Modelo Computacional de Memória Visual para Diagnóstico Precoce de Demência, por Anastasiia Mikhailova

No dia 13 de fefereiro, a aluna Anastasiia Mikhailova, do doutoramento em Engenharia Eletrotécnica e de Computadores, irá defender a sua tese “Computational Model of Visual Memory for Early Diagnosis of Dementia” (Modelo Computacional de Memória Visual para Diagnóstico Precoce de Demência), orientada pelo professor José Santos-victos. A defesa decorrerá no Anfiteatro PA-3 (Piso -1 do Pavilhão de Matemática) do IST, às 14h30.
O júri será presidido pelo professor Pedro Lima e constituído por José Santos-Victor, do Departamento de Engenharia Eletrotécnica e de Computadores do Técnico, João Sanches e Paulo Correia, do Técnico, Nuno Garcia, da Faculdade de Ciências da Univesidade de Lisboa, Luís Alexandre, da Faculdade de Engenharia de Beira Interior, e Karla K. Evens da University of York, do Reino Unido.
Resumo:
Esta tese apresenta a exploração do mecanismo da memória visual de longo prazo em adultos jovens e em indivíduos com Déficit Cognitivo Leve (DCL), juntamente com a sua modelagem para aprimorar o diagnóstico precoce do declínio cognitivo. Primeiramente, explora a correspondência entre as características extraídas das camadas iniciais e finais da rede neural convolucional (CNN) com esquemas de memória visual e de saliência. Em segundo lugar, examina a memória de longo prazo para cenas em jovens, analisando o impacto das características das imagens para entender o mecanismo de como as características das imagens influenciam a memória visual de longo prazo. Em terceiro, estende essa análise ao DCL e à população idosa para entender melhor o mecanismo das deficiências de memória no DCL. Em quarto lugar, modela a diagnosticidade da imagem para o DCL utilizando o modelo de memorabilidade da imagem. Por fim, a tese desenvolve um modelo diagnóstico para o DCL baseado nos padrões de exploração ocular e nas informações da imagem, utilizando CNN para discriminar entre indivíduos com DCL e controles saudáveis.
Os resultados revelam que as características extraídas pelas CNN podem aproximar-se dos processos de memória visual e apresentam novas descobertas sobre como características específicas das imagens influenciam o desempenho da memória em indivíduos saudáveis e naqueles com DCL. Os estudos empíricos revelam padrões diferentes de memória visual de longo prazo em populações com DCL ou saudáveis, particularmente no reconhecimento de cenas e no processamento das características das imagens. Além disso, o modelo diagnóstico desenvolvido nesta tese mostra potencial para melhorar a precisão e acessibilidade da triagem do DCL, integrando dados de exploração ocular e de imagem, complementado por outro modelo para a seleção de imagens diagnósticas.
Esta investigação contribui para a psicologia cognitiva, ciência da computação e engenharia, ampliando nossa compreensão da memória visual e seu comprometimento no DCL, e propondo novas ferramentas computacionais para o diagnóstico precoce.