Detecção acústica de acometimento por Covid-19

• Ano de defesa: 2023
• Autor(a) principal: Rafael Motta Scarpa [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Processamento de sinais; COVID-19; Sistemas inteligentes; Signal processing; Intelligent systems
• Link de acesso: https://hdl.handle.net/11449/251032

Inegavelmente, a recente pandemia do COVID-19 alterou o cotidiano de todo o mundo. Nesse sentido, inúmeras estratégias foram e ainda têm sido pesquisadas para aprimorar a detecção da enfermidade, englobando exames hematológicos, diagnóstico por imagens, entre outros. Uma possibilidade, também explorada, consiste no pré-diagnóstico por meio da ausculta respiratória. Assim, visando automatizar esse processo e oferecer um auxílio ao profissional de saúde, com base em um processo apenas modestamente investigado, caracteriza-se o objetivo deste trabalho: projetar e implementar uma técnica de processamento inteligente de sinais para detectar, de modo não-invasivo e com base na análise acústica dos ruídos respiratórios, o acometimento por COVID-19, principalmente em estágios iniciais. Valendo-se de novos conceitos disponíveis na literatura, tais como aqueles pertinentes à Engenharia Paraconsistente de Características, o método desenvolvido, de modesto custo computacional, foi testado valendo-se de uma parcela da base de sinais pública COVID-19 Sounds App. Métricas promissoras e compatíveis com as expectativas foram obtidas: classificadores baseados em distâncias Euclidianas e Support Vector Machines (SVM) alcançaram plena acurácia e significantes valores de especificidade, sensibilidade e F1 score.