Logo PUCPR

SINAIS DE MMG E TREMOR NO DIAGNÓSTICO DA DOENÇA DE PARKINSON

SOUZA, Luigi Tortato de¹; CICHACZEWSKI, Ederson²; GARIBA, Munir Antonio²; NOHAMA, Percy³
Curso do(a) Estudante: Engenharia Biomédica – Escola Politécnica – Câmpus Curitiba
Curso do(a) Orientador(a): Engenharia de Computação – Escola Politécnica – Câmpus Curitiba

INTRODUÇÃO: O diagnóstico precoce da Doença de Parkinson permanece um desafio, já que os sinais clínicos iniciais são frequentemente sutis e podem ser confundidos com outras patologias, resultando em atrasos no tratamento e piora do prognóstico. Nesse cenário, o uso de tecnologias baseadas em inteligência artificial e análise de sinais biomédicos tem emergido como uma estratégia promissora para a detecção precoce e precisa da doença. OBJETIVOS: O projeto em desenvolvimento tem por objetivo a detecção precoce da Doença de Parkinson a partir do processamento de sinais biomédicos, mais especificamente sinais de mecanomiografia (MMG) associados ao tremor característico da doença. MATERIAIS E MÉTODO: A proposta é um pipeline de aquisição e classificação tecnicamente acessível, com sensores de baixo custo. Na primeira etapa, o trabalho se concentrou em dados públicos. Bases da UCI e do PhysioNet foram usadas para estudo exploratório e para o desenvolvimento do pipeline de classificação inicial, que extrai 48 features de domínio do tempo e da frequência a partir de janelas de acelerômetro e treina modelos de aprendizado de máquina (SVM, Random Forest, Gradient Boosting, KNN) para classificar a severidade do tremor em quatro níveis. RESULTADOS: No momento, o foco é testar e aprimorar o modelo físico do projeto: um sistema com dois sensores MPU6050 acoplados a um ESP32 via I2C, capaz de captar aceleração simultaneamente em dois pontos do corpo. Uma das validações já feitas foi a de frequência de vibração, comparando o valor calculado via FFT contra um gerador de oscilações ajustado na faixa de 6 a 8 Hz, referência para o tremor de repouso da doença. CONSIDERAÇÕES FINAIS: Na próxima etapa, pretende-se empregar o hardware, já testado e ajustado, para construir um dataset próprio, rotulado entre saudável e Parkinson, e treinar um classificador que não dependa mais de dados sintéticos.

PALAVRAS-CHAVE: Doença de Parkinson; Mecanomiografia; Aprendizado de Máquina; IA; Tremor.

APRESENTAÇÃO EM VÍDEO

Esta pesquisa foi desenvolvida com bolsa CNPq (MAI-DAI) no programa PIBITI (MAI-DAI).
Legendas:
  1. Estudante
  2. Orientador
  3. Colaborador

QUERO VOTAR NESTE TRABALHO

Votação encerrada.