02 mai 2024
14:00 Defesa de Mestrado Auditório do IC3
Tema
Representações Visuais para Classificação de Estágios do Sono
Aluno
Rebeca Padovani Ederli
Orientador / Docente
Zanoni Dias - Coorientador: Anderson de Rezende Rocha
Breve resumo
A presença de anomalias durante o sono, originalmente classificada por especialistas, é utilizada para o diagnóstico de distúrbios do sono. A polissonografia é o padrão-ouro utilizado em ambientes clínicos para monitoramento e classificação dos estágios do sono, entretanto, esse método exige equipamentos caros e desconfortáveis. Recentemente, a análise do sono por meio de dispositivos vestíveis, como smartwatches, tem sido investigada para a classificação automática dos estágios do sono, visando combinar o conforto dos smartwatches com a precisão da polissonografia. No entanto, os desafios enfrentados incluem a correta classificação dos estágios mais complexos e o desbalanceamento das classes nos conjuntos de dados. Utilizando dados de sensores de smartwatches, a literatura explora o desempenho da classificação de estágios do sono por meio de diferentes representações de dados, como dados brutos (séries temporais do sensor) e características extraídas deles (como média, desvio padrão, etc.). Nesse contexto, a representação de séries temporais por meio de imagens pode produzir características informativas e robustas ao ruído.
Assim, este estudo inova ao explorar diferentes representações visuais de séries temporais derivadas de dados de acelerômetro e frequência cardíaca, avaliando sua eficácia na classificação dos estágios do sono. Baseado nos experimentos realizados, embora Gramian Angular Field (GAF) tenha demonstrado os resultados mais promissores, as representações por Gráficos de Recorrência (RP) e Markov Transition Field (MTF) também se revelaram técnicas promissoras para a classificação.
Além disso, foi investigada a estratégia de dividir as imagens em patches, e empregar técnicas de ensembles com o objetivo de aprimorar os resultados na classificação dos estágios do sono. Os experimentos revelaram que essa abordagem contribui substancialmente para a melhoria da classificação. Adicionalmente, a pesquisa avaliou o potencial dos dados provenientes de sensores de acelerômetro e frequência cardíaca em smartwatches, explorando a combinação desses dois conjuntos de dados através da aplicação de ensembles. Os resultados indicam que, dependendo do contexto específico de classificação (seja em dois ou três estágios), os dados de acelerômetro ou de frequência cardíaca podem desempenhar um papel mais significativo.
Finalmente, a comparação com outras representações comumente utilizadas na literatura ressaltou a superioridade das abordagens visuais neste contexto. A avaliação por meio de diferentes métricas confirmou a eficácia das técnicas propostas, indicando uma abordagem competitiva para a classificação dos estágios do sono com base em dados de dispositivos vestíveis.
Banca examinadora
Titulares:
| Zanoni Dias | IC/UNICAMP |
| Marcos Medeiros Raimundo | IC/UNICAMP |
| George Darmiton da Cunha Cavalcanti | CIn/UFPE |
Suplentes:
| Ricardo Ribeiro Gudwin | FEEC/UNICAMP |
| Celmar Guimaraes da Silva | FT/UNICAMP |