Detecção da Alcoolemia por Meio da Pupilometria Dinâmica (.pdf)

UNIVERSIDADE FEDERAL DE GOIÁSINSTITUTO DE INFORMÁTICA

HEDENIR MONTEIRO PINHEIRO

Detecção da Alcoolemia por Meio daPupilometria Dinâmica

Goiânia2016

HEDENIR MONTEIRO PINHEIRO

Detecção da Alcoolemia por Meio daPupilometria Dinâmica

Dissertação apresentada ao Programa de Pós–Graduação doInstituto de Informática da Universidade Federal de Goiás,como requisito parcial para obtenção do título de Mestre emPrograma de Pós-graduação em Ciência da Computação.

Área de concentração: Ciência da Computação.

Orientador: Prof. Dr. Ronaldo Martins da Costa

Goiânia2016

Ficha de identificação da obra elaborada pelo autor, através doPrograma de Geração Automática do Sistema de Bibliotecas da UFG.

CDU 004

Monteiro Pinheiro, Hedenir Detecção da Alcoolemia por Meio da Pupilometria Dinâmica[manuscrito] / Hedenir Monteiro Pinheiro. - 2016. C, 100 f.: il.

Orientador: Prof. Dr. Ronaldo Martins da Costa. Dissertação (Mestrado) - Universidade Federal de Goiás, Institutode Informática (INF), Programa de Pós-Graduação em Ciência daComputação, Goiânia, 2016. Bibliografia. Apêndice. Inclui símbolos, gráfico, tabelas, lista de figuras, lista de tabelas.

1. Pupilômetro. 2. Pupilometria. 3. Pupila. 4. Álcool. 5. Álcool noSangue. I. Martins da Costa, Ronaldo , orient. II. Título.

Todos os direitos reservados. É proibida a reprodução total ou parcial dotrabalho sem autorização da universidade, do autor e do orientador(a).

Hedenir Monteiro Pinheiro

Graduou-se em Ciência da Computação pela PUC-GO. Durante sua gradu-ação atuou como monitor da disciplina Estrutura de Dados II. Especializou-se em Banco de Dados pela UFG. Durante o Mestrado, participou do grupode pesquisa em Reconhecimento de Padrões, foi bolsista da FAPEG e ob-teve publicações que contribuíram para o desenvolvimento dessa dissertação.Atualmente é Pesquisador Tecnologias no Instituto Nacional de MetrologiaQualidade e Tecnologia - INMETRO, onde coordena o departamento de in-formática e desenvolve soluções para metrologia legal.

Dedico esse trabalho a Deus, o qual é digno de toda honra e toda glória.À minha mãe, a quem tanto amo e admiro.À minha esposa tão preciosa.A meu bebê que está por vir...

Agradecimentos

Agradeço a Deus pelo dom da vida, por me inspirar, fortalecer e conduzir narealização dessa pesquisa.

Agradeço também às pessoas importantes que são parte da minha vida e tambémdesse trabalho. À minha amada esposa Thalita Fernanda pelo amor, carinho e companhei-rismo. À minha querida mãe Maria Botelho pelo encorajamento, pela motivação e porestar sempre pronta a me apoiar.

Agradeço ao meu orientador, amigo e professor Dr. Ronaldo Martins da Costacom quem tive o privilégio e a honra de trabalhar. Você professor, foi para mim uma fontede inspiração. Suas sábias palavras me guiaram como um farol e seu otimismo forneceuum porto seguro durante toda a jornada.

Agradeço aos professores Dr. Anderson Soares, Dr. Gustavo Teodoro Laureano eDr. Rogério Salvini pelas preciosas contribuições na utilização das técnicas e ferramentasde reconhecimento de padrões.

Ao Dr. Eduardo Nery por todo auxílio na área oftalmológica.À Francy Anne Vieira Barbosa pelo apoio na análise estatística.Aos amigos Bruno Urbano, Marcos Alves e Weder Cabral pelo companheirismo

nas diversas batalhas da pesquisa.À FAPEG pelo suporte financeiro e ao Instituto de Informática da UFG pela

estrutura física, pelo quadro de professores, especialmente os do núcleo de visão compu-tacional e reconhecimento de padrões.

Por fim agradeço aos voluntários que participaram das filmagens, o esforço devocês tornou viável a realização dessa pesquisa.

A todos vocês, meu muito obrigado.

Change will not come if we wait for some other person or some othertime. We are the ones we’ve been waiting for. We are the change that weseek.

Barack Obama,Discurso a apoiadores proferido em Chicago, 05 de Fevereiro de 2008.

Resumo

Monteiro Pinheiro, Hedenir. Detecção da Alcoolemia por Meio da Pupilome-tria Dinâmica. Goiânia, 2016. 98p. Dissertação de Mestrado. Instituto de Infor-mática, Universidade Federal de Goiás.

O consumo de bebidas alcoólicas causa transtornos para a sociedade, tais como acidentesde trânsito, problemas no trabalho e violência interpessoal. Os principais métodos paradetecção da alcoolemia são o teste com o etilômetro e o exame de sangue. Esses méto-dos, entretanto, são relativamente invasivos. A proposta desse trabalho é desenvolver umdispositivo portátil e uma metodologia capaz de realizar a pupilometria dinâmica paraverificar a viabilidade de se diagnosticar o consumo de álcool por meio da filmagem e es-timulação pupilar. Para isso, após o desenvolvimento do dispositivo, realizou-se filmageme coleta de informações biométricas de 49 pessoas em estado sóbrio e alcoolizadas, pro-duzindo uma base de dados com 356 vídeos. Então, foram selecionadas as característicaspupilares mais relevantes. Esse conjunto de características foi submetido a testes esta-tísticos e aos algoritmos de reconhecimento de padrões KNN, Ensemble KNN e SVM.Os resultados mostraram que a pupilometria foi realizada de maneira eficiente com 96%de acurácia, que o álcool altera o comportamento pupilar e que a detecção do consumode álcool é viável quando a análise é feita de maneira individualizada e são realizadosbastantes vídeos.

Palavras–chave

Pupilômetro, Pupilometria, Pupila, Iris, Álcool, Álcool no Sangue

Abstract

Monteiro Pinheiro, Hedenir. Alcohol Use Detection by Means of DynamicPupilometry. Goiânia, 2016. 98p. MSc. Dissertation. Instituto de Informática,Universidade Federal de Goiás.

The consumption of alcohol beverages causes disturbance to society, such as trafficaccidents, problems at work and interpersonal violence. The main methods for thedetection of alcohol are the use of a breathalyzer and a blood test. Such methods are,however, relatively invasive. The purpose of this work is to develop a portable deviceand a method capable of performing the dynamic pupillometry to verify the feasibility ofdetect alcohol use by means of recording pupillary movements under light stimulation.After the device creation, was recorded and collected biometric information of 49 peoplein sober and inebriated state, producing a database with 356 video. So were selectedthe most relevant pupillary features. This set of features was subjected to statistical testsand pattern recognition algorithms KNN, Ensemble KNN and SVM. The results showedthat pupillometry was performed efficiently with 96% accuracy, the alcohol changes thepupillary behavior and detecting alcohol consumption is feasible when the analysis isdone individually and with many videos.

