Jane Eyre Menezes Nascimento

Formação complementar

Idiomas

Participação em eventos

Projetos de pesquisa

• 2015 - 2016

  Aprendizagem de Máquina para detectar padrões em sinais de fMRI, Descrição: As Imagens Funcionais por Ressonância Magnética ? fMRI são utilizadas para detecção de determinadas áreas de ativação cerebral. Num aparelho de ressonância magnética, realiza-se um paradigma onde o sujeito executa uma determinada tarefa (ex: movimentar a mão) enquanto imagens cerebrais são adquiridas. A representação visual é realizada utilizando o modelo Função de Resposta Hemodinâmica-FRH. Os dados fMRI também podem ser entendidos como séries temporais, sendo compostos pela FRH e um sinal de interferência denominado ruído. O ruído está presente durante a aquisição das imagens, sendo proveniente de diversas fontes ruidosas, a exemplo do ruído térmico e fisiológico. A quantidade de ruído presente em uma série temporal aumenta de forma significativa a dificuldade no processamento dos dados fMRI, afetando diretamente a capacidade de detecção da FRH. Uma vez que este sinal não pode ser localizado não é possível averiguar a existência de uma ativação neural. Para solucionar esse obstáculo técnicas da área de reconhecimento de padrões e extração de informações podem ser utilizadas. Uma destas técnicas chamada Máquina de Vetores de Suporte-SVM que integra a área de reconhecimentos de padrões e aprendizagem de máquina, é empregada como alternativa para sanar o problema exposto. A execução do algoritmo SVM é realizada através do software PRoNTo que efetua as etapas de processamento dos dados fMRI e disponibiliza os resultados da classificação e desempenho da técnica SVM.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / Carlos Alberto Estombelo Montesco - Coordenador.

• 2014 - 2015

  Aprendizagem de Máquina para Detectar Padrões em Sinais de fMRI, Descrição: Os dados de fMRI (functional magnetic resonance imaging) são imagens de ressonância magnética, que possibilitam a visualização de áreascerebrais ativas, sendo que esta ativação cerebral pode ser caracterizada pelo modelo de FRH (Função de Resposta Hemodinâmica). Devido a quantidade de ruído presente no sinal o processo de detecção de áreas ativas deve ser realizado com a aplicação de alguma técnica que possibilite o tratamento desse sinal de fMRI com ruído de forma que a função FRH possa ser detectada e consequentemente as áreas com ativação cerebral. A técnica utilizada nesta pesquisa, Máquinas de Vetores de Suporte (SVM) possibilita realizar a classificação dos dados de fMRI, tomando como referência a existência ou não do sinal FRH, para determinar as áreas cerebrais com ativação neural. Sendo assim, o objetivo consiste em estudar os tipos de algoritmospara a extração do padrão em dados fMRI e comparar quantitativamente a eficiência de cada proposta. Para tanto, utilizou-se dois softwares, SVM toy e PRoNTo, para classificar e analisar os resultados, que de modo geral são satisfatórios visto que foi possível realizar a classificação dos dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / Carlos Alberto Estombelo Montesco - Coordenador.

• 2013 - 2014

  Utilização de Máquina de Vetores de Suporte de Suporte para Extração de Componentes em Sinais de fMRI, Descrição: Funções motoras e cognitivas do cérebro são estudo de muitos pesquisadores no decorrer do tempo. Dentre várias descobertas realizadas, uma delas, é a possibilidade de mapear uma determinada região do cérebro em plena atividade neural. Essa atividade neural pode ser modelada pela Funçãode Resposta Hemodinâmica ou FRH, enquanto que a obtenção dos sinais cerebrais durante uma atividade pode ser obtida através da técnica de fMRI (functional Magnetic Resonance Imaging). Assim, pode-se dizer que um sinal cerebral possui ou não atividade neural a depender da existência ou não do sinal FRH. Contudo, na detecção do sinal existe uma interferência, chamada de ruído, que tende a diminuir a qualidade do sinal dificultando a detecção da FRH edas áreas cerebrais ativas. Para contornar esse problema, a técnica Máquina de Vetores de Suporte ou SVM (Support Vector Machines) utiliza conceitos de aprendizagem de máquina para realizar a correta classificação de dados em determinados padrões. Sendo possível organizar e classificar os dados de fMRI a partir da detecção do sinal FRH e da utilização da técnica SVM, realizando a classificação do sinal em termos de existência ou não de atividade cerebral. Uma vez que a técnica SVM pode ser capaz de agruparquais sinais de fMRI possuem ou não ativação é possível construir o mapa estatístico docérebro delimitando as regiões ativas, possibilitando a correta visualização das regiões cerebrais que estavam ativas durante a realização de alguma atividade.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / Carlos Alberto Estombelo Montesco - Coordenador.

