ISEP - DM – Engenharia Biomédica
Permanent URI for this collection
Browse
Browsing ISEP - DM – Engenharia Biomédica by advisor "Coelho, Luís Filipe Martins Pinto"
Now showing 1 - 10 of 15
Results Per Page
Sort Options
- Análise de Padrões de EEG em Ambientes de Trabalho Simulados com Realidade VirtualPublication . Santos, Gonçalo Ribeiro dos; Coelho, Luís Filipe Martins PintoFala-se de saúde psicológica cada vez mais nos dias correntes. Sendo tudo na vida influenciado por esta temática, existe uma crescente preocupação da população para que siga um estilo de vida saudável, tranquilo e estável. Sendo uma grande porção da população parte do mercado de trabalho, cada vez mais as empresas empregadoras se preocupam com a estabilidade psicológica e emocional dos seus futuros empregados. Assim, nasceu uma necessidade acrescida de mensurar por processos analíticos e qualitativos a capacidade de resposta ao stress de cada pessoa. Para tal, neste caso, recorreu-se à utilização de EEG que consiste num método de monitorização eletrofisiológico captador da atividade elétrica do cérebro, que constitui técnica não invasiva com uma boa resolução temporal, baixo custo e facilidade de uso. Todas estas características permitiram que fosse ponderado para a resolução da problemática exposta nesta dissertação. Houve o desenvolvimento de um ambiente virtual com recurso à ferramenta Unity. Neste ambiente foram simuladas características presentes num escritório real. A própria planta, decoração, ruído de fundo, presença de trabalhadores e iluminação foram características pensadas ao pormenor de modo que a veracidade dos resultados permanecesse. Foram implementadas algumas ações perturbadoras ao longo da atividade para que o stress fosse despoletado mais facilmente. O principal método de avaliação de stress passou pelo correlacionamento de padrões de EEG nas cinco bandas de frequência existentes, o que permitiu quantificar e observar os sinais fisiológicos apresentados por cada participante para futura perceção do nível de stress vivenciado. Realizaram-se recolhas de EEG segundo o Sistema Internacional 10-20 recorrendo a 8 elétrodos - 3 voluntários entre os 20 e os 50 anos. O protocolo experimental procurou estabelecer valores base dos sinais de cada participante ao medir cerca de um minuto os sinais com os olhos fechados, de seguida mediram-se as respostas durante o teste e findado o mesmo, os participantes fecharam novamente os olhos para normalização de valores. Após as recolhas, foi realizado o processamento e análise dos sinais. Este processamento foi inteiramente desenvolvido com recurso à linguagem de programação Python. Foi efetuado um Quiz e anotados os valores de pontuação. Os resultados deste trabalho indicam que a atividade cerebral varia de pessoa para pessoa uma vez que a magnitude das amplitudes atingidas pelos diferentes participantes foi heterogénea. Observou se uma estimulação do hemisfério direito num participante, do hemisfério esquerdo no outro e de uma baixa amplitude de sinal atingida pelo terceiro. Observou-se também uma maior prevalência da banda de frequências Gamma durante todo o processo, como era esperado por ser característica de um maior esforço cognitivo. Os valores obtidos no quiz em nada transpareceram o estado de espírito do participante, servindo apenas como ferramenta indutora de stress. Estes resultados expressam que existe uma panóplia de respostas a fatores indutores de stress e que existem pessoas que lidam bem com o mesmo.
- Aplicação de redes neuronais convolucionais para a classificação de úlceras do pé diabéticoPublication . Sequeira, Miguela Teixeira; Coelho, Luís Filipe Martins PintoEsta tese explora a aplicação de redes neurais convolucionais (CNNs) para a classificação de úlceras do pé diabético, utilizando as arquiteturas VGG16, VGG19 e MobileNetV2. O objetivo principal é desenvolver e comparar modelos de deep learning capazes de identificar com precisão áreas lesionadas em imagens clínicas de pés diabéticos, ajudando na prevenção e no tratamento eficaz das úlceras. Foi realizado um estudo com base num conjunto de dados de imagens anotadas, avaliando o desempenho dos modelos em termos da accuracy, precisão, recall e F1-Score. A VGG19 destacou-se com uma accuracy de 93%, evidenciando uma capacidade superior de localizar lesões em imagens complexas, com ativações mais focadas nas áreas relevantes. A MobileNetV2, por outro lado, apresentou um bom desempenho em termos de eficiência computacional, sendo adequada para dispositivos móveis e ambientes com restrições de hardware, embora tenha apresentado um valor de accuracy ligeiramente inferior em relação às VGGs. O estudo também discute as limitações de cada arquitetura, como a maior tendência ao overfitting nos modelos mais profundos e a menor capacidade de abstração de detalhes clínicos no MobileNetV2. Os resultados indicam que o uso de CNNs tem grande potencial no diagnóstico clínico assistido por imagem, especialmente para patologias como o pé diabético, onde a deteção precoce e precisa é crucial para evitar amputações.
