Identificação de condições clínicas em testes de fluência verbal

Detalhes bibliográficos
Autor(a) principal: Paula, Felipe Soares Fagundes
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/175104
Resumo: Abordagens computacionais têm sido cada vez mais presentes na análise de resultados de tarefas neuropsicológicas, pois podem ser menos custosos e podem identificar dinâmicas que são dificilmente detectadas por humanos. Um tipo de tarefa apropriada para esse tipo de análise é o teste de fluência verbal. Nessa tarefa, é pedido que uma pessoa fale uma sequência de palavras em um tempo limitado. É hipotetizado que a identificação de subsequências de palavras relacionadas, chamadas de cadeias semânticas, pode ajudar no diagnóstico de doenças. Nesse trabalho, investigamos abordagens computacionais para a detecção de cadeias semânticas em tarefas de fluência verbal, como a identificação de cadeias através de aprendizado de máquina e como a detecção através da média de similaridades entre palavras. Adicionalmente, avaliamos a performance dessas cadeias na identificação de doenças neuropsicológicas. A detecção de cadeias semânticas é validada através de um experimento no qual perguntamos para julgadores se existe uma quebra semântica em uma sequência de palavras. Também propomos descritores baseados nessas cadeias e os avaliamos contra o estado da arte na identificação de doença de Alzheimer e Comprometimento Cognitivo Leve. O melhor detector de cadeias semânticas proposto obtém uma medida-f de 0:81 no conjunto de dados obtido dos anotadores. Quando combinamos os descritores baseados em cadeias e os descritores estado da arte, não houve um aumento significativo de performance. Além disso, esses descritores não superam o baseline baseado no número de palavras faladas. Esse fato reforça a necessidade de que precisamos entender melhor as técnicas de detecção de cadeias semânticas em tarefas de fluência verbal e as suas relações com diversas condições neuropsicológicas.
id UFRGS-2_99122c234a25d8581edd8fbdab576ba7
oai_identifier_str oai:www.lume.ufrgs.br:10183/175104
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Paula, Felipe Soares FagundesVillavicencio, AlineWilkens, Rodrigo Souza2018-04-26T02:33:49Z2018http://hdl.handle.net/10183/175104001065145Abordagens computacionais têm sido cada vez mais presentes na análise de resultados de tarefas neuropsicológicas, pois podem ser menos custosos e podem identificar dinâmicas que são dificilmente detectadas por humanos. Um tipo de tarefa apropriada para esse tipo de análise é o teste de fluência verbal. Nessa tarefa, é pedido que uma pessoa fale uma sequência de palavras em um tempo limitado. É hipotetizado que a identificação de subsequências de palavras relacionadas, chamadas de cadeias semânticas, pode ajudar no diagnóstico de doenças. Nesse trabalho, investigamos abordagens computacionais para a detecção de cadeias semânticas em tarefas de fluência verbal, como a identificação de cadeias através de aprendizado de máquina e como a detecção através da média de similaridades entre palavras. Adicionalmente, avaliamos a performance dessas cadeias na identificação de doenças neuropsicológicas. A detecção de cadeias semânticas é validada através de um experimento no qual perguntamos para julgadores se existe uma quebra semântica em uma sequência de palavras. Também propomos descritores baseados nessas cadeias e os avaliamos contra o estado da arte na identificação de doença de Alzheimer e Comprometimento Cognitivo Leve. O melhor detector de cadeias semânticas proposto obtém uma medida-f de 0:81 no conjunto de dados obtido dos anotadores. Quando combinamos os descritores baseados em cadeias e os descritores estado da arte, não houve um aumento significativo de performance. Além disso, esses descritores não superam o baseline baseado no número de palavras faladas. Esse fato reforça a necessidade de que precisamos entender melhor as técnicas de detecção de cadeias semânticas em tarefas de fluência verbal e as suas relações com diversas condições neuropsicológicas.Computational approaches have been increasingly present in the analysis of results of neuropsychological tasks, as they may be less costly and can identify dynamics that are difficult to detect by humans. One type of task appropriate for this type of analysis is the verbal fluency test. In this test, a person is asked to speak a sequence of words in a short time. It is hypothesized that the identification of subsequences of related words, called semantic chains, can help in the diagnosis of diseases. We investigate computational approaches for the detection of semantic chains in tasks of verbal fluency, and in addition, we evaluate the performance of these chains in the identification of neuropsychological diseases. The detection of semantic chains is validated through an experiment in which we ask judges if there is a semantic break in a sequence of words. We propose features based on these chains and evaluate them against the state of the art in the identification of Alzheimer’s disease and Mild Cognitive Impairment. The best proposed semantic chain detector obtains a f-measure of 0:81 in the dataset obtained from the annotators. When we combined the chain-based features and the state of the art features, there