Mecanismos de atenção multi-head em modelos recorrentes e análise acústica da voz para auxílio ao diagnóstico da doença de Parkinson.

• Ano de defesa: 2025
• Autor(a) principal: LACERDA, Matheus Soares de.
• Orientador(a): ARAÚJO, Joseana Macêdo Fechine Régis de.
• Banca de defesa: GOMES, Herman Martins., COSTA, Silvana Luciene do Nascimento Cunha.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Diagnóstico precoce; Coeficientes Cepstrais de Frequência Mel; Atenção multi-head; Redes Neurais Recorrentes; Aprendizado de máquina; Análise de fala; Doença de Parkinson; Early diagnosis; Mel-frequency cepstral coefficients; Recurrent neural networks,Multi-head attention; Machine learning; Speech analysis; Parkinson’s disease
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/45050

A Doença de Parkinson (DP) é uma doença neurológica degenerativa caracterizada pela redução da produção de dopamina, resultando em sintomas motores e não motores. Alterações na fala são biomarcadores promissores para diagnóstico precoce da doença, motivando este estudo a investigar o uso técnicas de análise acústica e diferentes arquiteturas de RNN (Recurrent Neural Networks), com e sem mecanismo de atenção multi-head, na classificação automática da doença de Parkinson. As RNN utilizam MFCC (Mel Frequency Cepstral Coefficients) como entrada, com diferentes tamanhos de janela, permitindo capturar padrões acústicos da fala. Análises estatísticas, com validação cruzada estratificada no corpus combinado (IPVS + MDVR/ReadText + MDVR/SpontaneousDialogue), sugerem que a inclusão de atenção multi-head tende a melhorar o desempenho do modelo BiLSTM (Bidirectional Long Short-Term Memory), especialmente com janelas de 1.200 amostras (F1-score=0,7468; ROC-AUC=0,7848). Contudo, em modelos BiGRU (Bidirectional Gated Recurrent Units), a inclusão de atenção multi-head não apresentou melhoria significativa, indicando que o impacto da atenção depende da arquitetura. Avaliações por validação cruzada (5-fold) confirmaram a robustez dos resultados, com o modelo BILSTM com atenção multi-head (2 cabeças, 1.200 amostras), que proporcionou desempenho de (F1-score=0,870), apesar da dificuldade da heterogeneidade dos dados. Esses resultados reforçam a viabilidade do uso de sinais de voz e redes neurais recorrentes com atenção para a detecção precoce da doença de Parkinson, destacando a importância do equilíbrio entre tamanho da janela e complexidade do modelo.