- Avaliação da viabilidade do reconhecimento da expressão facial na avaliação da fadiga muscular na reabilitação física do membro superiorPublication . Moreira, Soraia Daniela Taborda; Coelho, Luís Filipe Martins PintoNas últimas décadas, diversas investigações têm realçado a importância de monitorizar a fadiga muscular nos programas de reabilitação física, especialmente na recuperação de funções do membro superior. No entanto, as terapias convencionais têm dificuldade em monitorizar a fadiga muscular de forma precisa e em tempo real. Para colmatar esta dificuldade, a presente dissertação explora uma alternativa inovadora, propondo o uso da análise das expressões faciais como uma técnica promissora para a deteção da fadiga muscular. A investigação foca-se em compreender quais são as variações nas expressões faciais que podem indicar fadiga muscular durante a realização do exercício de flexão de bíceps. Este exercício é utilizado devido à sua relevância clínica na reabilitação do membro superior, uma vez que simula movimentos funcionais do dia a dia. A eletromiografia é empregue como uma ferramenta de validação, servindo para confirmar a presença de fadiga muscular enquanto as expressões faciais são monitorizadas. Os resultados indicam que apesar de não existirem diferenças estatisticamente significativas entre séries na análise ANOVA, a análise das expressões faciais mais granular permite concluir que as combinações de pontos faciais Boca aberta (0-17) e Franzir as sobrancelhas (107-8) são indicadores relevantes na deteção da fadiga muscular. A compreensão das expressões faciais como indicadores de fadiga não só permite melhorar os resultados clínicos, mas também aumenta a adesão dos pacientes às terapias de reabilitação, proporcionando uma experiência mais confortável e recetiva durante o processo de recuperação. Assim, ao centrar-se neste método, a dissertação contribui para o desenvolvimento de um sistema integrado que combina eletromiografia e reconhecimento facial, com o objetivo de otimizar os processos de reabilitação e personalizar os programas terapêuticos de acordo com as necessidades individuais dos pacientes, potencializando, dessa forma, a sua recuperação. Este sistema visa ser integrado num cenário de reabilitação assistida por robô, possibilitando que o braço mecânico se ajuste e adapte os movimentos e a intensidade do tratamento com base nas informações obtidas pela avaliação da fadiga muscular em tempo real.
- Caracterização de personalidade através de padrões de EEG em processos de tomada de decisão - uma análise exploratóriaPublication . Pinto, Joana Raquel Rodrigues; Coelho, Luís Filipe Martins PintoA neuroimagem é uma área de estudo das ciências médicas e da neurociência que utiliza tecnologia para criar imagens do cérebro e do Sistema Nervoso. A neuroimagem é usada para pesquisa e diagnóstico médico, explorando processos como cognição e reações cerebrais a estímulos. Os avanços na neuroimagem levaram ao desenvolvimento de interfaces cérebro-computador, permitindo a obtenção de informações em tempo real durante a interação com o ambiente. A EEG é um método de monitorização eletrofisiológico que capta a atividade elétrica direta do cérebro. Sendo uma técnica não invasiva, tendo uma boa resolução temporal, um baixo custo e facilidade de uso, torna-se um método eficaz e amplamente utilizado, permitindo a análise objetiva de áreas em expansão como é o caso das emoções. As emoções influenciam o comportamento humano e podem ser observadas através das alterações nas ondas cerebrais, que podem ser caracterizadas em diferentes bandas de frequência. Apesar de existirem já vários estudos com o objetivo de reconhecer emoções, acredita-se que a correlação de variáveis, tais como a personalidade e a tomada de decisão, com padrões de EEG, poderão contribuir para novas perspetivas, enriquecendo os resultados já obtidos. O principal objetivo deste trabalho concentra-se em correlacionar padrões de EEG nas bandas de frequência θ, α, β e γ com os perfis DISC, permitindo explorar novas perspetivas e entender se os traços de personalidade afetam as respostas cerebrais. Realizaram-se recolhas de EEG segundo o Sistema Internacional 10-20 de 19 canais, a 6 Voluntários com idades compreendidas entre os 20 e os 58 anos. O protocolo experimental estabelecido baseou-se em 3 condições principais na seguinte ordem: 5 minutos na condição de olhos fechados (OF) - 5 minutos na condição de olhos abertos (OA) - Realização do Teste de personalidade DISC (Teste com 28 escolhas múltiplas) - 5 minutos na condição de olhos fechados (OF). Após as recolhas, foi realizado o processamento e análise dos sinais. Este trabalho foi inteiramente desenvolvido com recurso à linguagem de programação Python, tendo o MNE-Python sido a biblioteca principal utilizada. Os