Titulo Estágio
Desenvolvimento de arquiteturas de redes neuronais dinâmicas para previsão de crises epiléticas
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
DEI-FCTUC
Enquadramento
A previsão de crises epiléticas pode melhorar substancialmente a qualidade de vida de milhões de pessoas, e é um campo de investigação de informática médica muito ativo.
Usando sinais de vários canais de eletroencefalogramas (EEG) e de eletrocardiograma (ECG), constroem-se modelos de evolução do estado elétrico cerebral que podem prenunciar o surgimento próximo de uma crise. Sendo cada doente um caso particular, tem sido difícil encontrar preditores (classificadores) com desempenho suficiente para uso em meios clínicos, embora se tenham feito progressos significativos nomeadamente no projeto Europeu Epilepsiae coordenado pelo CISUC.
Objetivo
Nesta dissertação do MEI visa-se o desenvolvimento e teste de arquiteturas de redes neuronais dinâmicas (nomeadamente recorrentes), com memória interna, capazes de construírem um modelo de evolução dinâmica do estado cerebral facilmente adaptado a cada doente e com capacidade de funcionamento em tempo real. Alguns desenvolvimentos recentes, como o treino de redes recorrentes através do paradigma “reservoir computing”[1], e arquiteturas de redes do tipo Long Short-Term Memory (LSTM)[2] serão tomados como ponto de partida para a investigação.
[1] Lukoševičius, M., Jaeger, H., Reservoir computing approaches to recurrent neural network training, Computer Science Review, 3(3):27-149 (2009).
[2] Sepp Hochreiter and Jürgen Schmidhuber (1997). "Long short-term memory". Neural Computation 9 (8): 1735–1780. doi:10.1162/neco.1997.9.8.1735. PMID 9377276.
Plano de Trabalhos - Semestre 1
1. Estudo do problema e revisão do estado da arte
• Início: Setembro 2016
• Fim: Novembro 2016
• Resultados esperados: um relatório sobre o estado da arte de previsão de crises epiléticas com redes neuronais e outras metodologias de inteligência computacional.
2. Implementação de redes neuronais de acordo com o paradigma RC e LSTM
• Início: Outubro 2016
• Fim: Dezembro 2016
• Resultado esperado: uma aplicação (em Matlab) para o dimensionamento, treino e teste de redes neuronais dinâmicas para previsão de crises. A aplicação deve permitir a comparação da performance obtida com RC e com LSTM.
Plano de Trabalhos - Semestre 2
2. Implementação de redes neuronais de acordo com o paradigma RC e LSTM (Continuação)
• Início: Janeiro 2017
• Fim: Março 2017
• Resultado esperado: uma aplicação (em Matlab) para o dimensionamento, treino e teste de redes neuronais dinâmicas para previsão de crises. A aplicação deve permitir a comparação da performance obtida com RC e com LSTM.
3. Teste das arquiteturas nos doentes da Base de Dados Europeia de Epilepsia.
• Objectivo: Treinar e testar em pelo menos 100 doentes, incluindo em tempo real simulado.
• Início: Fevereiro 2017
• Fim: Junho 2017
• Resultado esperado: um relatório crítico dos resultados obtidos.
4. Escrita da tese
• Início: Maio 2017
• End: Junho 2017
Condições
O trabalho decorrerá nos Laboratórios do Grupo de Computação Adaptativa do CISUC, no DEI.
Dependendo do decorrer dos trabalhos e das disponibilidades financeiras, poderá perspetivar-se a concessão de uma bolsa de estudo durante o segundo semestre do ano letivo.
Observações
Este trabalho tem um conteúdo de investigação significativo, com elevado potencial de impacto na comunidade científica e clínica, nomeadamente expresso em patentes e publicações em conferências e revistas internacionais. Os candidatos devem ter conhecimentos de Matlab e de computação neuronal.
Orientador
César Alexandre Domingues Teixeira
cteixei@dei.uc.pt 📩