Keywords

Pupillometer, Pupillometry, Pupil, Iris, Alcohol, Blood alcohol detection

Sumário

Lista de Figuras 10

Lista de Tabelas 12

1 Introdução 131.1 Objetivos 141.2 Trabalhos Correlatos 151.3 Organização da Dissertação 22

2 Materiais e Métodos 232.1 Construção do Pupilômetro 252.2 Construção da Base de Dados de Vídeos 282.3 Extração do Diâmetro Pupilar por meio da Biblioteca OpenCV 312.4 Descrição das Características Pupilares 332.5 Análise Estatística 362.6 Reconhecimento de Padrões 37

3 Resultados 403.1 Acurácia do Pupilômetro 403.2 Avaliação do Comportamento Pupilar 423.3 Análise Estatística 433.4 Reconhecimento de Padrões 48

4 Análise e Discussão 504.1 Limitações da Pupilometria 544.2 Limitações deste Estudo 55

5 Conclusões 575.1 Contribuições 585.2 Trabalhos Futuros 595.3 Publicações 59

Referências Bibliográficas 61

A Dados biométricos 67A.1 Primeira parte 67A.2 Segunda parte 75A.3 Terceira parte 83A.4 Quarta parte 91

Lista de Figuras

2.1 Via anatômica do reflexo pupilar à luz. Imagem extraída do livro Oftalmo-logia Clínica [29]. 24

2.2 Exemplos de imagens com reflexos luminosos. 25(a) Imagem com mais reflexos luminosos 25(b) Imagem com menos reflexos luminosos 25

2.3 Oculos de filmagens da pupila - pupilômetro. 25(a) Vista frontal. 25(b) Vista superior. 25

2.4 Visão interna do óculos de filmagem. 262.5 Placa de circuito integrado do pupilômetro. 262.6 Esquema de blocos dos circuitos que compõem o pupilômetro. 272.7 Imagens obtidas utilizando-se o pupilômetro. 29

(a) Imagem sem estimulação (pupila dilatada). 29(b) Imagem com estimulação (pupila contraída). 29

2.8 Voluntário utilizando o equipamento de filmagem. 30(a) Visão frontal do voluntário. 30(b) Visão lateral do voluntário. 30

2.9 Etiômetro utilizado na pesquisa. 302.10 Imagens das etapas da segmentação pupilar. 32

(a) Imagem original 32(b) Imagem com os reflexos removidos 32(c) Imagem embaçada 32(d) Imagem binarizada 32(e) Imagem erodida 32(f) Contornos encontrados 32(g) Melhor contorno encontrado 32(h) Diâmetro calculado 32

2.11 Sinal original e filtrado pela média da vizinhança. 332.12 Curva do comportamento pupilar. 332.13 Características obtidas a partir da curva do comportamento pupilar. 362.14 Exemplo de classificação utilizando KNN com K=3 e com K=5. 372.15 Hiperplano ótimo SVM. [36] 382.16 Técnica de validação cruzada com K = 10. 39

4.1 Curvas com comportamento pupilar fortemente alterado. Voluntário 01,vídeo 10 e vídeo 05. 51

4.2 Curvas com comportamento pupilar fortemente alterado. Voluntário 04,vídeo 01 e vídeo 03. 51

4.3 Curvas com comportamento pupilar levemente alterado. Voluntário 49,vídeo 04 e vídeo 13. 52

4.4 Visão lateral da nuvem de pontos obtida usando PCA. 534.5 Visão Superior da nuvem de pontos obtida usando PCA. 54

Lista de Tabelas

2.1 Aplicação do estímulo visual. 282.2 Fisiologia dos voluntários. 29

3.1 Comparação entre o diâmetro pupilar real e o medido pela metodologiaproposta. 40

3.2 Percentual de voluntários que tiveram aumento na característica após aingestão de álcool. 43

3.3 Análise estatística das características agrupadas em estado sóbrio ealcoolizado 44

3.4 Correlação entre os nível de alcoolemia e as características pupilométricas. 453.5 Análise estatística das características considerando o hábito de beber. 463.6 Análise da correlação entre as características no primeiro e segundo

período de gravação. 473.7 Taxa de acerto dos algoritmos de reconhecimento de padrões aplicados

a todos os vídeos. 483.8 Taxa de acerto dos algoritmos de reconhecimento de padrões aplicados

por voluntário. 48

4.1 Melhores taxas de acerto aplicando-se os algoritmos de reconhecimentode padrões. 54

CAPÍTULO 1Introdução

O consumo de bebidas alcoólicas tem sido associado a atividades humanas desdeo início da história registrada. Acredita-se que a bebida alcoólica teve origem na Pré-História, mais precisamente durante o período Neolítico quando houve a aparição daagricultura e a invenção da cerâmica. A partir de um processo de fermentação naturalocorrido há aproximadamente 10.000 anos o ser humano passou a consumir e a atribuirdiferentes significados ao uso do álcool. Os celtas, gregos, romanos, egípcios e babilôniosregistraram o consumo e sua maneira de produzir bebidas alcoólicas [53, 37]. Nassociedades modernas, entretanto, o consumo de álcool tem causado transtornos, taiscomo, aumento no índice de acidentes de trânsito, problemas no trabalho, violênciadoméstica, violência interpessoal dentre outros [44].

No organismo humano a ingestão excessiva de álcool causa diminuição da pre-cisão neurofisiológica em testes de memória e a diminuição do desempenho psicomotor[46], reduz a eficiência cerebral, a visão noturna em 25% e aumenta o tempo de reaçãoem 30%. Além disso, bebidas alcoólicas dão aos motoristas a falsa sensação de confi-ança, por isso as chances de ocorrerem acidentes aumentam mesmo quando uma pequenaquantidade de álcool é ingerida.

Segundo o Relatório Mundial sobre Álcool e Saúde da Organização Mundial deSaúde (OMS) de 2014, o álcool é consumido praticamente em todo o mundo. Estima-se que indivíduos com mais de 15 anos de idade consumiram, mundialmente, em tornode 6,2 litros (L) de álcool em 2010. Ainda segundo a OMS, em 2012, 15% das mortesdecorrentes de acidentes de trânsito no mundo foram atribuídas ao álcool.

No Brasil, o consumo estimado por pessoa é de 8,7 L. Estima-se que os homensconsumam 13,6 L e as mulheres, 4,2 L por ano. Entretanto, quando são consideradosapenas os indivíduos que consomem álcool, esta média sobe para 15,1L de álcool porpessoa [44].

Esses dados mostram a importância da detecção precoce da embriaguez, especi-almente quando da realização de atividades que requeiram atenção redobrada tais comodirigir veículos, manusear maquinário pesado e pilotar aeronaves.

