Melampus: um modelo deep learning para triagem psicológica infantil

  • Wesley Felipe da Silva Universidade do Vale do Rio dos Sinos
  • Mateus Raeder Universidade do Vale do Rio dos Sinos
Palavras-chave: Convolutional Neural Networks, Triagem Psicológica, Deep Learning, Desenho da Figura Humana - DFH

Resumo

Embora problemas relacionados à saúde mental usualmente tenham início durante a infância ou adolescência, apenas uma pequena parcela desta população recebe diagnóstico e tratamento adequado. Uma das causas para a baixa taxa de identificação de desordens mentais é a falta de instrumentos especializados nesta tarefa, especialmente ferramentas que reduzam o custo e o tempo necessário para a execução de processos de triagem psicológica. Na literatura recente, muitos autores vêm analisando como o aprendizado de máquina pode contribuir para a construção de instrumentos de avaliação psicológica, contudo poucas pesquisas se propõem a construir ferramentas válidas para grupos compostos majoritariamente por crianças. O presente trabalho propõe um modelo de ferramenta para apoio à triagem psicológica infantil baseada em testes clínicos e deep learning. Tal modelo foi avaliado através de uma implementação que combina o uso de Redes Neurais Convolucionais e um sistema de escalas clínicas para avaliação do Desenho da Figura Humana. Os resultados apresentados pelos modelos de classificação treinados demonstraram bons índices de acerto considerando-se a pequena amostra disponível, o que sugere que ferramentas de deep learning podem ser adequadas para o cenário proposto.
Publicado
2018-11-07
Como Citar
[1]
da Silva, W. e Raeder, M. 2018. Melampus: um modelo deep learning para triagem psicológica infantil. Revista Brasileira de Computação Aplicada. 10, 3 (nov. 2018), 21-33. DOI:https://doi.org/10.5335/rbca.v10i3.8471.
Seção
Artigo Original
Share |