Método de detecção de padrões na dinâmica dos movimentos complexos na deglutição de um indivíduo

Abstract

A visão humana e capaz de identificar diversos tipos de padrões ou modelos de movimentos. Podemos assim, distinguir os mais complexos padrões e diferenciar sem muita dificuldade os mesmos. Por exemplo, visualmente somos capazes de identificar o movimento do subir e descer da glote na deglutição, mesmo que esta esteja sob a pele. Este motivo dificulta a identificação de qual parte devemos analisar, se é o movimento da pele ou da glote. Estas a ações são facilmente identificadas pelo cérebro humano, mas exigem um complexo processamento quando feitas através da modelagem computacional. O objetivo desta dissertação e propor um método de detec ção de padrões na dinâmica dos deslocamentos dos pixels, através da distribuição das velocidades aparentes dos padrões de brilho de uma filmagem da deglutição de um indivíduo, em vídeos capturados através de uma câmera filmadora digital e processar em um computador portátil, assim como propor medidas e representações simplificadas deste movimento. Como ferramenta de aplicação do modelo, foi desenvolvido um software, para a identificação destes movimentos e a sua conversão em séries temporais. Para validação deste modelo, foram utilizados o método de análise de correlação DFA que apresenta uma análise de uma série temporal sem tendência a longo alcance, o método DCCA que possibilita efetuar uma correlação cruzada sem tendência entre séries, que por esta característica possibilita analisar se as series são ou não persistentes e por ultimo o índice de correlação cruzada DCCA que quantifica sua correlação cruzada em perfeitamente correlacional, ante relacional ou aleatório, este último foi proposto por (ZEBENDE, 2011), para identificar se as séries possuam alguma similaridade ou não. Foi utilizado uma abordagem amostral longitudinal com o estudo de pacientes portadores de hemiplegia que são assistidos pelos profissionais do CEPRED - Centro Estadual de Prevenção e Reabilitação de Pessoas com deficiências, acompanhando-o desde o ínicio de seu tratamento e registrando todas as suas respostas ao tratamento realizado pelo fonoaudiólogo a cada consulta. O projeto e composto por duas fases: a primeira na filmagem durante o tratamento do paciente, e a segunda na análise dos dados. Este projeto tem o propósito de ser uma ferramenta de auxílio no diagnóstico, que resulta em um aplicativo denominado Movimento CV, tal aplicativo permite a análise de todos os métodos juntamente com a captura das imagens. O intuito é que o modelo auxilie os profissionais da área de saúde a diferenciar os movimentos e que para isso seja utilizado o método proposto para detecção de movimentos e seguida conversão destes em séries temporais e logo em seguida submetidos as análises de correlação cruzada para que assim seja capaz de distinguir diferenças nas séries, identificando se os movimentos possuem ou não diferenças.

ABSTRACT:

The human vision is able to identify different types of patterns or models of movements. We can thus distinguish the most complex patterns and differentiate without much difficulty the same. For example, we are able to visually identify the up and down movement of the glottis during swallowing, even if it is under the skin. This reason makes it difficult to identify which part we should analyze, whether it is the movement of the skin or the glottis. These actions are easily identified by the human brain, but require complex processing when done through computational modeling. The goal of this dissertation and to propose a method of detecting patterns in the dynamics of the displacements of pixels, through the distribution of the apparent velocities of the patterns of brightness of a filming of the swallowing of an individual, in videos captured through a digital camcorder and processing in a portable computer, as well as proposing measures and simplified representations of this movement. As a tool for applying the model, a software was developed to identify these movements and convert them into time series. To validate this model, the DFA correlation analysis method was used, which presents an analysis of a time series without a long-range trend, the DCCA method, which makes it possible to carry out a cross-correlation without trend between series, which, due to this characteristic, makes it possible to analyze whether the series are persistent or not and finally the DCCA cross correlation index that quantifies their cross correlation in perfectly correlational, ante relational or random, the latter was proposed by (ZEBENDE, 2011), to identify whether the series have any similarity or not. A longitudinal sampling approach was used with the study of patients with hemiplegia who are assisted by professionals from CEPRED - State Center for Prevention and Rehabilitation of People with Disabilities, following them from the beginning of their treatment and recording all their responses to treatment. performed by the speech therapist at each consultation. The project is composed of two phases: the first in the filming during the patient's treatment, and the second in the analysis of the data. This project is intended to be a diagnostic aid tool, which results in an application called Movimento CV, which allows the analysis of all methods together with the capture of images. The aim is for the model to help health professionals to differentiate the movements and for this to be used the proposed method for detecting movements and then converting them into time series and then submitted to cross-correlation analysis so that so be able to distinguish differences in the series, identifying whether the movements have or not differences.