Dentre os métodos usados para detecção da alcoolemia (concentração de álcool

1.1 Objetivos 14

etílico no sangue, resultante da ingestão de bebidas alcoólicas) o mais popular é amedição indireta através do teste em aparelho para medição do ar alveolar, o etilômetro("bafômetro"). O etilômetro é um equipamento portátil que mede a quantidade de álcoolpresente no ar expelido pelos pulmões durante o sopro no equipamento. A partir dessamedição, estando o equipamento bem calibrado, pode-se determinar a quantidade deálcool presente no organismo com elevada taxa de acerto [23].

A utilização do etilômetro, entretanto, apresenta algumas limitações: (1) a ne-cessidade de cooperação ativa do examinado que deverá soprar em fluxo contínuo até queseja feita a medição; (2) entrar em contato com a saliva do examinado e por questões dehigiene e segurança precisar ter partes descartáveis; (3) não fornecer indicativo caso oexaminado esteja em estado emocional alterado, em privação de sono ou esteja sob efeitode drogas, visto que o equipamento é destinado exclusivamente à detecção do consumode álcool; (4) pessoas com patologias pulmonares (enfisema pulmonar, doença pulmonarobstrutiva crônica - DPOC, asma grave) não conseguem realizá-lo.

A análise do reflexo pupilar, por sua vez, requer apenas que a pessoa mantenha osolhos abertos. Não há contato com secreções e por isso não é necessário substituir partesdo dispositivo. Assim as medições podem ser feitas até mesmo remotamente e com afrequência que for necessária. Além disso, segundo pesquisas recentes, a pupilometriatambém pode oferecer maneiras de avaliar as funções visuais, a frequência cardíaca,os caminhos neuronais dos olhos, diagnosticar algumas enfermidades e pode fornecerindícios do estado de um indivíduo, se houve ingestão de drogas ou privação de sono.

Neste trabalho buscou-se estudar os efeitos da alcoolemia no reflexo pupilar.Como objetivos pontuais desse estudo serão apresentados o equipamento desenvolvidoe a metodologia de segmentação para realizar a pupilometria, a base de dados com asfilmagens realizadas, os resultados obtidos a partir da análise dos dados e as conclusõesalcançadas acerca do comportamento pupilar frente ao consumo de álcool.

1.1 Objetivos

O propósito dessa pesquisa é construir um dispositivo de filmagem portátil enão invasivo que, associado a uma metodologia de segmentação de imagens, seja capazde realizar a pupilometria dinâmica para que se possa avaliar o comportamento pupilarfrente ao consumo de bebidas alcoólicas.

Para melhor compreender os efeitos do consumo de álcool no reflexo pupilarhumano aplicou-se testes estatísticos e algoritmos de reconhecimento de padrões em umabase de dados de filmagens gravadas com o pupilômetro desenvolvido.

1.2 Trabalhos Correlatos 15

Foram gravados 356 vídeos de 49 voluntários 1 2. Esses vídeos compõem umabase de filmagens de pessoas em estado sóbrio e alcoolizado.

Os resultados mostram que existe sensível diferença no comportamento pupilar,ainda que não haja uma associação óbvia entre o comportamento pupilar e a alcoolemia.

Usualmente, presume-se que a pupila aumente seu diâmetro após o consumo deálcool, entretanto a pesquisa de Brown et al. sugere que o consumo de álcool não afetaa pupila [9], Richman et al. [50] por outro lado afirma que deve-se usar o tamanho dapupila para se identificar pessoas sob o efeito de álcool/drogas e a literature médica porsua vez indica que a pupila dilata até certa graduação alcoólica e quando essa graduaçãoé atingida ela passa a contrair [5] e que o limite de contração e dilatação não é o mesmopara todas as pessoas, dependendo da anatomia e fisiologia de cada pessoa.

Em seu estudo, Arora et al [3] afirmam que há aproximadamente 50% dechance da pupila dilatar ou contrair com a ingestão de álcool, sugerindo que não há umcomportamento exato padronizado.

Sendo assim, essa pesquisa pretende, além de construir o dispositivo e a basede dados com as filmagens, trazer maior entendimento acerca do comportamento pupilarfrente ao consumo de álcool e contribuir com estudos envolvendo diagnósticos auxiliadospor computador (computer aided diagnosis - CAD).

1.2 Trabalhos Correlatos

Nos últimos anos, dispositivos infravermelho embutidos em câmeras digitais têmpermitido o desenvolvimento de sistemas capazes de viabilizar de maneira não invasiva oestudo da pupila e sua reação à luz [35, 54, 6], contudo, até o presente momento foramencontrados apenas três estudos que avaliam o reflexo pupilar frente ao consumo de álcool[10, 39, 3]. Assim sendo, serão expostos como trabalhos correlatos a esta dissertação,além das pesquisas mencionadas, outras que também realizem análises por meio dapupilometria dinâmica.

O trabalho de Burns [10] se propõe a mostrar que o consumo de álcool afeta ocomportamento do sistema pupilar e oculomotor. Baseado nesses efeitos o autor afirmaconseguir 81% de reconhecimento de pessoas que tenham ingerido álcool.

Para identificar a ingestão de álcool são feitas medições (1) do nistagmo (difi-culdade de fixação ocular que produz oscilações repetidas, involuntárias e rítmicas de umou ambos os olhos em algumas ou todas as posições de mirada [57]), (2) da movimen-

1A participação na pesquisa ocorreu mediante a assinatura de termo de AUTORIZAÇÃO DE USO DEIMAGEM, VOZ E RESPECTIVA CESSÃO DE DIREITOS, conforme lei N. 9.610/98.

2A autorização para realização dessa pesquisa foi enviada e aprovada pelo Comitê de Ética em pesquisa(CEP), no projeto submetido à Plataforma Brasil, sob o número de registro CAAE 23723213.0.0000.5083.


tação suave dos olhos , isto é, do deslocamento dos olhos entre pontos de fixação semmovimentos abruptos conhecidos como movimentos sacádicos [12]), (3) do tamanho dapupila no escuro e (4) da resposta pupilar à luz. Entretanto, como Burns em seu artigo nãoapresenta seu método de trabalho não foi possível estudar detalhadamente sua pesquisa.

Meunier e Laperrière [39] descrevem uma abordagem baseada em processa-mento de imagens de vídeo para automatizar três testes realizados por policias em moto-ristas suspeitos: o teste HGN (Horizontal Gaze Nystagmus), o teste de convergência e oexame pupilar a fim de detectar consumo de álcool. Desses três testes apenas o exame pu-pilar está relacionado com esta dissertação, entretanto, para uma completa compreensãodo trabalho os demais testes também serão apresentados.

O teste HGN consiste em levar o indivíduo a acompanhar com os olhos um objetoem movimento horizontal que induza a pupila a se aproximar do canto esquerdo ou direitodos olhos a fim de se verificar a ocorrência do nistagmo. Quando o nistagmo ocorre emum ângulo inferior a 45 graus e com intensidade exagerada há indícios de que houveconsumo de bebidas alcoólicas. O teste de convergência por sua vez, consiste em levar ovoluntário a olhar para um objeto até que esse objeto toque a ponta do seu nariz. Por fim,o teste pupilar consiste em se medir do diâmetro pupilar com diferentes intensidades deestimulação luminosa.

