Fundamentação do Programa Triple-N com o método do estudo e da escrita imanente à vida

Página do item simplificado
dc.contributor.advisor-co1Bezerra, Ciro de Oliveira
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/8755460275894251
dc.contributor.advisor1Medeiros, Leonardo Melo de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1080593968001453
dc.contributor.referee1Pinto, Charridy Max Fontes
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4139562888411167
dc.contributor.referee2Cruz , Jailton Cardoso da
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9366016044068759
dc.creatorSilva Neto, Natalício Nunes da
dc.creator.Latteshttp://lattes.cnpq.br/6211840129538772
dc.date.accessioned2026-07-06T20:13:56Z
dc.date.available2026-07-06T20:13:56Z
dc.date.issued2026-06-10
dc.description.abstractOur research focuses on the study of Parkinson’s Disease (PD). But what is Parkinson’s Disease? It is a progressive neurological disorder that develops gradually and compromises the sensorimotor system. For example, it causes symptoms such as tremors, slowness of movement (bradykinesia), and postural imbalance. PD affects millions of people worldwide, across all age groups; however, the elderly population is the most affected. Data from the World Health Organization (WHO) show that approximately 1% of the global population over the age of 65 has the disease. The main reason is the progressive loss of dopamine, which, in confirmed cases of PD, is found to be far below normal levels. Interestingly, studies have shown that reading and writing stimulate the production of neurotransmitters that increase dopamine. Thus, among the various possibilities for preventing the disease, we highlight that studying and writing, when practiced regularly as a personal and social habit, may mitigate the effects of Parkinson’s Disease. Diagnosing PD with precision is challenging, especially in its early stages. Among the existing techniques, micrography is commonly employed. This method essentially consists of handwriting examinations. It is precisely in the refinement of such techniques that Machine Learning (ML) emerges as a powerful category within computer science, improving data classification methods that identify patterns and assist in PD detection. Our research employs three ML models: HOG (Histogram of Oriented Gradients) + Support Vector Machine (SVM), Convolutional Neural Networks (CNN), and Transfer Learning (MobileNetV2), with the aim of classifying handwriting samples and contributing to greater accuracy and efficiency in medical diagnosis of PD. The results of our study highlight the use of a supervised ML program (developed by us and named Triple-N, after the author), which achieved promising performance. Specifically, it reached accuracy rates of 80% for HOG + SVM, 96% for CNN, and 98% for Transfer Learning, when combined with Data Augmentation techniques. These findings suggest that the application of Machine Learning, particularly with Data Augmentation, in the classification of handwriting examinations, can be a valuable tool in PD diagnosis. Two key advantages stand out: [1] low cost and [2] rapid delivery of results, enabling the majority of patients to access diagnosis from the early stages of the disease.
dc.description.resumoNossa pesquisa tem como objetivo de estudo a Doença de Parkinson (DP). Mas o que é Doença de Parkinson? É uma enfermidade neurológica progressiva que se desenvolve gradualmente e compromete o sistema sensório-motor. Por exemplo: provoca sintomas como tremores, lentidão nos movimentos (bradicinesia) e desequilíbrio postural. A DP afeta milhões de pessoas, de todas as idades e em todo o mundo. No entanto, a população mais atingida é a população idosa. Os dados da Organização Mundial de Saúde (OMS) mostram que aproximadamente 1% da população mundial, com idade superior a 65 anos, tem a doença. O principal motivo é a perda progressiva de dopamina; que, nos casos confirmados da doença, apresenta-se muito abaixo da média normal. Para nossa surpresa, descobrimos que o estudo e a escrita estimulam a produção de neurotransmissores que elevam a dopamina. Assim, dentre as várias possibilidades de prevenir a doença destacamos que o estudo e a escrita se vividos regularmente como hábito e rotina, pessoal e social, pode mitigar a Doença de Parkinson. Há muitas dificuldades de realizar diagnóstico da DP com precisão, principalmente nos estágios iniciais. Entre as técnicas existentes a micrografia é comumente empregada no diagnóstico da doença de Parkinson. Ela consiste, essencialmente, em realizar exames manuscritos. É, justamente, no aprimoramento dessas técnicas que a Aprendizagem de Máquina (AM) surge como categoria poderosa, no complexo categorial da computação, para precisar as técnicas de classificação de dados, que identificam padrões e auxiliam na detecção da DP. A nossa pesquisa utiliza três modelos de Aprendizado de Máquina: HOG (Histograma Orientado a Gradientes, tradução própria) + Support Vector Machine (SVM – Máquinas de Vetores de Suporte, tradução própria), CNN (Rede Neural Convolucional, tradução própria), e Transfer Learning (Transferência de Conhecimento, tradução própria) (MobileNetV2), com o objetivo de classificar exames manuscritos e contribuir para melhorar a precisão e a eficácia no diagnóstico médico da DP. Os resultados de nosso estudo evidenciam o uso do modelo de Aprendizado de Máquina Supervisionado (Programa elaborado por nós, nomeado Triple-N, em razão do nome do autor) que consegue um desempenho promissor. Isto é, ele apresenta altas taxas de acurácia, atingindo 80% para o HOG + SVM e 96% para o CNN e 98% para Transfer Learning, utilizando Aumentação de Dados. Esses resultados sugerem que a aplicação da Aprendizagem de Máquina, fazendo uso de técnicas de Aumentação de dados, na classificação de exames manuscritos, pode ser uma ferramenta valiosa no diagnóstico da DP, tendo em vista dois diferenciais: [1°] o baixo custo e [2°] a velocidade na entrega do resultado, possibilitando que a grande maioria dos pacientes tenham acesso ao diagnóstico, desde o início da doença.
dc.identifier.urihttps://repositorio.ifal.edu.br/handle/123456789/3108
dc.language.isopt
dc.publisher.countryBrasil
dc.publisher.departmentCampus Maceió
dc.relation.referencesSILVA NETO, Natalício Nunes da. Fundamentação do Programa Triple-N com o método do estudo e da escrita imanente à vida.2026. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Instituto Federal de Alagoas, Campus Maceió, Maceió, 2026.
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.subjectDoença de Parkinson
dc.subjectAprendizado de Máquina
dc.subjectAumentação de dados
dc.subjectMétodo do estudo imanente
dc.subjectParkinson's disease
dc.subjectMachine learning
dc.subjectData augmentation
dc.subjectImmanent study method
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
dc.titleFundamentação do Programa Triple-N com o método do estudo e da escrita imanente à vida
dc.typeTrabalho de Conclusão de Curso

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_Graduação_Natalício Nunes da Silva Neto.pdf
Tamanho:
2.76 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.66 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC Sistemas de Informação