Giordana de Farias F. B. Bucci
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Giordana de Farias F. B. Bucci has a total of 8 co-authors. Here are the top co-authors by number of shared publications:
- Fabrizzio Soares
Universidade Federal de Goiás
5 shared publications - Juliana Paula Felix
Universidade Federal de Goiás
5 shared publications - Ana Luísa de Bastos Chagas
Universidade Federal de Goiás
3 shared publications Pedro L. S. Lobo
Instituto de Informática Universidade Federal de Goiás (UFG)
3 shared publications- Rogerio Salvini
Universidade Federal de Goiás
3 shared publications Ana Luísa de Bastos Chagas
Instituto de Informática Universidade Federal de Goiás (UFG)
2 shared publications
Latest Publications
- Open Access
- 29 December 2025
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 23, 291-297
Investigação de Enviesamento de Modelos de Aprendizado de Máquina para Diagnóstico de Doenças Neurodegenerativas via Registros de Marcha e Voz
Este trabalho sintetiza os principais achados de uma pesquisa sobre vieses em modelos de aprendizado de máquina para o diagnóstico de doenças neurodegenerativas por análise da marcha e da voz. Avaliamos como técnicas de sobreamostragem, como o janelamento da marcha e o uso indiscriminado de múltiplas amostras de voz por pessoa, inflam métricas de desempenho ao tratar amostras do mesmo sujeito como independentes. Comparando protocolos que ignoram ou preservam essas dependências em dois conjuntos de dados, observamos que desconsiderá-las inflaciona as métricas, enquanto sua preservação fornece avaliações mais fiáveis. Os resultados destacam a importância da segregação adequada das amostras para obter modelos diagnósticos confiáveis.
- 29 December 2025
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 23, 291-297
Open AccessInvestigação de Enviesamento de Modelos de Aprendizado de Máquina para Diagnóstico de Doenças Neurodegenerativas via Registros de Marcha e Voz
Este trabalho sintetiza os principais achados de uma pesquisa sobre vieses em modelos de aprendizado de máquina para o diagnóstico de doenças neurodegenerativas por análise da marcha e da voz. Avaliamos como técnicas de sobreamostragem, como o janelamento da marcha e o uso indiscriminado de múltiplas amostras de voz por pessoa, inflam métricas de desempenho ao tratar amostras do mesmo sujeito como independentes. Comparando protocolos que ignoram ou preservam essas dependências em dois conjuntos de dados, observamos que desconsiderá-las inflaciona as métricas, enquanto sua preservação fornece avaliações mais fiáveis. Os resultados destacam a importância da segregação adequada das amostras para obter modelos diagnósticos confiáveis.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 344-347
Parkinson’s Disease Classification Using Inertial Signals from Smartwatches and Tree-Based Classifiers
This study evaluates the use of statistical features extracted from inertial signals obtained from smartwatches to assist in distinguishing patients with Parkinson’s disease, differential diagnoses, and healthy controls. Using a public dataset comprising data from 469 individuals, tree-based classifiers were applied. The results indicate that simple motion information can support the diagnosis of Parkinson’s disease in a non-invasive and accessible manner.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 344-347
Parkinson’s Disease Classification Using Inertial Signals from Smartwatches and Tree-Based Classifiers
This study evaluates the use of statistical features extracted from inertial signals obtained from smartwatches to assist in distinguishing patients with Parkinson’s disease, differential diagnoses, and healthy controls. Using a public dataset comprising data from 469 individuals, tree-based classifiers were applied. The results indicate that simple motion information can support the diagnosis of Parkinson’s disease in a non-invasive and accessible manner.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 205-214
Modelo Baseado em Transformer para Auxiliar no Diagnóstico de Esclerose Lateral Amiotrófica a partir da Marcha
Esclerose Lateral Amiotrófica (ELA) causa, entre outros sintomas, instabilidade da marcha, possui natureza incurável e apresenta um longo e difícil processo de diagnóstico. Por isso, diversos estudos investigam a marcha por meio de modelos de inteligência artificial como uma alternativa para auxiliar no diagnóstico dessas doenças. Este trabalho apresenta um método inovador de detecção de ELA utilizando um modelo baseado em transformer associado a análise de marcha em uma tarefa de classificação binária. Os resultados alcançam valores altos de acurácia e indicam uma alternativa promissora de identificação de ELA.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 205-214