resultados deste trabalho indicam que a atividade cerebral, especialmente na banda α, varia com base na condição OF ou OA. Na condição de OF verifica-se para todos os Voluntários um aumento da atividade na banda α. Contrariamente, na condição de OA verifica-se a diminuição desta, mas não há demonstração de possível relação direta entre os perfis de personalidade DISC e as bandas de frequência. É também possível concluir que, as diferentes áreas cerebrais de ativação apresentam padrões típicos de diferentes bandas de frequência. Na condição de Teste (durante a realização do questionário DISC), os resultados demonstrados não são totalmente claros. Apesar de existirem algumas evidências, nomeadamente no perfil DC, que sugerem uma possível relação, é importante destacar que não existe uma conclusão definitiva entre a relação entre ondas cerebrais, estados mentais e personalidade, pois envolvem interações complexas de vários fatores. Torna-se essencial reconhecer as limitações do estudo e discutir alternativas metodológicas. Além da reduzida amostra e das variabilidades individuais e emocionais, é crucial considerar o ambiente experimental, o estado emocional dos participantes e outros fatores contextuais. A presença de artefactos também poderá interferir na precisão do reconhecimento de padrões EEG. Discutir abordagens alternativas, como o uso de múltiplos métodos de neuroimagem ou a inclusão de medidas de controlo rigorosas, pode aprimorar a validade das conclusões e fornecer uma direção clara para estudos futuros.
- Caracterização Fenotípica do Sistema Visual em Modelos Animais de Doenças do Desenvolvimento NeurológicoPublication . Vigo, Inês José Borges Pinto; Coelho, Luís Filipe Martins PintoNeurofibromatosis Type 1 (NF1) is an inherited disease associated with neurodevelopmental disorders, including Autism spectrum disorder (ASD). One of the systems affected by this disease is the visual system, although it is little studied and little taken into consideration in the diagnosis of NF1. It is in this sense that the present investigation arises, where potential changes in retinal physiology are studied in a genetic model of NF1, using a non-invasive neurophysiological technique - the Electroretinogram (ERG) - to determine its diagnostic potential. Thus, the main goal of this work was to find an accurate way to distinguish individuals with NF1 from healthy individuals. To this end, we evaluated possible features of the ERG signals, for both genotypes, that could demonstrate differences between them, and therefore be able to differentiate them. In general, the aim of this study was to find an algorithm capable of classifying an individual as sick or healthy with the greatest possible accuracy. To achieve this goal, a Python program was created that, using statistical analysis and Machine Learning (ML) techniques, was capable of returning a complete analysis of the data and the most relevant characteristics, as well as estimating the classification of the data in terms of accuracy value. With this methodology, it was possible to conclude that the use of ERG in the diagnosis of NF1 in an individual is feasible, since the statistical analysis found two features with significant p-values and the ML classification obtained interesting accuracy values
- Codificação neural e plasticidade sinática em modelos animais de doenças do neurodesenvolvimentoPublication . Miranda, Guilherme Laranjeira; Coelho, Luís Filipe Martins PintoA neurofibromatose tipo 1 (NF1) é uma doença hereditária associada a perturbações do desenvolvimento neurológico sendo um dos impactos desta doença as alterações da neuroplasticidade, incluindo a do córtex visual. Surge então a necessidade de aferir a integridade da neuroplasticidade, através dos potenciais evocados visuais (VEP) sob a forma de potenciação da resposta seletiva a estímulos (SRP). A SRP está presente nos VEP quando o potencial obtido tem maior intensidade num estímulo familiar do que num estímulo novel. Assim, o principal objetivo deste trabalho foi a classificação de estímulos novel e familiar presentes no eletroencefalograma (EEG), após cada estímulo. Foram então estudados métodos que conseguissem extrair do sinal EEG características diferenciadoras de cada tipo de estímulo que permitissem a sua classificação. Para atingir este objetivo foi então desenvolvido um programa com recurso a técnicas de Machine Learning que dado um período temporal após cada estímulo fosse capaz de classificar o estímulo que resultou na resposta presente no período temporal, como novel ou familiar. Com o presente trabalho, foi possível concluir que é possível um algoritmo de machine learning classificar corretamente cada estímulo, uma vez que pelos resultados obtidos os valores da accuracy são bastante bons e o modelo apresenta robustez.
