Universidade Federal do Ceará
Programa de Pós-Graduação em Engenharia de Teleinformática

Título: Geração de Sinais ECG a partir de PPG com Aprendizado Federado Personalizado: Uma Abordagem Baseada em Interpolação de Modelos e Decomposição de Parâmetros

Data: 17/02/2025
Horário: 10:00
Local: Google Meet (https://meet.google.com/jdo-scas-xft)

Banca Examinadora:
Atslands Rego da Rocha (UFC, Orientadora)
Regis Pires Magalhães (UFC)
César Lincoln Cavalcante Mattos (UFC)

Resumo:
As doenças cardiovasculares são uma das principais causas de morte no mundo, e, com o envelhecimento da população, o número de pacientes com problemas cardíacos tem aumentado. O eletrocardiograma (ECG) é essencial para o diagnóstico de doenças cardíacas, mas seu alto custo e a dificuldade de obtenção em larga escala limitam sua aplicação. A conversão do sinal de Fotopletismografia (PPG) em ECG surge como uma alternativa promissora, pois o PPG é mais acessível e fácil de coletar. Este trabalho foca na transformação de sinais biomédicos para aprimorar o diagnóstico e o monitoramento da saúde, utilizando aprendizado federado personalizado. O aprendizado federado permite o treinamento de modelos de aprendizado de máquina em fontes descentralizadas, como hospitais ou dispositivos individuais, sem a necessidade de compartilhar os dados brutos. Nesta abordagem, apenas os modelos treinados localmente são compartilhados entre os clientes e um servidor de parâmetros, garantindo a privacidade dos dados, em oposição aos modelos clássicos que requerem o compartilhamento de informações com servidores na nuvem. Entretanto, o aprendizado federado enfrenta desafios quando há grande heterogeneidade nos dados dos clientes, dificultando a criação de um modelo global eficaz para todos. Para contornar essa limitação, este trabalho aplica técnicas de personalização, como decomposição de parâmetros, que adapta o modelo global às características individuais dos clientes, e interpolação de modelos, que combina os pesos do modelo global com ajustes específicos para cada cliente. Os resultados mostram que a combinação dessas técnicas alcançou um desempenho satisfatório em comparação com outras abordagens testadas, destacando o potencial dessa metodologia para aplicações práticas no monitoramento da saúde.

Palavras-chave: aprendizado federado; ECG; PPG; personalização; decomposição de parâmetros; interpolação de modelos