Segundo os autores os testes ocorreram em uma sala escura. A reação da pupilafoi feita medindo-se o diâmetro da pupila sujeita a iluminação controlada. Nesse testeeles avaliaram 32 indivíduos com graduações alcoólicas variando de 0.04% a 0.22% deálcool no sangue. Para realizar o diagnóstico da alcoolemia consideraram as seguintesmedidas: (1) falta de suavidade no movimento de acompanhamento dos olhos (2) presençade nistagmo horizontal (3) convergência dos olhos (4) velocidade de reação pupilar à luz.

Os autores afirmam que em condições normais, a pupila contrai rapidamentequando submetida à luz, entretanto sob a influência de certas substâncias essa reaçãotende a ser mais lenta. Segundo eles, a reação pupilar é considerada lenta quando a pupilademora mais que 1 segundo (30 quadros) para alcançar a completa constrição. O tempopara máxima constrição foi a única característica da pupilometria levada em consideração.

Por fim, os autores dizem obter 80% de acerto na classificação de pessoasalcoolizadas e não alcoolizadas. Afirmam também que o teste HGN é o mais importantepara detectar o consumo de álcool, sendo os outros testes (convergência dos olhos e tempode reação pupilar à luz) pouco discriminantes.

Arora et al.[3], por sua vez, estuda a influência do consumo de álcool noreconhecimento biométrico. Em seu trabalho ele afirma ocorrerem alterações na pupila,quando da ingestão de álcool e que isso pode interferir ou até mesmo ser usado paraburlar o processo de reconhecimento biométrico. Afirma também que a ingestão de álcoolcausou dilatação pupilar em 51% dos voluntários e contração em 49%, mostrando assim


que não há um comportamento exato previamente definido para a pupila quando doconsumo de álcool.

Nos próximos parágrafos serão apresentados trabalhos que apesar de não estaremdiretamente relacionados ao consumo de álcool, guardam semelhanças importantes comesta pesquisa, por utilizarem a pupilometria dinâmica com a intenção de auxiliar nodiagnostico de doenças, tais como: neuropatia autonômica em pacientes diabéticos,Parkinson, glaucoma, disfunções nas vias aferentes e comprovação da menor respostaemocional em autistas; ou auxiliar no diagnóstico de uso de drogas e de sonolênciaexcessiva.

Ferrari et al. [20] utilizam a pupilometria dinâmica a fim de diagnosticar aneuropatia autonômica cardiovascular em pacientes com diabetes. O trabalho consiste naconstrução de um equipamento para capturar imagens digitais da pupila, o qual registraos movimentos pupilares de um dos olhos enquanto ele é estimulado por flashes de luzvisível. Esse equipamento estimula e filma o mesmo olho, ao contrário do equipamentoutilizado nesta dissertação que, se valendo do reflexo consensual, estimula um dos olhose filma o outro para dessa forma obter imagens com menos reflexos, conforme propostopor Costa e Gonzaga [19].

Os autores submeteram os voluntários a dois testes, no primeiro foi aplicadoum estímulo luminoso de 10ms, no segundo foi aplicado 25 flashes com 1 segundode intervalo. As características pupilares consideradas foram: (1) tempo de latência atéatingir um platô de redilatação, (2) tempo de latência até o início da constrição, (3)duração da constrição, (4) tempo de Latência para a máxima constrição, (5) raio da pupilaantes do estímulo, (6) raio da pupila na máxima constrição, (7) raio da pupila após umdeterminado período de tempo sem estímulo.

Ferrari e demais pesquisadores concluíram que pelo estudo do comportamentodinâmico da pupila é possível fazer a triagem de pacientes com risco de desenvolverNeuropatia Autonômica Diabética.

O estudo de Heather et al. [42] afirma que crianças autistas têm reações emoci-onais inconscientes reduzidas e que a pupilometria juntamente com a análise das expres-sões faciais fornecem um indicativo de que crianças com autismo apresentam uma menorreação emocional inconsciente.

No estudo, 19 crianças de 2 a 5 anos de idade autistas e 19 crianças como grupode controle foram estimuladas consciente e inconscientemente, durante o estímulo forammedidas suas respostas pupilares. O medo foi a emoção escolhida para ser analisada e odiâmetro pupilar foi a métrica utilizada.

Segundo os autores a resposta pupilar das crianças com autismo revelou reativi-dade emocional inconsciente reduzida em relação ao grupo de controle.

Em sua pesquisa, Chang et al. [13] buscam comparar a resposta pupilar a


estímulos, com cores e intensidades diferentes entre um grupo de controle e pacientescom glaucoma a fim de identificar pessoas com essa enfermidade. Devido ao glaucomaser mais severo em um dos olhos, assimetria na resposta pupilar costuma ser um indicativoda doença. O dispositivo utilizado para calcular o diâmetro pupilar ao longo do tempoconsidera 6 métricas: amplitude de resposta, latência, máxima velocidade de constrição,máxima velocidade de dilatação e tempo para atingir a máxima constrição e dilatação.

Foram utilizados 243 participantes (165 com glaucoma e 78 normais). Os auto-res utilizaram testes estatísticos para comparar as diferenças nas métricas pupilares entrepessoas saudáveis e com glaucoma diagnosticado. Os resultados segundo os pesquisa-dores mostram que pessoas com glaucoma apresentam maior assimetria na comparaçãoentre a resposta à luz de cada olho, apresentam também assimetria entre os campos vi-suais supernasal e infranasal em um mesmo olho. Com relação às medidas absolutas, osautores afirmam que pessoas com glaucoma apresentam menor amplitude pupilar e me-nor velocidade de resposta quando comparadas com o grupo de controle. Por fim afirmamque o modelo desenvolvido foi capaz de separar pessoas com glaucoma de um grupo decontrole com 80% de especificidade e sensitividade na detecção.

Felipe et al. [21] buscam avaliar a atividade do sistema nervoso autonômicoem atletas de alto nível por meio da pupilometria. Analisaram 46 atletas de diversasmodalidades e 51 pessoas saudáveis como grupo de controle. Fizeram 05 registros dacurva de resposta à luz da pupila esquerda de cada voluntário.

Fizeram também uma análise estatística, considerando as seguintes métricas dapupilometria: amplitude do reflexo, média percentual da amplitude do reflexo do diâmetroinicial, média do tempo de redilatação à 75% da amplitude do reflexo. Segundo osautores, sexo, idade, altura, peso, índice de massa corporal e anos da prática esportivanão tiveram influência significativa nos parâmetros avaliados. Os quais também afirmamque os resultados foram consistentes com aumento na atividade parassimpática e reduçãona atividade simpática no reflexo pupilar dos atletas, indo de acordo com a hipótese deuma disautonomia generalizada associada ao treinamento.