• 2012 - 2013

  Utilização de Modelo Linear Geral para a Extração de Componentes em Sinais de fMRI, Descrição: Os dados fMRI podem ser representados por séries temporais (também chamado de sinal) utilizando o modelo de Função de Resposta Hemodinâmica, onde cada série pode representar um voxel ativo (ocorre ativação neural) ou voxel inativo (não ocorre ativação neural). Uma das grandes dificuldades de se determinar quais séries temporais possuem voxeis ativos se deve a quantidade de ruído que inevitavelmente está presente no sinal, pois ela pode ser oriunda de várias fontes, sendo assim quanto maior a quantidade de ruído maior a dificuldade de determinar os voxeis ativos. A relação existente entre sinal e ruído (ou SNR) pode ser quantificada e a partir do conhecimento de quanto ruído um determinado sinal possui é possível empregar métodos estatísticos que facilitem o pré-processamento do sinal. Porém quando não é possível quantificar a quantidade de ruído existente no sinal a dificuldade em encontrar os voxeis ativos aumenta consideravelmente, mas não significa que os métodos estatísticos não possam ser empregados. Neste trabalho é utilizada a técnica de Modelo Linear Geral de forma conjunta com o teste-t de Student para a extração do sinal de interesse com o mínimo de ruído possível em dados simulados artificialmente e dados reais coletados de um voluntário. Finalmente é discutida a eficiência do método para a identificação e extração da função resposta hemodinâmica.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / JOEL ALVES DE OLIVEIRA - Integrante / Carlos Alberto Estombelo Montesco - Coordenador.

• 2011 - 2012

  Análise de Componentes Principais para classificar componentes em dados de fMRI, Descrição: Análise de Componentes Principais (PCA) é uma técnica que visa facilitar a análise de grandes conjuntos de dados multivariados a partir do seu produto final, as componentes principais (CPs), pois possuem dimensão reduzida concentrando a maior parte da informação dos dados. Uma aplicação da PCA é através das Imagens Funcionais por Ressonância Magnética (fMRI) utilizadas para detectar determinadas áreas de ativação cerebral. Nesse contexto a finalidade da Análise de Componentes é extrair o máximo de informação com o mínimo de ruído. As CPs podem ser visualizadas através de recursos como, por exemplo, a Função de Densidade de Probabilidade (FDP) e CurvasROC. É proposto a aplicação da técnica PCA nos dados de fMRI gerados artificialmente, estimando a eficiência e eficácia do método para determinar as componentes principais. O procedimento empregado resume-se nas simulações realizadas com dados gerados artificialmente utilizando o software MatLab (Matrix Laboratory ® ). As simulações podem ser resumidas nos seguintes passos: construção e simulação da série temporal FRH (Função de RespostaHemodinâmica) para diferentes valores de Relação Sinal-Ruído ? SNR (-8, -5, -3, -2, 0, 2, 3, 5)dB; caracterização e análise das CPs extraídas da série temporal utilizando-se da técnica PCA; elaboração (para valores distintos de SNR) da FDP e Curvas ROC. Devido as várias simulações realizadas em diferentes contextos os resultados foram classificados em 3 etapas: I) Resultados da PCA ? mostra as CPs extraídas do sinal para diferentes valores de SNR. II) Resultados das FDP ? aponta a relação existente entre sinal de ruído e sinal FRH para valores distintos de SNR. III) Resultados da Curva ROC ? define a eficiência da técnica PCA, onde cada curva também foi obtida para diferentes valores de SNR. De forma geral, as CPs extraídas através da Análise de Componentes e as FDP representadas apresentam boa semelhança com os dados originais, assegurando que elas realmente representam a maior parte da informação. Da mesma forma pode-se dizer da Curva ROC, que em sua maioria apresentou-se de forma satisfatória, apontando que a Análise de Componentes Principais contribui para a extração de informação dos dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / JOEL ALVES DE OLIVEIRA - Integrante / Carlos Alberto Estombelo Montesco - Coordenador.

