Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Finger, Marcelo | - |
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Aikes Junior, Jorge | - |
Autor(es): dc.contributor | Finger, Marcelo | - |
Autor(es): dc.contributor | Paula Filho, Pedro Luiz de | - |
Autor(es): dc.creator | Silva, Daniel Peixoto Pinto da | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:18:28Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:18:28Z | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2021-12-05 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30002 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1092876 | - |
Descrição: dc.description | COVID-19 is a disease that has affected the whole world, being declared a pandemic by the World Health Organization. All methods created to detect this disease are costly and human, which is available in specific conditions so that the diagnosis is correct. Thus, in this work, the state of the art in detecting respiratory failure due to COVID-19 by ANNs was analyzed to verify biases and provide explanations about the result of the classification of this ANN. For this, an ablation test was performed, including new information as input to the model, the Grad-CAM algorithm was used to highlight which parts of the data fed to the ANN are more important. Also, audios of the product between an original audio and the Grad-CAM heat map were synthesized to allow a sound analysis of the results. In addition, a PANN was trained and also Mixup and SpecAugment techniques were used on training of SpiraNet to overcome the state of art. The results of the ablation test showed a great importance of the fundamental frequency of the voice and the melspectrogram. The synthesized audios showed that stressed syllables and prolonged words are important for the classification of patients in this work. The data augmentation experiment did not obtain significant results. And finally, the state of the art was surpassed with the trained PANN obtaining an accuracy of 94,44%. | - |
Descrição: dc.description | A COVID-19 é uma doença que afetou todo o mundo, sendo declarada uma pandemia pela Organização Mundia da Saúde. Todos os métodos criados para a detecção dessa doença são custosos e requerem que o paciente esteja em condições específicas pra que o diagnostico seja correto. Assim, neste trabalho analisou-se o estado da arte em detecção de insuficiência respiratória decorrente de COVID-19 por ANNs para verificar vieses e trazer explicações sobre o resultado da classificação dessa ANN. Para isso foi feito teste de ablação ao incluir novas informações como entrada ao modelo, utilizou¬se o algoritmo Grad-CAM para ressaltar qual partes do dado alimentado à ANN são mais importantes. Também, foram sintetizados áudios do produto entre um áudio original e o mapa de calor do Grad-CAM para permitir a análise sonora dos resultados. Além disso foi treinado uma PANN e também se treinou a SpiraNet com as técnicas Mixup e SpecAugment para tentar superar o estado da art. Os resultados do teste de ablação mostraram uma grande importância da frequência fundamental da voz e do espectrograma de mel. Já os áudios sintetizados mostraram que silabas tônicas e palavras prolongadas são importantes para a classificação de pacientes neste trabalho. O experimento com aumento de dados não obteve resultados significativos. E por fim, foi superado o estado da arte com a PANN treinada obtendo uma acurácia de 94,44%. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Análise de interpretabilidade em modelo profundo para detecção de insuficiência respiratória: um estudo de caso para a COVID-19 | - |
Título: dc.title | Interpretability analysis in deep model for detection of respiratory failure: a case study for COVID-19 | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: