Ciência da Computação

URI Permanente desta comunidade

https://repositorio.fei.edu.br/handle/FEI/342

Navegar

Navegando Ciência da Computação por Orientador "Carlos Eduardo Thomaz"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    MOSAICO FACIAL NEONATAL:
    (2021-12-15) IBRAHIM JAMIL ORRA; MATHEUS ELIAS CRUZ; PEDRO HENRIQUE SILVA DOMINGUES; RENAN MARTINS MENDES DA SILVA
    O cotidiano de bebês pré-termo e neonatos muito doentes é envolvido por constante exposição a dor, fato que pode causar problemas no desenvolvimento do sistema nervoso a longo prazo. Por este motivo, uma área constante em desenvolvimento é a criação de sistemas de detecção automática da dor fundamentados em imagens. Estes sistemas utilizam as mais diversas técnicas, desde medidas anatômicas da face, inteligencia artificial e aprendizado de máquina, porém todos eles possuem duas principais semelhanças: a categorização de regiões faciais mais relevantes para identificação da dor neonatal e a dificuldade encontrada perante a presença de artefatos obstruindo partes da face. Portanto, este trabalho propõe e implementa uma técnica de segmentação automática de regiões de interesse, utilizada para a criação de um novo dataset contendo recortes da face do recém-nascido relevantes para a classificação de dor, categorizados pela região recortada e pela presença de dor. Adicionalmente, também investigamos o uso de técnicas de similarity matching para comparar cada região de interesse com a correspondente extraída de uma face média criada sem nenhuma obstrução. Todos os experimentos foram feitos a partir da base de imagens de recém-nascidos da UNIFESP, a qual é categorizada em bebês com dor e sem dor. Nosso arcabouço computacional foi desenvolvido para detectar, transformar e extrair as áreas de interesse de qualquer imagem 2D da face de um recém-nascido de forma robusta e no mesmo formato do dataset criado.
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    PROTÓTIPO COMPUTACIONAL PARA AVALIAÇÃO AUTOMÁTICA DA DOR NEONATAL POR PARTES DA FACE
    (2022-12-07) BRUNO AUGUSTO JOVENASSO; ERIK FERNANDO MENDES SILVA; RAFAEL TOCEGUI COMPRI; VANESSA GOMES FAVORITO
    Atualmente a área de detecção de dor em neonatos a partir de imagens da face está em constante desenvolvimento, possuindo principalmente como objetivo amenizar um dos problemas que temos na área da neonatologia, os efeitos da dor a curto, médio e longo prazo em recém-nascidos. Neonatos internados em unidades de terapia intensiva neonatal são expostos constantemente a dor, tal fato pode causar danos no neurodesenvolvimento, afetando funções cerebrais, sistema de estresse e lesões no processamento nociceptivo. Com o intuito de identificar e classificar a presença de dor neonatal, são utilizadas escalas de avaliação de dor à beira do leito por profissionais da área da saúde, e estão sendo criados métodos de inteligência artificial e aprendizado de máquina para automatizarem este processo. Assim, este trabalho tem por objetivo propor e implementar um protótipo computacional para a avaliação da dor neonatal por partes da face, analisando cada parte da face separadamente e classificando a presença, ou não, de dor. Para tal feito, o trabalho conta com algumas etapas sequenciais, começando com um pré-processamento no banco de dados de imagens neonatais da Universidade Federal de São Paulo, onde foi gerado uma face média e segmentada dos recém-nascidos. Na segunda etapa, são realizados os treinamentos e criação do arcabouço, onde as imagens passarão pela classificação de dor ou não dor, que será realizada por 12 redes neurais, uma para cada parte da face, que serão analisadas e classificadas separadamente. Para a etapa de treinamento e criação do arcabouço, foram utilizados 3 modelos de Rede Neural diferentes, sendo eles a VGG11, a ResNet18 e a LeNet-5. A LeNet-5 apresentou um reconhecimento de dor por partes da face superior aos outros modelos, sendo as partes da face com maior acurácia foram o nariz (79,66%), olho esquerdo (79,44%) e boca (79,44%). Para a obtenção destes resultados, foi utilizado o sistema de validação cruzada no treinamento das redes. Por fim, foi feita a união de todas as etapas formando um sistema inédito e completo de detecção, segmentação e classificação de dor em áreas de interesse faciais de neonato