- Controlo de Qualidade de Reveladores Radiográficos Procedimentos e Protocolos para uma Imagem Diagnóstica de Alta QualidadePublication . Sousa, Joel da Silva; Coelho, Luís Filipe Martins PintoA boa qualidade operacional dos equipamentos médicos é essencial para garantir a segurança dos pacientes e dos seus operadores. A proteção radiológica não é excepção, tendo surgido a necessidade de criar um conjunto de directivas indicadas para controlo de qualidade de reveladores radiográficos. Este tipo de procedimento apresenta relevância na área de imagiologia, uma vez que consiste numa forma de avaliar o funcionamento correto do equipamento, por forma a garantir um diagnóstico eficaz, com a menor dose de radiação incidente possível. O projeto que aqui se apresenta tem como objetivo principal a criação de uma aplicação de Realidade Aumentada (RA) destinada a facilitar a formação de profissionais no domínio do controlo de qualidade de reveladores radiográficos. O desenvolvimento foi realizado com recurso às ferramentas Unity e Vuforia, para as componentes de RA, e Blender, para a criação dos modelos virtuais. A aplicação foi idealizada com o intuito de proporcionar uma adaptação mais confortável aos profissionais para um novo procedimento de controlo de qualidade na instituição de acolhimento. Com esta abordagem procura-se por um lado acelerar a aprendizagem, diminuir o erro e uniformizar procedimentos. Os resultados alcançados demonstram a eficácia oferecida por uma aplicação de realidade aumentada, capaz de gerar modelos virtuais do equipamento em ambiente real e reproduzir uma sequência de animações passo a passo. Em testes com utilizadores reais, a aplicação desenvolvida foi considerada, pela maioria, como intuitiva e de fácil compreensão. Foi também valorizada a relevância da aplicação para a formação dos utilizadores em procedimentos de controlo de qualidade. Além disso, os participantes demonstraram interesse na expansão da aplicação para incluir outros procedimentos já existentes no ambiente de trabalho da instituição. Este interesse expressado, revela um potencial promissor para o futuro desenvolvimento e escalabilidade da aplicação em diferentes contextos e setores.
- Criação de Bases de Dados de Imagens Histológicas Anotadas e Desenvolvimento de um Modelo de Classificação Automática de Patologias MamáriasPublication . Moreira, Cristina Isabel da Silva; Coelho, Luís Filipe Martins PintoO Cancro da Mama é uma das patologias mais prevalentes mundialmente e uma das principais causas de mortalidade por cancro associado ao sexo feminino em Portugal. O diagnóstico de patologias mamárias que é feito através de biópsias é uma tarefa complexa e detalhada para os Patologistas e como tal suscetível a erros. É exigido uma análise meticulosa e especializada de múltiplos campos microscópicos, onde a precisão é vital e os atrasos podem ser críticos. Neste sentido, o desenvolvimento de plataformas que auxiliem a um diagnóstico rápido e preciso é cada vez mais essencial. Neste projeto foi desenvolvido um dataset de imagens histológicas de biópsias mamárias para o diagnóstico de patologias mamárias, com o objetivo de aplicar e avaliar a eficácia das redes neuronais na classificação e análise destes tecidos. O processo de criação do dataset resume-se à recolha do tecido, seguindo o seu processamento laboratorial onde as lâminas obtidas foram digitalizadas e submetidas a um processo de conversão e segmentação para formatos compatíveis com a posterior análise. A organização e categorização das imagens foi efetuada em código Python para a classificação automatizada, garantindo a integridade e precisão dos dados. A fase de pré-processamento e organização do dataset foram essenciais para assegurar a qualidade e representatividade dos dados. A precisão das categorizações e a distribuição equilibrada das imagens nas respetivas categorias para treino e validação dos modelos foram cruciais. A normalização das imagens e a extração adequadas dos segmentos de interesse foram etapas fundamentais para preparar os dados para a análise das redes neuronais. Esta preparação dos dados assegurou que os modelos fossem treinados com as informações corretas e essenciais para garantir a eficácia da aprendizagem. Para a aplicação das redes neuronais, foram selecionados os modelos SqueezeNet e InceptionV3, onde foram testados quatros cenários de classificação em ambas as arquiteturas e utilizadas quatro classes patológicas diferentes (Doença Fibrocística, Fibroadenoma, Carcinoma Lobular Invasivo e Carcinoma Ductal Invasivo). Estes modelos foram adaptados com camadas de entrada e saída personalizadas. A eficácia destes modelos foi avaliada com métricas estatísticas e gráficas incluindo a matriz de confusão, exatidão (accuracy), precisão (precision), sensibilidade (recall), F1-score e ainda as curvas de ROC e Precision-Recall. Ambos os modelos demonstraram uma boa performance com uma accuracy que variou entre os 88% e os 98% para todos os cenários testados. Porém, foi observado que o modelo InceptionV3 é o mais bem-sucedido, obtendo na maioria dos casos os valores mais altos de accuracy apesar de se ter observado alguma variação devido a fenómenos como overfitting. Os resultados obtidos indicam que as redes neuronais podem ser ferramentas eficazes no diagnóstico de patologias mamárias a partir de imagens histológicas. A accuracy elevada dos modelos utilizados para desenvolvimento deste projeto, refletem a capacidade de reconhecer e classificar de forma precisa as características morfológicas relevantes nas imagens, demonstrando que a Inteligência Artificial tem um potencial significativo para melhorar a precisão e eficácia dos diagnósticos em Anatomia Patológica.