was no significant increase in performance. In addition, these features do not exceed the baseline based on the number of spoken words. This fact reinforces the need to better understand the techniques of detecting semantic chains in tasks of verbal fluency and their relations with various neuropsychological conditions.application/pdfporProcessamento : Linguagem naturalNatural language processingMachine learningComputational psycholinguisticsIdentificação de condições clínicas em testes de fluência verbalIdentification of clinical conditions in verbal fluency tests info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2018Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001065145.pdf001065145.pdfTexto completoapplication/pdf403939http://www.lume.ufrgs.br/bitstream/10183/175104/1/001065145.pdfc19a88e568c4b0c9cbd3cd513bc626e1MD51TEXT001065145.pdf.txt001065145.pdf.txtExtracted Texttext/plain86279http://www.lume.ufrgs.br/bitstream/10183/175104/2/001065145.pdf.txtf3bbdb2a29830bf6152b399664403426MD52THUMBNAIL001065145.pdf.jpg001065145.pdf.jpgGenerated Thumbnailimage/jpeg1043http://www.lume.ufrgs.br/bitstream/10183/175104/3/001065145.pdf.jpgf513343e15c13db4de5397260eff7401MD5310183/1751042018-10-25 09:54:02.696oai:www.lume.ufrgs.br:10183/175104Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-25T12:54:02Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Identificação de condições clínicas em testes de fluência verbal
dc.title.alternative.en.fl_str_mv Identification of clinical conditions in verbal fluency tests
title Identificação de condições clínicas em testes de fluência verbal
spellingShingle Identificação de condições clínicas em testes de fluência verbal
Paula, Felipe Soares Fagundes
Processamento : Linguagem natural
Natural language processing
Machine learning
Computational psycholinguistics
title_short Identificação de condições clínicas em testes de fluência verbal
title_full Identificação de condições clínicas em testes de fluência verbal
title_fullStr Identificação de condições clínicas em testes de fluência verbal
title_full_unstemmed Identificação de condições clínicas em testes de fluência verbal
title_sort Identificação de condições clínicas em testes de fluência verbal
author Paula, Felipe Soares Fagundes
author_facet Paula, Felipe Soares Fagundes
author_role author
dc.contributor.author.fl_str_mv Paula, Felipe Soares Fagundes
dc.contributor.advisor1.fl_str_mv Villavicencio, Aline
dc.contributor.advisor-co1.fl_str_mv Wilkens, Rodrigo Souza
contributor_str_mv Villavicencio, Aline
Wilkens, Rodrigo Souza
dc.subject.por.fl_str_mv Processamento : Linguagem natural
topic Processamento : Linguagem natural
Natural language processing
Machine learning
Computational psycholinguistics
dc.subject.eng.fl_str_mv Natural language processing
Machine learning
Computational psycholinguistics
description Abordagens computacionais têm sido cada vez mais presentes na análise de resultados de tarefas neuropsicológicas, pois podem ser menos custosos e podem identificar dinâmicas que são dificilmente detectadas por humanos. Um tipo de tarefa apropriada para esse tipo de análise é o teste de fluência verbal. Nessa tarefa, é pedido que uma pessoa fale uma sequência de palavras em um tempo limitado. É hipotetizado que a identificação de subsequências de palavras relacionadas, chamadas de cadeias semânticas, pode ajudar no diagnóstico de doenças. Nesse trabalho, investigamos abordagens computacionais para a detecção de cadeias semânticas em tarefas de fluência verbal, como a identificação de cadeias através de aprendizado de máquina e como a detecção através da média de similaridades entre palavras. Adicionalmente, avaliamos a performance dessas cadeias na identificação de doenças neuropsicológicas. A detecção de cadeias semânticas é validada através de um experimento no qual perguntamos para julgadores se existe uma quebra semântica em uma sequência de palavras. Também propomos descritores baseados nessas cadeias e os avaliamos contra o estado da arte na identificação de doença de Alzheimer e Comprometimento Cognitivo Leve. O melhor detector de cadeias semânticas proposto obtém uma medida-f de 0:81 no conjunto de dados obtido dos anotadores. Quando combinamos os descritores baseados em cadeias e os descritores estado da arte, não houve um aumento significativo de performance. Além disso, esses descritores não superam o baseline baseado no número de palavras faladas. Esse fato reforça a necessidade de que precisamos entender melhor as técnicas de detecção de cadeias semânticas em tarefas de fluência verbal e as suas relações com diversas condições neuropsicológicas.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-04-26T02:33:49Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/175104
dc.identifier.nrb.pt_BR.fl_str_mv 001065145
url http://hdl.handle.net/10183/175104
identifier_str_mv 001065145
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/175104/1/001065145.pdf
http://www.lume.ufrgs.br/bitstream/10183/175104/2/001065145.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/175104/3/001065145.pdf.jpg
bitstream.checksum.fl_str_mv c19a88e568c4b0c9cbd3cd513bc626e1
f3bbdb2a29830bf6152b399664403426
f513343e15c13db4de5397260eff7401
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224548223287296