Titulo Estágio
Reconhecimento de Padrões Típicos em EEGs durante o Sono
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
DEI-FCTUC
Enquadramento
Do ponto de vista macroscópico o sono pode ser dividido em 2 fases: movimento rápido dos olhos (REM) e sono profundo (NREM). O sono REM é caracterizado ao nível do electroencefalograma (EEG) por uma actividade rápida, de baixa amplitude e dessincronizada. Por outro lado sono NREM é caracterizado por oscilações sincronizadas de baixa frequência. De um ponto de vista mais detalhado o sono profundo (NREM) pode ser decomposto em 3 ou 4 estados, onde podem ser identificados ritmos periódicos, denominados de “Cyclic Alternating Patterns” (CAP). As sequências CAP são compostas por padrões alternados de activação (fases A) e padrões de inibição (fases B). Apesar das sequências CAP fazerem parte do sono normal, a ocorrência anormal destas sequências pode ser indicativa de determinadas patologias, tais como: autismo, insónia, epilepsia, etc.
Este reconhecimento passa pela identificação de subsequências típicas de actividade que pode ser endereçada por técnicas de clustering.
Objetivo
Explorar e usar algoritmos conhecidos de subspace clustering para identificar regiões que possam ser interpretadas como conceitos e criar novas representações para eles.
Explorar e usar algoritmos conhecidos de reconhecimento de padrões em séries temporais para identificar sequências típicas que possam ser interpretadas como conceitos e criar novas representações para elas.
Desenvolver, implementar e testar um algoritmo de reconhecimento de padrões complexos sobre os vários conceitos, tanto os originais como os novos aprendidos.
Pretende-se que o algoritmo a desenvolver seja capaz de ser aplicado em vários domínios, e num cenário em que não existem dados de treino, mas apenas os dados percepcionados.
Desta forma o algoritmo a desenvolver terá de aprender uma representação dos padrões que se adapta automaticamente à complexidade destes, tendo para isso de identificar, também automaticamente, as features relevantes.
Plano de Trabalhos - Semestre 1
- Análise do problema e caracterização dos conjuntos de dados a utilizar [Setembro-Outubro 2015]
- Análise do estado da arte de algoritmos de subspace clustering, de reconhecimento de padrões em séries temporais e de espaços conceptuais [Outubro-Novembro 2015]
- Definição de objectivos intercalares e respectivos deadlines [Novembro-Dezembro 2015]
- Definição de requisitos, de testes para validação final, e desenho preliminar do novo algoritmo [Janeiro 2016]
- Escrita de relatório intermédio [Outubro - Janeiro 2016]
Plano de Trabalhos - Semestre 2
- Reflexão sobre a avaliação intermédia; integração das alterações sugeridas pelo júri [Fevereiro 2016]
- Desenho detalhado do algoritmo [Fevereiro 2016]
- Implementação dos algoritmos inteligentes [Março-Maio 2016]
- Testes e Validação [Abril-Maio 2016]
- Escrita de artigo científico [Maio 2016]
- Escrita da Tese Final [Fevereiro - Junho 2016]
Condições
O local de trabalho do estágio será o DEI-FCT-UC usando o aluno o seu computador pessoal.
Os candidatos deverão cumprir os seguintes requisitos mínimos:
* Conhecimentos sólidos sobre programação e algoritmia
* Conhecimentos sólidos sobre técnicas de inteligência artificial
* Forte motivação para trabalhar em problemas complexos de investigação científica
* Elevada capacidade de análise e síntese
* Fluência em inglês
* Entregar CV com detalhe de classificação nas disciplinas realizadas no 1º e 2º ciclo.
Observações
Este estágio será co-orientado pelos Profs. César Teixeira e Pedro Martins.
Orientador
Alexandre Miguel dos Santos Martins Pinto
ampinto@dei.uc.pt 📩