Detecção de sintomas de depressão por meio de redes neurais artificiais
Data
2024
Autores
Victor Beninca Fiamoncini
Orientadores
Daniel Gomes Soares, Msc
Coorientadores
Avaliadores
Juliano Tonizetti Brignoli, Dr
Rodrigo Curvêllo, Msc
Rodrigo Curvêllo, Msc
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
A depressão é uma condição de saúde mental complexa que envolve uma combinação de fatores biológicos, psicológicos e sociais, sendo caracterizada como um distúrbio afetivo ou de humor. Órgãos de saúde destacam a depressão como sendo uma das doenças de maior morbilidade, sendo comum em clínicas gerais e um problema que vem crescendo nas redes de saúde públicas. Diversos são os fatores estressores que contribuem para o surgimento da depressão, sendo alguns deles: o consumo de substâncias químicas (drogas ou medicamentos), estresse crônico, eventos traumáticos ou até fatores genéticos. O diagnóstico da depressão se torna complexo em relação aos outros, principalmente por ela ser uma doença de característica psiquiátrica. Estima-se que 50% dos casos não chegam a ser diagnosticados, além de uma parcela ínfima receber a devida atenção. Dentre as possíveis soluções para o auxílio do diagnóstico da depressão estão as Redes Neurais Artificiais (RNAs), que são modelos computacionais que possuem como base a inspiração no sistema nervoso encontrado nos seres vivos A finalidade deste estudo é desenvolver um modelo de detecção de pessoas com depressão, tendo como fonte de dados entrevistas em formato de áudio com pessoas depressivas e não depressivas. Para alcançar o objetivo definido foi realizada a revisão bibliográfica de modo a identificar as principais técnicas para realizar o processamento das entrevistas, a fim de servirem para a organização dos dados de entrada para as RNAs. Foi realizada a modelagem, treinamento e validação das RNAs do tipo MLP (Perceptron Multicamadas) e LSTM (Memória de Longo e Curto Prazo) com diferentes configurações de camadas, quantidade de neurônios dentre outras variáveis. Por fim é apresentado e analisado o desempenho das RNAs modeladas por meio de métricas estatísticas, onde a melhor configuração do tipo MLP apresentou o índice RSME de 0.41 e o F1-Score de 0.91 e a melhor configuração do tipo LSTM apresentou o índice RSME de 0.44 e o F1-Score de 0.89. Desse modo a RNA do tipo MLP obteve índices melhores que a LSTM, entretanto ambos os tipos de RNAs, neste estudo, não conseguiram prever com ênfase pessoas que possuem depressão, ou seja, a maior parte das amostras de teste foram classificadas como não depressivas.
Descrição
Palavras-chave
Sintomas , Depressão , Redes Neurais , Artificiais