveira; José Gustavo de Souza Paiva; Emanuele Marques dos Santos

• Orientador: Luis Gustavo Nonato

Resumo

Aprendizado baseado em grafos é uma vertente de apendizado profundo na qual tem-se como intenção estimar um grafo que descreva uma rede de conexões em que as arestas correspondem a relacionamentos entre os elementos mais semelhantes, representados pelos nós da rede. Técnicas de aprendizado baseado em grafos vêm sendo desenvolvidas nos últimos anos na seara de processamento de sinais em grafos. Entretanto, até onde sabemos, sua utilização em análise visual de dados ainda não foi explorada. Neste trabalho, propomos o uso de técnicas de aprendizado baseado em grafos em uma aplicação, na qual confecciona-se um elevado número de redes de conexões para facilitar a percepção de padrões presentes nestas redes através de uma nova ferramenta de análise visual, intitulada NE-Motion. O ferramental desenvolvido é aplicado em uma base de dados formada por milhares de séries temporais. A base de dados foi fornecida por profissionais da área médica da New York University, os quais são especialistas em estudos de pessoas que sofreram Acidente Vascular Cerebral (AVC). A metodologia e ferramenta de visualização propostas foram capazes de revelar informações presentes nos dados e apresentá-los de maneira intuitiva aos peritos, os quais atestaram a efetividade de nossa abordagem. (AU)

• Processo FAPESP: 15/14358-0 - Uso de Simetrias em Análise Visual de Dados Massivos
• Beneficiário: Rodrigo Colnago Contreras
• Modalidade de apoio: Bolsas no Brasil - Doutorado