08 jun 2020
09:00 Defesa de Mestrado Integralmente a distância
Tema
Parkinson EMG signal prediction and generation wtih Neural Networks
Aluno
Rafael Anicet Zanini
Orientador / Docente
Esther Luna Colombini
Breve resumo
A doença de Parkinson é uma desordem neurodegenerativa que afeta aproximadamente 2% da população mundial acima de 60 anos (7-10 milhões de pessoas), e é caracterizada por sintomas como tremor em repouso e em movimento, que podem causar graves restrições na vida dos pacientes e também estão associados a sintomas não motores como dificuldade para dormir, depressão e fadiga. Apenas no Brasil, existem mais de 200.000 pessoas diagnosticadas com doença de Parkinson, número que pode duplicar até 2030 devido ao envelhecimento da população brasileira. Neste contexto, o desenvolvimento de novos tratamentos e formas de assistência que possam melhorar a qualidade de vida e a autonomia de pacientes é extremamente importante. Neste trabalho, são propostas novas técnicas baseadas em Redes Neurais para a previsão e geração de sinais de eletromiografia (EMG) do tremor em pacientes, para o suporte ao desenvolvimento de novos dispositivos e técnicas para assistência a pacientes. Primeiro, comparamos diferentes modelos de Redes Neuras, utilizando perceptron multicamadas (MLP) e redes neurais recorrentes (RNN) para a previsão dos sinais EMG de doença de Parkinson, antecipando os padrões de tremor em repouso. Os resultados experimentais indicam que os modelos propostos adaptam-se aos padrões específicos de cada paciente, gerando previsões acuradas para os sinais puros ou envelopes EMG. Segundo, são propostos duas novas técnicas para aumento de dados baseadas em redes adversárias generativas convolucionais profundas (DCGANs) e transferência de estilo (ST) para aumentar sinais EMG, cujos resultados mostram que os modelos propostos conseguem adaptar-se aos diferentes formatos, frequências e amplitudes de tremor, simulando os padrões específicos de cada paciente e estendendo as bases de dados existentes para diferentes protocolos de movimento. Ambos resultados sugerem que o emprego de redes neurais na geração e previsão de sinais biológicos complexos como sinais EMG pode ser bem-sucedido, permitindo o uso de tais modelos para a extensão dos dados de pacientes e para geração de sinais de tremor que auxiliem no desenvolvimento e validação de novas técnicas de supressão de tremor em pacientes.
Banca examinadora
Titulares:
Esther Luna Colombini IC/UNICAMP
Maria Claudia Ferrari de Castro DEE/FEI
Sandra Eliza Fontes de Avila IC/UNICAMP
Suplentes:
Alexandre Xavier Falcão IC/UNICAMP
Leonardo Abdala Elias FEEC/UNICAMP