Em sua pesquisa, Muppidi et al. [41] selecionaram oito métricas obtidas apartir da pupilometria dinâmica em pessoas saudáveis e em pacientes com disfunçãoautonômica de moderada a severa, avaliaram as diferenças usando o software SAS (versão9.2, SAS Institute, Cary, NC) por meio de análises estatísticas. As métricas consideradasforam:

• Diâmetro Inicial (BDP);• Máxima velocidade de Constrição (MVC);• Amplitude Absoluta de Constrição (ACA)

ACA = BDP−MenorDiametro(MD) (1-1)


• Amplitude Relativa de Constrição (RCA)

RCA =BDPMD

∗100% (1-2)

• Máxima velocidade de Dilatação (MDV);• Velocidade de Dilatação no primeiro segundo (DV1);• Tempo até a pupila retornar a 75% do BDP (T 3/4 );• Velocidade de dilatação até atingir 75% do BDP (DV 3/4 );

Os autores categorizaram essas características em pertencentes ao sistema sim-pático e para simpático e concluíram que o índices parassimpático de MVC e o MD sãomenores em grupos com disfunção autonômica. Concluíram também que os índices sim-páticos de tempo de redilatação para 75% do diâmetro inicial e velocidade de dilataçãonão sofreram alteração. Por fim afirmaram que os índices obtidos por meio da pupilome-tria apresentam significativa diferença entre pessoas com disfunção autonômica e gruposde controle.

Léon et al. [32] em sua pesquisa buscam quantificar diferenças na redilataçãopupilar quando submetida à luz vermelha e azul em pessoas com doença retiniana, comneuropatia óptica e em pessoas saudáveis.

Nesse estudo eles realizam testes usando luz continua vermelha e azul em trêsintensidades (1, 10, 100 cd/m2 ) por 13 segundos. Os parâmetros utilizados foram: otempo de redilatação necessário até atingir 90% do tamanho inicial; a média do tamanhono início e no final da fase de redilatação; e a diferença nos tempos de redilatação pupilarquando submetida à luz azul versus vermelha.

Segundos os autores a pupila de pacientes com doença retiniana tende a perma-necer menor após o estímulo luminoso e apresentam um maior tempo de recuperação.Ou seja, o tempo de redilatação pupilar em pacientes com doença retiniana é significante-mente maior que em pacientes com neuropatia óptica e que o tempo gasto pelo grupo decontrole.

Giza et al. [24] examinaram o reflexo pupilar à luz em pacientes com Parkinsone pessoas saudáveis, a fim de encontrar uma correlação entre a disfunção autonômicae o Parkinson. Tabelaram as características clínicas dos pacientes a média e o desviopadrão de seis características da pupila: raio inicial (mm), latência (s), raio mínimo (mm),amplitude (a diferença entre o raio inicial e o raio mínimo), máxima velocidade (mm/s),máxima aceleração (mm/s2) entre pacientes saudáveis e com Parkinson. Analisaramestatisticamente os dados (segundo os autores não há diferenças significativas entreanalisar o olho direito ou esquerdo) e concluíram que existe uma desordem no reflexopupilar em pacientes com Parkinson mesmo que não haja sintomas clínicos de disfunçãoautonômica.


Segundo eles, a análise discriminante mostrou que de todos os parâmetros dapupilometria a máxima aceleração apresentou a maior habilidade discriminante entrepacientes com Parkinson e o grupo de controle com 80.3% de sensibilidade e 68% deespecificidade.

Bergamin et al. [6] avaliaram as mudanças no reflexo pupilar à luz em 49 pessoassaudáveis e em 25 pacientes com problemas ou assimetrias no campo visual com o intuitode identificar que segmento da curva de onda pupilar melhor diferencia pessoas normaisde pessoas com alguma anormalidade.

As características avaliadas foram: inicio da contração, máxima velocidade decontração, pico de contração, máxima velocidade de dilatação.

Os autores concluíram que a janela de tempo que mostra a contração é mais útilna diferenciação que as demais regiões da curva da pupilometria. Concluiu também quea máxima velocidade de contração e o tempo para a máxima contração são os melhoresparâmetros para o diagnóstico da assimetria.

Parnandi e Gutierrez-Osuna [45] propõem um método para medir a variaçãode frequência cardíaca sem contato, isto é, sem a fixação de eletrodos; por meio damedição da variação espontânea do diâmetro da pupila (hippus ou atetose pupilar).Como a variação da frequência cardíaca e as flutuações espontâneas da pupila são ambosinfluencias pelo sistema neuronal autônomo, eles trabalham com a hipótese de que hácorrelação entre os dois sinais.

Nessa abordagem os autores utilizam um localizador do olho nas imagens (Viola-Jones) e um algoritmo integro-diferencial para segmentação da pupila. Eles estimarama variação de frequência cardíaca a partir da distribuição relativa de energia das sériestemporais do sinal da pupilometria. Utilizaram o espectro de força da série temporaldo diâmetro pupilar e das medições da frequência cardíaca. Mostraram também que háuma importante sobreposição entre as curvas e uma forte correlação entre o sinal dapupilometria e a medição real da frequência cardíaca.

A medição, entretanto, não está baseada no diâmetro pupilar absoluto ou naamplitude da flutuação e sim na frequência da flutuação do diâmetro pupilar. E importantenotar que nesse trabalho não há estimulação do reflexo pupilar com luz branca. Nem anecessidade de vedar os olhos da iluminação ambiente.

Lüdtke et al. [34] buscam em seu trabalho detectar a fadiga por meio dapupilometria. Inicialmente sua pesquisa detecta as piscadas, remove e interpola o sinalobtido e posteriormente aplica a transformada rápida de Fourier para identificar e mostrargraficamente as mudanças médias no diâmetro da pupila ao longo do tempo.

Por fim aplicaram os testes Mann-Whitney e U-test e segundo os autores ambasas métricas apontaram significativas diferenças entre os valores obtidos no grupo alerta eos valores obtidos no grupo fadigado.


Volp et al. [54] investigaram se a curva criada por meio da pupilometria pode serusada para identificar e quantificar a assimetria relativa no reflexo pupilar entre os olhosem voluntários saudáveis, com defeito simulado nas vias aferentes e em pacientes comneuropatias ópticas.

Em suas medidas levaram em consideração diferenças na amplitude de cons-trição, latência e velocidade de constrição em resposta à luz do olho direito versus aresposta pupilar do olho esquerdo. Por fim, afirmaram que o grupo de voluntários comdefeito pupilar aferente real ou simulado pôde ser distinguido dos saudáveis com 80% desensibilidade e 92% de especificidade.

Wang et al. [55] pretendem mostrar em seu trabalho que existem diferenças noreflexo pupilar em reação à luz entre mulheres chinesas com depressão e um grupo decontrole. Para isso eles apresentam uma tabela comparativa com média e desvio padrãoda dilatação inicial, máxima constrição, latência para constrição e duração da constrição.

