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 | Universidade de Brasília | - |
Autor(es): dc.contributor | Universidade de Brasília | - |
Autor(es): dc.contributor | Universidade de Brasília | - |
Autor(es): dc.contributor | Universidade de Brasília | - |
Autor(es): dc.contributor | Universidade de Brasília | - |
Autor(es): dc.creator | Nogueira Filho, Ariomar da Luz | - |
Autor(es): dc.creator | Idrobo Pizo, Gerardo Antonio | - |
Autor(es): dc.creator | Cardoso, Leandro Xavier | - |
Autor(es): dc.creator | Silva, Marlete Maria da | - |
Autor(es): dc.creator | Motta, José Maurício Santos Torres da | - |
Data de aceite: dc.date.accessioned | 2025-03-18T18:29:16Z | - |
Data de disponibilização: dc.date.available | 2025-03-18T18:29:16Z | - |
Data de envio: dc.date.issued | 2025-01-08 | - |
Data de envio: dc.date.issued | 2025-01-08 | - |
Data de envio: dc.date.issued | 2024-10-13 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/51305 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.56238/arev6n2-136 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/949944 | - |
Descrição: dc.description | Este estudo não clínico explora a eficácia do processamento holístico no reconhecimento facial e a aplicação de sistemas de rastreamento ocular no diagnóstico do Transtorno do Espectro Autista (TEA). São adotadas três abordagens: Faces Compostas, Part-to-Whole e Efeito de Inversão, destacando a importância de análises holísticas para um reconhecimento facial eficiente. A pesquisa utiliza sistemas de rastreamento ocular baseados em câmeras, notáveis por sua abordagem não invasiva e precisão em detectar movimentos oculares específicos. Empregam-se o software OGAMA® e ferramentas de mineração de dados como o Orange Canvas para analisar métricas oculares. A metodologia inclui a identificação, armazenamento e processamento de variáveis oculométricas usando algoritmos de aprendizado supervisionado para prever padrões comportamentais em indivíduos com TEA. Os experimentos realizados demonstraram a eficácia da metodologia proposta. Dados de referência foram utilizados para validar as descobertas, e técnicas de aprendizado de máquina foram empregadas para diferenciar indivíduos com TEA, destacando-se as Redes Neurais como o algoritmo mais eficaz. Conclui-se que a combinação de rastreamento ocular com mineração de dados oferece insights valiosos para o diagnóstico e compreensão do TEA, abrindo novas possibilidades para a pesquisa em processamento holístico e contribuindo significativamente para as áreas de psicologia, medicina e tecnologias assistivas. | - |
Descrição: dc.description | This non-clinical study explores the effectiveness of holistic processing in facial recognition and the application of eye-tracking systems in the diagnosis of Autism Spectrum Disorder (ASD). Three approaches are adopted: Composite Faces, Part-to-Whole andFlip Effect, highlighting the importance of holistic analytics for efficient facial recognition.The research utilizes camera-based eye-tracking systems, which are notable for their non-invasive approach and accuracy in detecting specific eye movements. OGAMA® software and data mining tools such as Orange Canvas are used to analyze eye metrics. The methodology includes the identification, storage, and processing of oculometric variables using supervised learning algorithms to predict behavioral patterns in individuals with ASD.The experiments carried out demonstrated the effectiveness of the proposed methodology. Reference data were used to validate the findings, and machine learning techniques were employed to differentiate individuals with ASD, with Neural Networks standing out as the most effective algorithm.It is concluded that the combination of eye tracking with data mining offers valuable insights for the diagnosis and understanding of ASD, opening up new possibilities for research in holistic processing and contributing significantly to the fields of psychology, medicine and assistive technologies. | - |
Descrição: dc.description | Faculdade de Ciências e Tecnologias em Engenharia (FCTE) – Campus UnB Gama | - |
Descrição: dc.description | Programa de Pós-Graduação em Sistemas Mecatrônicos | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | National Association of Human Rights, Research, and Postgraduate Studies | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | ARACÊ (ARE) uses the Creative Commons CC BY license. Information about this license can be found at https://creativecommons.org/licenses/by/4.0/br/. Fonte: https://periodicos.newsciencepubl.com/arace/about/submissions. Acesso em: 09 jan. 2025. | - |
Palavras-chave: dc.subject | Sistemas de rastreamento ocular | - |
Palavras-chave: dc.subject | Tecnologia assistiva | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Palavras-chave: dc.subject | Transtorno do Espectro Autista | - |
Título: dc.title | Visual processing analysis and machine learning in the early diagnosis of asd using eye tracking | - |
Título: dc.title | Análise de processamento visual e aprendizado de máquina no diagnóstico precoce do TEA usando rastreamento ocular | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 |
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: