Auxílio ao diagnóstico de doença neurodegenerativa utilizando expressões faciais

Abstract

O diagnóstico precoce da Esclerose Lateral Amiotrófica (ELA) é fundamental para a determinação do início dos tratamentos, auxiliando tanto no aumento da expectativa de vida quanto na melhora da qualidade de seus pacientes. A análise de movimentos faciais fornece informações importantes para o reconhecimento dos sintomas iniciais da ELA; entretanto, detectar esses sinais não é uma tarefa fácil. Com o advento da visão computacional e dos modelos de aprendizado de máquina, métodos computacionais de auxílio a diagnóstico de doenças neurodegenerativas por meio de vídeos vêm se tornando uma realidade, gerando diferentes abordagens para detecção dos biomarcadores da ELA. Por utilizarem métodos interpretativos, grande parte dos estudos acabam por não explorar a dimensão temporal durante o processo de classificação, portanto, este trabalho propõe introduzir modelos sequenciais de Redes Neurais Recorrentes em dados sequenciais (vídeos), de tal forma que seja investigada a relevância da dinâmica temporal das unidades de ação na identificação da ELA. Além disso, conclui-se com o desenvolvimento de uma ferramenta de auxilio ao diagnóstico por computador.

Early diagnosis of Amyotrophic Lateral Sclerosis (ALS) is crucial for determining the onset of treatments, aiding in both increasing life expectancy and improving the quality of life for patients. The analysis of facial movements provides important information for recognizing the initial symptoms of ALS; however, detecting these signs is not an easy task. With the advent of computer vision and machine learning models, computational methods to assist in the diagnosis of neurodegenerative diseases through videos are becoming a reality, generating different approaches to detect ALS biomarkers. Since many of these studies use interpretive methods, a large portion fails to explore the temporal dimension during the classification process. Therefore, this work proposes to introduce sequential models of Recurrent Neural Networks in sequential data (videos) in such a way that the relevance of the temporal dynamics of action units in identifying ALS is investigated. Additionally, it concludes with the development of a Computer-Aided Diagnosis tool