Em suas conclusões, afirmaram que o tamanho inicial da pupila e o tamanho damáxima constrição são maiores em mulheres deprimidas do que no grupo de controle.Sugerindo que a pupilometria pode ser útil na investigação de prejuízos colinérgicos,como nos sintomas cognitivos observados na depressão.

No estudo de McLaren et al. [38] os autores avaliaram pacientes com hipersono-lência e voluntários normais usando a pupilometria dinâmica e avaliaram a utilidade dessatécnica para o diagnostico da sonolência patológica em pacientes. Contudo, somente 51%dos pacientes com latência media menor que 10 min e 35% dos pacientes com latência desono média de 5 min puderam ser identificados pela pupilometria.

Segundo os autores a pupilometria está claramente associada com diferentes es-tados de alerta entre os grupos de pacientes. Contudo, na maioria dos casos a pupilometrianão substitui o Multiple Sleep Latency Test (MSLT).

Os pesquisadores poloneses Rózanowski et al. [51], apresentaram o Pupillo-graphic Sleepiness Test (PST) para avaliar o estado psicológico humano influenciado pelonível de sonolência pela observação da chamada curva de fadiga. O teste consiste em re-gistrar os movimentos espontâneos pupilares em uma sala totalmente escura (somentecom iluminação IR) e silenciosa por 11 minutos.

Segundo os autores, uma vez que o tamanho da pupila é controlado predomi-nantemente pela inibição simpática do núcleo parassimpático de Edinger-Westphal, mu-danças espontâneas no tamanho pupilar são consideradas como resultado do decréscimoda atividade central simpática. No estado de alerta reduzido, as mudanças no tamanhoda pupila ocorrem em um ritmo de oscilação mais lento. As chamadas curvas de fadiga.Segundo os autores, os resultados obtidos revelam que o tipo de estímulo luminoso temum impacto significante nos parâmetros de oscilação da pupila.

Os estudos anteriormente mencionados indicam que a pupilometria pode ser

1.3 Organização da Dissertação 22

usada para detectar uma série de doenças e condições tais como disfunções autonômicas,uso de drogas, fadiga, frequência cardíaca, Parkinson, neuropatia autonômica em pessoasdiabéticas, depressão entre outros, de maneira objetiva e não invasiva. Partindo desseprincípio e utilizando algumas das técnicas apresentadas nesses trabalhos, é objetivo destapesquisa aprimorar o entendimento sobre as modificações provocadas pela ingestão deálcool no comportamento pupilar.

1.3 Organização da Dissertação

Esse trabalho está estruturado em cinco capítulos. No primeiro capítulo é apre-sentada a introdução da pesquisa. No segundo capítulo detalha-se os materiais e méto-dos utilizados, a construção e o funcionamento do equipamento que realiza a pupilome-tria; a base de dados com os vídeos que foram gravados dos voluntários em estado sóbrioe alcoolizado; como foram feitas as medições do diâmetro pupilar; quais características dapupilometria foram consideradas; como foi feita a análise estatística e o reconhecimentode padrões. No terceiro capítulo apresenta-se os resultados da pupilometria, da análise es-tatística e da aplicação dos algoritmos de reconhecimento de padrões. No quarto capítulofaz-se uma análise e discussão acerca dos resultados encontrados e suas limitações. Porfim no capítulo cinco apresenta-se as conclusões alcançadas, as contribuições da pesquisae sugestões para trabalhos futuros.

CAPÍTULO 2Materiais e Métodos

Nesta seção, serão apresentados (1) conceitos relacionados ao reflexo pupilar ea anatomia do sistema ocular humano, (2) as características do equipamento de filmagem(pupilômetro), (3) a maneira como foram feitas as filmagens que compõe a base de dadosde vídeos e seus parâmetros de gravação, (4) como foi mensurado o diâmetro pupilarem cada um dos quadros (frames) das filmagens realizadas, (5) a análise estatísticados dados coletados e por fim, (6) a maneira como foram aplicados os algoritmos dereconhecimento de padrões no intuito de classificar os vídeos como pertencentes à classesóbria ou alcoolizada.

O Reflexo Pupilar à Luz (RPL) é uma reação involuntária da pupila frente a umestímulo luminoso externo, promovido pela interação entre o sistema nervoso simpáticoe parassimpático que compõem o sistema nervoso autônomo [49].

A pupilometria costuma ser realizada por clínicos gerais, oftalmologistas ouneurologistas [22, 31] e consiste na mensuração de características físicas tais comodiâmetro e formato da pupila. Ela pode ser realizada de maneira estática ou dinâmica.

A pupilometria estática, isto é farmacológica, é feita administrando-se substân-cias diretamente nos olhos do paciente para estimular a constrição (metacolina e pilo-carpina) ou dilatação (tropicamida e hidroxoanfetamina) pupilar. Esse método porem éinvasivo e está sujeito à permeabilidade da córnea de cada indivíduo [52].

A pupilometria dinâmica, por sua vez, [22] consiste na filmagem dos olhosutilizando câmeras com iluminação infravermelho, na estimulação da pupila com luzvisível e na analise do reflexo pupilar considerando características tais como o tempo dereação, a velocidade de contração, a velocidade de dilatação, o reflexo aferente e eferente,a simetria entre os olhos e outras características voltadas ao diagnóstico que se desejarealizar. Nesta pesquisa utilizou-se a pupilometria dinâmica.

Para realizar a pupilometria dinâmica foi necessário construir um dispositivopara filmagem dos olhos, entretanto, um dos desafios quando se está trabalhando comfilmagens do olho humano é a aplicação da técnica correta de captura da imagem. Essatarefa não é trivial, principalmente por causa da estrutura do olho humano, composta poresclera e íris que refletem bem a luz. Esses reflexos formam pontos que se sobrepõe às

24

imagens dificultando a correta mensuração dos movimentos de contração e dilatação dapupila.

Para aplicar a técnica correta é necessário que se compreenda o funcionamentodo sistema óptico humano. O nervo óptico transporta o sinal visual aferente captadopela retina até os núcleos pré-tectais no mesencéfalo. Os impulsos que se originamna retina nasal são conduzidos por fibras que fazem decussação no quiasma e seguempara o trato óptico oposto para terminar no núcleo pré-tectal contralateral. Cada núcleopré-tectal é conectado a ambos os núcleos de Edinger-Westphal. Dessa maneira, umestímulo luminoso unilateral provoca constrição pupilar bilateral e simétrica, esse efeitoé conhecido como reflexo consensual [15, 16, 27, 30].

Conforme pode ser visto na Figura 2.1. O núcleo de Edinger-Westphal é conec-tado ao gânglio ciliar. O neurônio motor pós-ganglionar deixa o gânglio ciliar e passaatravés dos nervos ciliares curtos para inervar o esfíncter da pupila.

