People at risk of suicide tend to be isolated and cannot share their thoughts. For this reason, suicidal ideation monitoring becomes a hard task. Therefore, people at risk of suicide need to be monitored in a manner capable of identifying if and when they have a suicidal ideation, enabling professionals to perform timely interventions. This study aimed to develop the Boamente tool, a solution that collects textual data from users’ smartphones and identifies the existence of suicidal ideation. The solution has a virtual keyboard mobile application that passively collects user texts and sends them to a web platform to be processed. The platform classifies texts using natural language processing and a deep learning model to recognize suicidal ideation, and the results are presented to mental health professionals in dashboards. Text classification for sentiment analysis was implemented with different machine/deep learning algorithms. A validation study was conducted to identify the model with the best performance results. The BERTimbau Large model performed better, reaching a recall of 0.953 (accuracy: 0.955; precision: 0.961; F-score: 0.954; AUC: 0.954). The proposed tool demonstrated an ability to identify suicidal ideation from user texts, which enabled it to be experimented with in studies with professionals and their patients.

This research letter presents the co-design process for RG4Face, a mime therapy–based serious game that uses computer vision for human facial movement recognition and estimation to help health care professionals and patients in the facial rehabilitation process.

A percepção temporal é frequentemente comprometida em distúrbios neuropsiquiátricos, impactando a qualidade de vida. Este artigo apresenta o desenvolvimento do ‘Chronos: Odisseias Alternativas’, um jogo sério híbrido e imersivo para reabilitação da percepção temporal. Objetivos: Descrever o processo de co-design e os resultados, destacando a importância da colaboração interdisciplinar na criação de soluções tecnológicas para a saúde. Métodos: O desenvolvimento seguiu uma metodologia de co-design em dois workshops com uma equipe multidisciplinar formada por clínicos e profissionais de Tecnologia da Informação. O jogo integra tarefas cognitivas, treinamento da percepção temporal e autorrelatos emocionais, utilizando uma arquitetura de Metaverse as a Service para modular a percepção do tempo por meio de estímulos multimodais. Resultados: O co-design indicou ampla aceitação interdisciplinar e validação conceitual. Os participantes destacaram o engajamento, o potencial terapêutico para Alzheimer, Parkinson e TDAH, e a inovação da abordagem multimodal. Conclusão: O Chronos demonstra viabilidade técnica e metodológica, configurando-se como um ambiente digital multimodal promissor.

Nystagmus is involuntary eye movement characterized by smooth movement, called the slow phase of nystagmus, interrupted by rapid fixation in the opposite direction. It is one of the preponderant factors in the diagnosis of vestibular disorders. This study presents Smart Nystagmography, a proposal for a computer vision-based tool to support the diagnosis of peripheral vestibular disorders, which encompasses the entire process, from the eye movement collection device to the disorder classifier. The proposed solution is based on feature vectors that present eye movement patterns, which are identified using machine learning, in particular, Deep Learning (DL). The videonystagmography technique and its different tests were performed by the subjects in order to generate a representative dataset for both healthy subjects and those with vestibular dysfunction. Data pre-processing methods, as well as a hyperparameter optimization technique of the DL algorithms were employed with the purpose of improving the performance of state-of-the-art models. The performance results for identifying the presence of peripheral vestibular dysfunction reached an accuracy of 96.7% for the best model, after going through the optimization process. The results show the efficiency of Smart Nystagmography, which has a solution that involves from the video collection device to the system with data preparation techniques and the DL model deployed. Additional clinical studies are needed to validate the solution

É cada vez maior o número de pessoas que apresentam debilidade motora em membros superiores e enfrentam deficiências funcionais, dependendo de terceiros para realizar suas atividades de rotina. A reabilitação motora é caracterizada por uma rotina diária de deslocamento para as clínicas, exercícios físicos repetitivos e um lento processo de recuperação funcional, o que torna o tempo de tratamento muito longo, levando o paciente à falta de compromisso e abandono do tratamento. Nesse contexto, soluções de gameterapia têm sido utilizadas para a reabilitação motora, em que se utilizam cenários interativos de jogos sérios para potencializar a humanização do tratamento e a experiência do paciente durante a execução de exercícios de recuperação das funções motoras. Este artigo tem como objetivo apresentar um jogo sério inteligente para reabilitação motora de membros superiores, a partir do uso de modelos de visão computacional e aprendizado de máquina integrados a tecnologias com ampla inserção social, como câmeras embutidas em smartphones, laptops ou integradas em TVs. Para implementação do jogo sério, foram utilizadas as linguagens de programação web, HTML, CSS e JavaScript, incorporando a biblioteca TensorFlow e o pacote PoseNet para controlar os movimentos do paciente nos cenários do jogo. O jogo sério desenvolvido contribui para tornar a gameterapia uma técnica presente e viável em clínicas de reabilitação e ambientes domiciliares, uma vez que sua inserção não depende de custos associados com a tecnologia ou adaptações de infraestrutura no ambiente.