Solução de saúde digital para a comunicação alternativa de pessoas com esclerose lateral amiotrófica

• Ano de defesa: 2023
• Autor(a) principal: Fernandes, Felipe Ricardo dos Santos
• Orientador(a): Valentim, Ricardo Alexsandro de Medeiros
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Doença neurodegenerativa; Visão computacional; Machine learning; Processamento de imagem; Doença do neurônio motor
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/56749

A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa que compromete o sistema motor e as habilidades funcionais da pessoa de forma irreversível, causando, inclusive, a perda progressiva da capacidade de comunicação e da autonomia. Recursos tecnológicos baseados em Comunicação Aumentativa e Alternativa, Visão Computacional e Machine Learning são imprescindíveis para o desenvolvimento de soluções de saúde digital para a viabilização do processo comunicativo e da autonomia que, consequentemente, promovem melhorias na qualidade de vida e sobrevida da pessoa com ELA. Focado em uma abordagem de Interação Humano-Computador (IHC) baseada em imagens dos olhos provenientes de uma câmera simples e livre do corpo, este trabalho apresenta um recurso de tecnologia assistiva para a Comunicação Aumentativa e Alternativa de pessoas com ELA. A abordagem proposta neste trabalho consiste em um modelo algorítmico capaz de reconhecer o estado do olho (aberto ou fechado) em tempo real e de interoperar com o Autonomus, uma solução de saúde digital concebida pelo Laboratório de Inovação Tecnológica em Saúde da Universidade Federal do Rio Grande do Norte (LAIS/UFRN) para a comunicação de pessoas com ELA. O modelo é constituído por quatro processos metodológicos: (i) aquisição das imagens; (ii) detecção da Face; (iii) detecção dos olhos; e (iv) classificação do estado do olho, sendo esta a principal etapa para a IHC. Um estudo algorítmico com um grupo de controle foi conduzido para avaliar a performance geral do modelo e a capacidade de classificação da Rede Neural Convolucional (CNN). Os resultados relacionados ao modelo proposto para a tarefa de classificação do estado do olho em tempo real são promissores e alcançam valores significativos de acurácia e f1-score, acima de 92%. Os resultados também apontam para a viabilidade do desenvolvimento de recursos de tecnologias assistivas de baixo custo que garantem o acesso universal, promoção de saúde, bem estar e redução das desigualdades, aspectos que vão além das melhorias no processo comunicativo de pessoas com ELA. Portanto, o objeto de estudo deste trabalho também possibilita e promove o exercício dos direitos, da cidadania, das liberdades fundamentais e do cuidado assistencial à saúde da pessoa com ELA.