Defesa de dissertação (08/01/2026): Luiz Cláudio Lemos de Oliveira
Discente: Luiz Cláudio Lemos de Oliveira
Título: Detecção de Motifs em Séries Temporais Usando Autoencoders: Uma Análise do Uso em Dados de ECG
Orientador: Eduardo Soares Ogasawara
Banca: Eduardo Soares Ogasawara (CEFET/RJ), Laura Silva de Assis (CEFET/RJ), Helga Dolorico Balbi (CEFET/RJ) e Rebecca Pontes Salles (INRIA/FRA)
Dia/Hora: 08/01/2026 às 10h
Sala: https://teams.
Resumo: A descoberta de motifs em séries temporais biomédicas, como o eletrocardiograma (ECG), consiste na identificação de padrões recorrentes que podem conter informações diagnósticas relevantes. Métodos tradicionais, como o SAX, apresentam limitações por dependerem de pressupostos estatísticos rígidos, especialmente inadequados para sinais fisiológicos complexos. Paralelamente, autoencoders demonstram capacidade superior de aprendizado de representações não lineares, mas sua aplicação específica na descoberta de motifs em ECG ainda não foi explorada, o que configura uma lacuna metodológica relevante. Este trabalho propõe um framework que substitui a discretização SAX por uma codificação neural, preservando o pipeline de descoberta baseado na entropia de Shannon e na frequência de ocorrência. A metodologia desenvolveu-se em três etapas: (i) validação da capacidade de reconstrução do autoencoder, (ii) treinamento de modelos com dados da MIT-BIH Arrhythmia Database e (iii) comparação sistemática com o método SAX por meio de experimentos de detecção, análise de sensibilidade paramétrica e avaliação da capacidade de generalização. Conclui-se que a substituição da discretização tradicional por uma codificação neural adaptativa é viável e proporciona ganhos quantitativos e qualitativos na descoberta de motifs em sinais de ECG, constituindo base metodológica para o desenvolvimento de ferramentas de análise automatizada de sinais biomédicos.