- Desenvolvimento de uma aplicação para diagnóstico, monitorização e reabilitação de doenças neurodegenerativasPublication . Santos, Paulo Alexandre Sequeira; Coelho, Luís Filipe Martins PintoThe progress of healthcare over the last years led to an aging of the world population, increasing the prevalence of age-related diseases in the society, mainly neurodegenerative diseases. These pathologies currently affect more than 30 million people worldwide, and there is currently no cure for them. The high costs experienced by patients and their families are largely due to the individual monitoring performed by technicians. New technologies are providing alternatives for monitoring, diagnosis and rehabilitation of individuals with these diseases. This project includes the development of a web application which allows patients with neurodegenerative diseases to be monitored with less invasion and costs, enabling greater adherence. The application follows several examples from the literature for the construction of games, includes diagnostic assessments used in the medical field and promotes its use through gamification techniques. The construction of the web server used the Python language and the Flask framework because of the availability of useful modules, large supporting community and scalability. The software was specially designed for people with Parkinson’s disease, featuring a simple navigation between menus and an easy-to-use interface. The web application was named "Mentalist". The development of the application was followed by professional neurologists and the results obtained were guided by clinicians’ practice. According to these experts, the developed functionalities cover the most important aspects of diagnosis, monitoring and rehabilitation, making it a tool of high importance and applicability in daily clinical practice
- Determinação de parâmetros de risco no melanoma com técnicas de Deep LearningPublication . Pinto, Diogo Miguel Sousa; Coelho, Luís Filipe Martins PintoEm 2020, estima-se que 325.000 pessoas tenham sido diagnosticadas com melanoma, estimando-se que 50.000 mortes em todo o mundo por doença. Além disso, o melanoma é um dos cancros mais comuns em jovens adultos. O melanoma, quando em fase inicial, tem uma grande taxa de sobrevivência, com cerca de 97%, no entanto, em fases tardias a taxa de sobrevivência é apenas de cerca de 10%, o que implica que uma deteção precoce é extremamente importante. Nos últimos anos, o machine learning tem feito progressos notáveis e com isso seguiu-se o número de pesquisas e utilizações em questões médicas. Seria possível utilizar os grandes avanços na inteligência artificial e na classificação de imagem para criar uma aplicação para detetar precocemente o melanoma? Nesta tese são testadas três arquiteturas de machine learning para prever melanoma, VGG16, VGG19 e MobileNet V2. Todas as três arquiteturas usadas foram pré-treinadas e aplicadas a um dataset que compila todos os principais datasets de melanoma públicos. A arquitetura com melhores resultados foi o MobileNet V2, que com afinação alcançou mais de 96% de precisão. Foi também testado para aplicar o préprocessamento nas imagens do dataset (filtro CLAHE), que acabou por ter uma precisão ligeiramente menor na mesma arquitetura, com menos 0,2%. Com o melhor modelo, foi criada uma aplicação simples para permitir aos pacientes utilizarem o modelo de machine learning. O modelo de aprendizagem automática criado nesta tese alcançou uma precisão excecionalmente elevada, em comparação com a literatura. Além disso, destaca-se por formar o resto porque utiliza uma arquitetura recente e leve e tem uma aplicação em execução na parte frontal que permite a todos, mesmo pessoas sem conhecimento técnico, utilizar a aplicação.