Técnicas de aprendizado de máquina em séries temporais para a estimação de parâmetros clínicos utilizando smartphones

Resumo

Este projeto possui o intuito de propor técnicas de aprendizado de máquina em séries temporais para dados de fotoplestimografia obtida a partir de smartphones e avaliar sua adequabilidade em comparação a exames tradicionais para a medição de hemoglobina, bilirrubina, saturação de oxigênio e leucócitos. Inicialmente, serão obtidos dados de pacientes voluntários do Hospital Universitário da UFSCar, que cederão os resultados de seu exame de sangue, assim como um vídeo de seu dedo gravado por um smartphone no modo "flash ligado" e fotos de seus olhos. Em seguida, serão utilizadas técnicas de processamento nos vídeos fornecidos para a geração de séries temporais, que serão utilizadas para a criação de modelos de regressão para a estimação dos parâmetros clínicos. Na criação do modelo, serão usadas Redes Neurais Recorrentes (RNRs), que irão ser treinadas a partir das séries temporais obtidas e anotadas a partir dos resultados laboratoriais dos exames. Caso obtenha sucesso, o modelo poderá ser usado em smartphones para a predição desses parâmetros clínicos, sem que haja a necessidade de processos caros e/ou invasivos.