Modelo Baseado em Transformer para Auxiliar no Diagnóstico de Esclerose Lateral Amiotrófica a partir da Marcha
Esclerose Lateral Amiotrófica (ELA) causa, entre outros sintomas, instabilidade da marcha, possui natureza incurável e apresenta um longo e difícil processo de diagnóstico. Por isso, diversos estudos investigam a marcha por meio de modelos de inteligência artificial como uma alternativa para auxiliar no diagnóstico dessas doenças. Este trabalho apresenta um método inovador de detecção de ELA utilizando um modelo baseado em transformer associado a análise de marcha em uma tarefa de classificação binária. Os resultados alcançam valores altos de acurácia e indicam uma alternativa promissora de identificação de ELA.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 348-351
Robustness and Cross-Dataset Performance of Machine Learning Models in Parkinson’s Disease Diagnosis
Parkinson’s disease (PD) is a progressive neurodegenerative disorder whose diagnosis remains largely based on subjective clinical evaluation. In this study, we examine the generalization capacity of machine learning models for PD diagnosis from gait data. Descriptive features extracted from force signals were used to train multiple classifiers, evaluated through intra-dataset and cross-dataset experiments. Results showed consistent performance, particularly for ensemble methods such as ExtraTrees, demonstrating the robustness of the proposed approach. These findings highlight the importance of cross-dataset validation for assessing the real-world applicability of diagnostic models.
- 4 December 2025
- Published by Sociedade Brasileira de Computação
- p. 348-351
Robustness and Cross-Dataset Performance of Machine Learning Models in Parkinson’s Disease Diagnosis
Parkinson’s disease (PD) is a progressive neurodegenerative disorder whose diagnosis remains largely based on subjective clinical evaluation. In this study, we examine the generalization capacity of machine learning models for PD diagnosis from gait data. Descriptive features extracted from force signals were used to train multiple classifiers, evaluated through intra-dataset and cross-dataset experiments. Results showed consistent performance, particularly for ensemble methods such as ExtraTrees, demonstrating the robustness of the proposed approach. These findings highlight the importance of cross-dataset validation for assessing the real-world applicability of diagnostic models.
- Open Access
- 17 July 2025
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 23, 158-164
Transformer: O Poder da Atenção no Auxílio ao Diagnóstico de Múltiplas Doenças Neurodegenerativas
As doenças neurodegenerativas (DNDs) causam, entre outros sintomas, instabilidade da marcha, possuem natureza incurável e apresentam um longo e difícil processo de diagnóstico. Por isso, diversos estudos investigam a marcha por meio de modelos de inteligência artificial como uma alternativa para auxiliar no diagnóstico dessas doenças. Este trabalho apresenta os principais resultados obtidos durante a iniciação científica com um método inovador de detecção de DNDs utilizando um Encoder-Only Transformer associado a análise de marcha em uma tarefa de multi-classificação. Os resultados alcançam valores altos de acurácia e indicam uma alternativa promissora de identificação de DNDs.
- 17 July 2025
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 23, 158-164
Open AccessTransformer: O Poder da Atenção no Auxílio ao Diagnóstico de Múltiplas Doenças Neurodegenerativas
As doenças neurodegenerativas (DNDs) causam, entre outros sintomas, instabilidade da marcha, possuem natureza incurável e apresentam um longo e difícil processo de diagnóstico. Por isso, diversos estudos investigam a marcha por meio de modelos de inteligência artificial como uma alternativa para auxiliar no diagnóstico dessas doenças. Este trabalho apresenta os principais resultados obtidos durante a iniciação científica com um método inovador de detecção de DNDs utilizando um Encoder-Only Transformer associado a análise de marcha em uma tarefa de multi-classificação. Os resultados alcançam valores altos de acurácia e indicam uma alternativa promissora de identificação de DNDs.