Utilizar o reflexo consensual permite filmar um dos olhos e estimular o outrocom luz visível. Isso faz com que se obtenha praticamente a mesma resposta pupilar à luzque se teria ao filmar e estimular o mesmo olho, porém com a vantagem de se produzirimagens com menos reflexos luminosos, conforme pode ser visto nas Figuras 2.2.

Figura 2.1: Via anatômica do reflexo pupilar à luz. Imagem ex-traída do livro Oftalmologia Clínica [29].

2.1 Construção do Pupilômetro 25

(a) Imagem com mais reflexos luminosos (b) Imagem com menos reflexos luminosos

Figura 2.2: Exemplos de imagens com reflexos luminosos.

2.1 Construção do Pupilômetro

Para obter medidas precisas do comportamento pupilar, foi construído um pu-pilômetro, isto é, um equipamento que grava imagens da pupila com iluminação infraver-melho, estimula sua contração e dilatação, e permite a medição do diâmetro pupilar emcada instante da filmagem. O equipamento pode ser visto na Figura 2.3.

(a) Vista frontal. (b) Vista superior.

Figura 2.3: Oculos de filmagens da pupila - pupilômetro.

O equipamento é composto por dois compartimentos, cada um deles contendouma câmera de vídeo acoplada a quatro LEDs Infravermelho (IR) e a um LED emissor deluz branca. Os LEDs brancos são necessários para estimular os movimentos de contraçãoda pupila, para isso eles emitem luz visível com intensidade regulável de 1 a 38 lux.Os LEDs IR têm como função iluminar as filmagens sem interferir no comportamentopupilar. Como eles operam no comprimento de onda de 850nm e frequência abaixo de440Hz não fornecem estímulo visual para a pupila. Essa iluminação é necessária porque afilmagem ocorre no escuro pois o pupilômetro veda os olhos do voluntário da iluminaçãoexterior, para evitar que diferentes níveis de luminosidade interfiram na precisão dasmedições.


Os LEDs tanto brancos como IR estão dispostos em torno da câmera como podeser visto na Figura 2.4. Quando o equipamento é colocado pelo voluntário os LEDs ficamà distância funcional e segura de três centímetros dos olhos, para que voluntário possa sesubmeter às filmagens sem desconforto.

Figura 2.4: Visão interna do óculos de filmagem.

Para que as câmeras e os LED’s funcionassem de maneira sincronizada e paraque fossem configuráveis via software, utilizou-se uma placa de circuito integrado quegerenciasse o dispositivo como pode ser visto na Figura 2.5. Nessa imagem podem servisto o diagrama das trilhas da placa e os orifícios onde as câmeras ficam parafusadas.

Figura 2.5: Placa de circuito integrado do pupilômetro.

O esquema detalhado da placa onde cada conjunto de componentes possuideterminada função pode ser visto em detalhes na Figura 2.6.


Figura 2.6: Esquema de blocos dos circuitos que compõem o pu-pilômetro.

Seguem a especificação da função desempenhada por cada conjunto de compo-nentes da placa:

• o bloco 01 representa o circuito de reset que será mantido em nível alto para nãoreiniciar o micro controlador;

• o bloco 02 representa o cristal oscilador do micro controlador que estabelece afrequência (clock) do circuito;

• o bloco 03 mostra a representação do conjunto resistores que controlam os LEDsIR do olho direito;

• o bloco 04 mostra a representação do conjunto resistores que controlam os LEDsIR do olho esquerdo;

• o bloco 05 circuito dos LEDs brancos direito e esquerdo (nessa pesquisa, entretanto,somente o LED branco esquerdo foi utilizado);

• o bloco 06 representa o sinalizador sonoro (buzzer) de confirmação de comandosrecebidos;

• o bloco 07 representa os contados de solda para o cabo USB;• o bloco 08 mostra o filtro de tensão;• o bloco 09 representa a conexão USB, visto que o equipamento foi projetado para

ser conectado a um computador via interface USB 2.0;

2.2 Construção da Base de Dados de Vídeos 28

• o bloco 10 representa os contatos para programação do micro controlador, é ainterface que permite gravar e depurar o programa;

• o bloco 11 representa o micro controlador PIC18F2550, o qual foi programado paradisponibilizar quatro saídas PWM (pulse with modulation) que definirá de maneiraindependente a potência a ser entregue por cada LEDs.

O acionamento das câmeras, dos LEDs IR e dos LEDs brancos é controlado porsoftware e pode ser parametrizado conforme a necessidade da pesquisa. Nesse estudo asgravações tiveram duração de 50 segundos, os LEDs IR foram acionados durante todo operíodo da gravação e os LEDs brancos foram acionados com uma potência de 15 lux emintervalos de 10 em 10 segundos conforme mostrado na Tabela 2.1.

Tabela 2.1: Aplicação do estímulo visual.

Quadros Estímulo Visual1 - 300 OFF

301 - 600 ON601 - 900 OFF

901 - 1200 ON1201 - 1500 OFF

As câmeras utilizadas para registrar as imagens são ambas Point Grey firefly MV0.3 MP Mono USB 2.0 (Microm MTV022) cujo foco pode ser regulado externamente comauxilio de uma roldana adaptadas às câmeras.

A Figura 2.7 mostra exemplos de imagens sendo capturadas em diferentesperíodos de estimulação luminosa.

O software utilizado para realizar as filmagens foi desenvolvido em C++. Osparâmetros configuráveis no momento da gravação são: duração total do vídeo, quadroem que ocorrerá o início do estímulo visual, quadro em que será interrompido o estímulovisual, intensidade do estímulo luminoso, qual dos olhos será estimulado e qual dos olhosterá seus movimentos gravados.

Esses parâmetros fazem com que o pupilômetro desenvolvido seja suficiente-mente flexível para ser usado em outros tipos de diagnósticos que envolvam a pupilome-tria dinâmica.

2.2 Construção da Base de Dados de Vídeos

Após a escolha da técnica de filmagem e da construção do equipamento ade-quado para realização da pupilometria dinâmica, foram selecionados 49 voluntários apa-rentemente saudáveis, com características fisiológicas conforme descrito na Tabela 2.2,


(a) Imagem sem estimulação (pupiladilatada).

(b) Imagem com estimulação (pupilacontraída).

Figura 2.7: Imagens obtidas utilizando-se o pupilômetro.(a) e (b)

para se construir a base de dados com as filmagens de pessoas em estado sóbrio e alcoo-lizado.

No início de cada filmagem foi solicitado aos voluntários que permanecessemcom o pupilômetro por dois minutos antes do início da gravação para que a pupila seadaptasse ao escuro. Também foi solicitado que mantivessem os olhos abertos, olhandopara frente e evitassem piscar.

Tabela 2.2: Fisiologia dos voluntários.

71% Sexo Masculino53% Possui hábito de beber

Média Desvio Padrão Limite Inf. Limite Sup.Idade 28,78 7,87 19 55Altura (cm) 170,43 8,46 151 190Peso (kg) 76,37 18,83 45,1 119,9IMC1 26,08 5,44 18,4 39,6

1Índice de Massa Corporal

Após o período de adaptação foram realizadas em média nove gravações de cadavoluntário, inicialmente em estado sóbrio e posteriormente alcoolizado. As gravaçõesforam realizadas à taxa de 30 quadros por segundo. Essa frequência de gravação foiescolhida por estar acima da quantidade média de 24 quadros por segundo que uma pessoanormal é capaz identificar em um vídeo [19].

