A Terapia de Exposição com Realidade Virtual para pacientes com TEPT controlada por um Sistema de Lógica Fuzzy

Nos últimos anos, a área da saúde vem explorando o potencial das novas tecnologias para diagnóstico e tratamentos de muitos distúrbios. Em especial, a tecnologia de Realidade Virtual se destaca por oferecer novas perspectivas de tratamento para diferentes distúrbios neuropsiquiátricos. Por outro lado, a ocorrência de problemas causados por situações traumáticas vem crescendo em todo o mundo. Nesse contexto, o Transtorno de Estresse Pós-Traumático (TEPT) é classificado como um transtorno de ansiedade que se caracteriza por gerar uma classe de comportamentos inadequados a situações que não representam perigo real. Em geral, este transtorno está relacionado à ocorrência de algum evento traumático de grande magnitude no passado. Vários trabalhos foram desenvolvidos utilizando ambientes virtuais tridimensionais (3D) para tratar e diagnosticar este distúrbio. Entretanto, percebe-se uma carência de sistemas que consigam controlar o nível de dificuldade das atividades desenvolvidas nesses ambientes. Nesse caso, esta dissertação tem por objetivo descrever o desenvolvimento e avaliar o potencial de utilização de dois sistemas: um que explora a Realidade Virtual (ARVET) para oferecer cenas virtuais que simulem os estímulos geradores de ansiedade similares aqueles da vida real; e outro que explora a Lógica Fuzzy (SAPTEPT) para classificar os níveis de ansiedade do paciente, possibilitando a análise quali-quantitativa de dados psicofisiológicos e psicométricos. As avaliações realizadas com especialistas na área mostraram que o ARVET pode proporcionar um alto grau de estímulos ansiogênicos e a integração com o SAPTEPT ocorreu de forma satisfatória mostrando o potencial que os sistemas têm de serem utilizados em pacientes reais.

Síntese de árvores de padrões Fuzzy através de Programação Genética Cartesiana.

Esta dissertação apresenta um sistema de indução de classificadores fuzzy. Ao invés de utilizar a abordagem tradicional de sistemas fuzzy baseados em regras, foi utilizado o modelo de Árvore de Padrões Fuzzy(APF), que é um modelo hierárquico, com uma estrutura baseada em árvores que possuem como nós internos operadores lógicos fuzzy e as folhas são compostas pela associação de termos fuzzy com os atributos de entrada. O classificador foi obtido sintetizando uma árvore para cada classe, esta árvore será uma descrição lógica da classe o que permite analisar e interpretar como é feita a classificação. O método de aprendizado originalmente concebido para a APF foi substituído pela Programação Genética Cartesiana com o intuito de explorar melhor o espaço de busca. O classificador APF foi comparado com as Máquinas de Vetores de Suporte, K-Vizinhos mais próximos, florestas aleatórias e outros métodos Fuzzy-Genéticos em diversas bases de dados do UCI Machine Learning Repository e observou-se que o classificador APF apresenta resultados competitivos. Ele também foi comparado com o método de aprendizado original e obteve resultados comparáveis com árvores mais compactas e com um menor número de avaliações.