People at risk of suicide tend to be isolated and cannot share their thoughts. For this reason, suicidal ideation monitoring becomes a hard task. Therefore, people at risk of suicide need to be monitored in a manner capable of identifying if and when they have a suicidal ideation, enabling professionals to perform timely interventions. This study aimed to develop the Boamente tool, a solution that collects textual data from users’ smartphones and identifies the existence of suicidal ideation. The solution has a virtual keyboard mobile application that passively collects user texts and sends them to a web platform to be processed. The platform classifies texts using natural language processing and a deep learning model to recognize suicidal ideation, and the results are presented to mental health professionals in dashboards. Text classification for sentiment analysis was implemented with different machine/deep learning algorithms. A validation study was conducted to identify the model with the best performance results. The BERTimbau Large model performed better, reaching a recall of 0.953 (accuracy: 0.955; precision: 0.961; F-score: 0.954; AUC: 0.954). The proposed tool demonstrated an ability to identify suicidal ideation from user texts, which enabled it to be experimented with in studies with professionals and their patients.
É cada vez maior o número de pessoas que apresentam debilidade motora em membros superiores e enfrentam deficiências funcionais, dependendo de terceiros para realizar suas atividades de rotina. A reabilitação motora é caracterizada por uma rotina diária de deslocamento para as clínicas, exercícios físicos repetitivos e um lento processo de recuperação funcional, o que torna o tempo de tratamento muito longo, levando o paciente à falta de compromisso e abandono do tratamento. Nesse contexto, soluções de gameterapia têm sido utilizadas para a reabilitação motora, em que se utilizam cenários interativos de jogos sérios para potencializar a humanização do tratamento e a experiência do paciente durante a execução de exercícios de recuperação das funções motoras. Este artigo tem como objetivo apresentar um jogo sério inteligente para reabilitação motora de membros superiores, a partir do uso de modelos de visão computacional e aprendizado de máquina integrados a tecnologias com ampla inserção social, como câmeras embutidas em smartphones, laptops ou integradas em TVs. Para implementação do jogo sério, foram utilizadas as linguagens de programação web, HTML, CSS e JavaScript, incorporando a biblioteca TensorFlow e o pacote PoseNet para controlar os movimentos do paciente nos cenários do jogo. O jogo sério desenvolvido contribui para tornar a gameterapia uma técnica presente e viável em clínicas de reabilitação e ambientes domiciliares, uma vez que sua inserção não depende de custos associados com a tecnologia ou adaptações de infraestrutura no ambiente.
First, I would like to thank my family: my grandmother Rosalha Borges, my mother Luciane Borges, my aunt Crisitiane Borges, and my brother Diogo Borges, for always being there for me and supporting me in life, especially in difficult moments such as this one where I had to absent from their presence to accomplish this work. Without them I would not be able to fulfill this work. I would like to thank my adviser, Prof. Markus Endler, to whom I have an immense gratitude and admiration for his excellent guidance, availability, patience and for having given me the honor of working with him. His research vision has inspired and shaped me into becoming a better researcher. I'm sure our research partnership will continue after the end of my PhD. I would also like to thank Prof. Francisco Silva. His critical view guided and shaped numerous parts of this thesis. I learned a lot from him. In the same way, I would also like to thank Prof. Marco Casanova and Prof. Hélio Lopes for encouraging me to work with this topic and providing numerous suggestions, especially the insight for the density heuristic. I would like to thank my roommates during the PhD journey: Àlan Guedes, Eduardo Araújo, Derlyane Simão, Katia Vega, and Thais Abreu. I learned a lot living with them and they made the PhD journey with more joy and happiness. I will miss you all. In addition to my funny roommates, I would also like to thank all my friends (1801!
O nistagmo é o movimento involuntário dos olhos, caracterizado pelo movimento suave, chamado de fase lenta do nistagmo, interrompido pela fixação rápida na direção contrária. Ele é um dos fatores preponderantes no diagnóstico de desordens vestibulares. Este estudo apresenta o Smart Nystagmography, uma proposta de ferramenta baseada em visão computacional para o suporte ao diagnóstico de disfunções vestibulares periféricas, que engloba todo o processo, desde o dispositivo para coleta do movimento ocular até o classificador do distúrbio. A solução proposta é baseada em vetores de características que apresentam padrões de movimento ocular, os quais são identificados com o uso de aprendizado de máquina, em particular, Aprendizado Profundo (AP). A técnica de videonistagmografia e suas diferentes provas foram realizadas pelos indivíduos a fim de gerar um conjunto de dados representativo para indivíduos tanto saudáveis quanto com disfunção vestibular. Os métodos de pré-processamento de dados, assim como uma técnica de otimização de hiperparâmetros dos algoritmos de AP foram empregados com o propósito de melhorar o desempenho dos modelos do estado da arte. Os resultados de desempenho para a identificação da presença de disfunção vestibular periférica chegaram a uma acurácia de 96,7% para o melhor modelo, depois de passar pelo processo de otimização. Os resultados mostram a eficiência do Smart Nystagmography, o qual possui uma solução que envolve desde o dispositivo de coleta de vídeos até o sistema com as técnicas de preparação dos dados e o modelo de AP implantado. Estudos clínicos adicionais são necessários para validar a solução.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.