Projetos de desenvolvimento

• 2013 - Atual

  Utilização de Máquinas de Vectores de Suporte para extração de componentes em sinais de Fmri, Descrição: Para extração de padrões a parti de um grande conjunto de dados podemos considerar duas abordagens encontradas facilmente na literatura, eles são: métodos supervisionados e métodos não supervisionados. Dentro dos método não supervisionado podemos considerar aqueles que utilizam algum modelo a priori para realizar sua tarefa, de certa forma guiando sua aprendizagem. Esse Plano de Trabalho considera a extração de áreas de ativação a partir dos sinas de fMRI, onde essas áreas de ativação estão associadas a series temporais ou sinais que escondem o padrão de resposta hemodinâmica subjacente nos dados de fMRI. Algumas técnicas computacionais baseadas em modelos podem ser utilizadas para determinar uma aproximação desse padrão no domínio do tempo. Uma dessas abordagens a serem utilizadas nesse plano de trabalho é SVM ou Support Vector Machine ou em português máquinas de suporte.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / JOEL ALVES DE OLIVEIRA - Integrante / CARLOS ALBERTO ESTOMBELO-MONTESCO - Coordenador.

• 2013 - Atual

  Utilização de Máquinas de Vectores de Suporte para extração de componentes em sinais de Fmri, Descrição: Para extração de padrões a parti de um grande conjunto de dados podemos considerar duas abordagens encontradas facilmente na literatura, eles são: métodos supervisionados e métodos não supervisionados. Dentro dos método não supervisionado podemos considerar aqueles que utilizam algum modelo a priori para realizar sua tarefa, de certa forma guiando sua aprendizagem. Esse Plano de Trabalho considera a extração de áreas de ativação a partir dos sinas de fMRI, onde essas áreas de ativação estão associadas a series temporais ou sinais que escondem o padrão de resposta hemodinâmica subjacente nos dados de fMRI. Algumas técnicas computacionais baseadas em modelos podem ser utilizadas para determinar uma aproximação desse padrão no domínio do tempo. Uma dessas abordagens a serem utilizadas nesse plano de trabalho é SVM ou Support Vector Machine ou em português máquinas de suporte.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / JOEL ALVES DE OLIVEIRA - Integrante / CARLOS ALBERTO ESTOMBELO-MONTESCO - Coordenador.

• 2013 - Atual

  Utilização de Máquinas de Vectores de Suporte para extração de componentes em sinais de Fmri, Descrição: Para extração de padrões a parti de um grande conjunto de dados podemos considerar duas abordagens encontradas facilmente na literatura, eles são: métodos supervisionados e métodos não supervisionados. Dentro dos método não supervisionado podemos considerar aqueles que utilizam algum modelo a priori para realizar sua tarefa, de certa forma guiando sua aprendizagem. Esse Plano de Trabalho considera a extração de áreas de ativação a partir dos sinas de fMRI, onde essas áreas de ativação estão associadas a series temporais ou sinais que escondem o padrão de resposta hemodinâmica subjacente nos dados de fMRI. Algumas técnicas computacionais baseadas em modelos podem ser utilizadas para determinar uma aproximação desse padrão no domínio do tempo. Uma dessas abordagens a serem utilizadas nesse plano de trabalho é SVM ou Support Vector Machine ou em português máquinas de suporte.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Jane Eyre Menezes Nascimento - Integrante / JOEL ALVES DE OLIVEIRA - Integrante / CARLOS ALBERTO ESTOMBELO-MONTESCO - Coordenador.

Prêmios