Estudo de seleção de atributos aplicado ao reconhecimento de emoções em sinais multimodais como apoio à musicoterapia

Abstract

O envelhecimento da população brasileira, impulsionado pela queda na taxa de natalidade e pelo aumento da expectativa de vida, traz consigo um aumento na prevalência de doenças como osteoporose, hipertensão e demências, especialmente a Doença de Alzheimer e a isquemia cerebrovascular. Nesse contexto, a musicoterapia surge como um potencial aliado no combate aos efeitos dessas doenças, demonstrando ser capaz de desacelerar o progresso das demências através de estímulos musicais e da educação musical. A interação do paciente com a música promove a estimulação de áreas cerebrais relacionadas à memória, utilizando as emoções como meio de ativação. No entanto, a efetividade da musicoterapia depende crucialmente da capacidade do terapeuta em reconhecer e estimular corretamente as emoções do paciente. Diante da necessidade de aprimorar a efetividade da musicoterapia, esta pesquisa propõe o desenvolvimento de uma interface musical cérebro-máquina (IMC-M) baseada em redes neurais artificiais profundas (RNA) e algoritmos evolutivos, com o objetivo de reconhecer as emoções do paciente a partir de sinais eletroencefalográficos (EEG) e da voz, permitindo a personalização dos estímulos musicais na musicoterapia em idosos. Esta dissertação de mestrado teve como objetivo geral desenvolver um modelo robusto para o reconhecimento de emoções em idosos, utilizando sinais de EEG e voz. Os resultados obtidos nesta pesquisa demonstram que o objetivo geral foi atingido. A base de dados coletada é uma das maiores e mais completas na área de reconhecimento de emoções em idosos até o momento, e o modelo desenvolvido apresentou um alto desempenho na classificação das emoções, com valores de acurácia superiores a 99%. Os métodos de classificação utilizados para serem investigados foram: o Bayes Net, Naive Bayes, árvore de decisão J48, Random Tree e Random Forest (100, 200, 300, 400 e 450 árvores). O classificador Random Forest foi o que apresentou um melhor desempenho dentre as bases. A seleção de atributos utilizando PSO contribuiu para a redução da complexidade do modelo e para a melhoria do seu desempenho. O modelo desenvolvido nesta dissertação tem potencial para ser aplicado em diferentes contextos, como no cuidado com idosos, na interação homem-máquina e na pesquisa científica. O uso do modelo pode auxiliar na identificação de alterações de humor em idosos, na avaliação do impacto de intervenções terapêuticas e no desenvolvimento de interfaces mais intuitivas e personalizadas para interação com essa população. A implementação da IMC-M na musicoterapia em idosos tem o potencial de transformar o tratamento de pacientes com demências e outras doenças relacionadas à idade. Através do reconhecimento preciso das emoções do paciente, a IMC-M permite a personalização dos estímulos musicais, otimizando a efetividade da musicoterapia e promovendo uma experiência terapêutica mais individualizada e eficaz. Além disso, a pesquisa contribui para o avanço do conhecimento sobre as relações entre música, emoções e o cérebro humano em idosos, abrindo caminho para novas aplicações na musicoterapia e em outros domínios da saúde voltados para essa população.