Portal de Periódicos da CAPES

Artigo Acesso aberto Produção Nacional Revisado por pares

BIBTEX RIS

Uma ferramenta baseada em aprendizado profundo para o suporte à decisão de diagnóstico de distúrbios vestibulares periféricos

2022; Grupo de Pesquisa Metodologias em Ensino e Aprendizagem em Ciências; Volume: 11; Issue: 4 Linguagem: Português

10.33448/rsd-v11i4.27753

2525-3409

Antônia de Maria Rodrigues de Sousa Castro, Ariel Soares Teles, Lucas Daniel Batista Lima, José Everton Fontenele, Víctor Hugo Bastos, Silmar Teixeira,

Vestibular and auditory disorders

O nistagmo é o movimento involuntário dos olhos, caracterizado pelo movimento suave, chamado de fase lenta do nistagmo, interrompido pela fixação rápida na direção contrária. Ele é um dos fatores preponderantes no diagnóstico de desordens vestibulares. Este estudo apresenta o Smart Nystagmography, uma proposta de ferramenta baseada em visão computacional para o suporte ao diagnóstico de disfunções vestibulares periféricas, que engloba todo o processo, desde o dispositivo para coleta do movimento ocular até o classificador do distúrbio. A solução proposta é baseada em vetores de características que apresentam padrões de movimento ocular, os quais são identificados com o uso de aprendizado de máquina, em particular, Aprendizado Profundo (AP). A técnica de videonistagmografia e suas diferentes provas foram realizadas pelos indivíduos a fim de gerar um conjunto de dados representativo para indivíduos tanto saudáveis quanto com disfunção vestibular. Os métodos de pré-processamento de dados, assim como uma técnica de otimização de hiperparâmetros dos algoritmos de AP foram empregados com o propósito de melhorar o desempenho dos modelos do estado da arte. Os resultados de desempenho para a identificação da presença de disfunção vestibular periférica chegaram a uma acurácia de 96,7% para o melhor modelo, depois de passar pelo processo de otimização. Os resultados mostram a eficiência do Smart Nystagmography, o qual possui uma solução que envolve desde o dispositivo de coleta de vídeos até o sistema com as técnicas de preparação dos dados e o modelo de AP implantado. Estudos clínicos adicionais são necessários para validar a solução.