Detalhes bibliográficos
| Ano de defesa: |
2025 |
| Autor(a) principal: |
Kolpeman, Mateus de Lima Melo |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://repositorio.ifpb.edu.br/jspui/handle/177683/4183
|
Resumo: |
A doen?a de Parkinson ? uma patologia neurodegenarativa que afeta a capacidade motora e de fala, al?m de provocar altera??es comportamentais, de humor e de racioc?nio. Ela atinge, mais usualmente, popula??o idosa e seu diagn?stico ? feito por meio de um exame cl?nico, atrav?s da observa??o dos sintomas apresentados pelo paciente. Uma vez que os sintomas mais not?rios costumam aparecerem est?gios mais avan?ados da doen?a, o que dificulta o tratamento, e que o mundo vem passando por um processo de invers?o da pir?mide et?ria, a tend?ncia ? que o Parkinson venha a se tornar um problema de sa?de p?blica mundial. Dentro desse contexto, propostas para a utiliza??o de sinais de voz como forma de diagn?stico precoce do Parkinson v?m obtendo resultados. Este trabalho prop?e a utiliza??o de t?cnicas de Aprendizado de M?quina no problema de classifica??o de sinais de voz para diagn?stico da doen?a de Parkinson. Fazendo uso de um conjunto de dados com ?udios provenientes da fala de portadores e n?o portadores da patologia, obteve-se uma acur?cia superior a 91% utilizando um comit? de classificadores que mescla caracter?sticas de modelos de Random Forest e Redes Neurais Convolucionais. |