A intensidade de iluminação de 15 lux foi adota, por ser suficiente para esti-mular a pupila até a máxima contração sem causar desconforto para o voluntário. Di-ferentemente de outros estudos [13, 45, 54], nas filmagens desta pesquisa os olhos dosvoluntários estão completamente isolados da iluminação exterior, conforme ilustrado naFigura 2.8 que mostra o pupilômetro sendo usado por um voluntario.

A verificação da graduação alcoólica dos voluntários foi realizada com um etilô-metro da marca Mercury conforme Figura 2.9, que identifica a quantidade de álcool en-


(a) Visão frontal do voluntário. (b) Visão lateral do voluntário.

Figura 2.8: Voluntário utilizando o equipamento de filmagem.

contrada por litro de ar expelido (mg/L). Esse equipamento possui um sensor eletroquí-mico que reage ao álcool na faixa de 0.0mg/L até 2.0 mg/L.

Figura 2.9: Etiômetro utilizado na pesquisa.

Na fase sóbria das filmagens, os voluntários foram submetidos ao teste doetilômetro antes de ingerir qualquer bebida alcoólica para confirmar que estavam sóbriosa 0.0 mg/L. Depois de confirmada a sobriedade do voluntário foram feitas as filmagens.

Na fase alcoolizada para cada gravação os voluntários ingeriam bebida alcoólica(vodca, cerveja ou vinho) por cerca de 30 minutos e após a última ingestão esperavam10 minutos para que o álcool residual presente na boca se dissipasse e não distorcesseas medições. Imediatamente após esse período realizava-se o teste com o etilômetropara aferir a graduação alcoólica do voluntário então se iniciavam as filmagens com opupilômetro.

Cada um dos vídeos foi gerado com resolução de 640x480 pixels com duraçãode 50 segundos. A taxa de aquisição utilizada na gravação foi de 30 quadros por segundo,cada uma das filmagens produziu um arquivo com 1,28 GB. Os vídeos foram gravadossem nenhum compressão para que as imagens não sofressem perda de qualidade.

2.3 Extração do Diâmetro Pupilar por meio da Biblioteca OpenCV 31

Também foram coletados dados biométricos dos voluntários que pudessem au-xiliar no entendimento do comportamento pupilar. As seguintes características foram co-letadas após cada filmagem: temperatura corporal, pressão arterial, nível de oxigênio nosangue e frequência cardíaca.

Outras informações tais como: idade, sexo, peso, altura, percentual de gorduracorporal, percentual de massa óssea, percentual de massa muscular, índice de massacorporal e consumo calórico basal foram coletados uma única vez antes das filmagens.

Também foram registrados os seguintes hábitos comportamentais dos voluntá-rios: hábito de beber, caso afirmativo qual tipo de bebida costuma ingerir, qual a quan-tidade semanal, e há quanto tempo possuía esse hábito. Por fim foi questionado se ovoluntário estava tomando algum medicamento e caso estivesse foi registrado o nome damedicação.

Ao final do processo de gravação dos vídeos e medição dos dados biométricosfoi produzida uma base dados com 356 vídeos, realizados a partir de 49 voluntários,e uma planilha contendo os dados pertinentes a cada um dos vídeos e a cada um dosvoluntários. Essa planilha pode ser vista no Apêndice A. A base dados com os vídeos serádisponibilizada via web para pesquisas futuras.

2.3 Extração do Diâmetro Pupilar por meio da BibliotecaOpenCV

Após a realização das filmagens foi feia a extração quadro a quadro do diâmetropupilar de cada um dos 356 vídeos produzidos. O programa usado para segmentar osvídeos e extrair o diâmetro pupilar também foi desenvolvido em C++. Nas rotinas deextração foram utilizadas funções da biblioteca OpenCV 3.0 for Windows [43].

Para se obter o diâmetro pupilar foi realizada a segmentação da região dapupila em seis passos: partindo-se da imagem orignal Figura 2.10(a) (1) converteu-sea imagem para tons de cinza usando-se a função Gr2Gray e aplicou-se um filtro pararemover pixels demasiadamente claros considerados reflexos, esse procedimento resultounuma imagem semelhante à Figura 2.10(b). (2) Após remover os reflexos aplicou-seao quadro um filtro gaussiano usando a função BluerGaussian para embaçar a imageme reduzir seus possíveis ruídos, essa técnica foi proposta por Chaves et al [14, 47]resultando numa imagem semelhante à Figura 2.10(c). (3) Em seguida os píxels dosquadros foram convertidos para preto e branco considerando-se um valor de limiar pormeio da função Threshould, as imagens resultantes ficaram binarizadas conforme podeser visto na Figura 2.10(d). (4) Posteriormente utilizou-se a função morfológica Erode

para diminuir o tamanho dos contornos deixados pelo reflexo dos LEDs IR 2.10(e).(5) O

2.3 Extração do Diâmetro Pupilar por meio da Biblioteca OpenCV 32

próximo passo foi buscar os diversos contornos da imagem usando a função FindContours

que retorna todos os contornos existentes, como pode ser visto na Figura 2.10(f), e deposse desses contornos selecionou-se o maior e mais centralizado deles que levando-seem consideração as características da imagem que está sendo analisada conterá a regiãoda pupila como pode ser visto na Figura 2.10(g). (6) Por fim calculou-se o diâmetro empixels da região pupilar 2.10(h).

(a) Imagem original (b) Imagem com os reflexosremovidos

(c) Imagem embaçada

(d) Imagem binarizada (e) Imagem erodida (f) Contornos encontrados

(g) Melhor contorno encontrado (h) Diâmetro calculado

Figura 2.10: Imagens das etapas da segmentação pupilar.

Após a detecção da região da pupila e do cálculo de seu diâmetro foi gerado umarquivo TXT com 1.500 linhas contendo o diâmetro pupilar de cada um dos quadros dosvídeos gravados.

O pedido feito aos voluntários de não piscar e manterem seu olhar fixo nemsempre foi atendido. Em alguns casos, os movimentos dos olhos e das pálpebras dosvoluntários causaram ruídos ao sinal. Por isso os vídeos foram filtrados pela média davizinhança e picos de altas frequências causadas pelas piscadas foram removidos segundoo proposto por Bergamin [6], conforme pode ser visto na Figura 2.11. Os quadros queapresentaram olhos cerrados ou parcialmente fechados nos quais a pupila não pôde serdetectada foram descartados e nenhum valor foi atribuído a eles.

2.4 Descrição das Características Pupilares 33

Figura 2.11: Sinal original e filtrado pela média da vizinhança.

A normalização dos diâmetros dos vídeos não é recomendada, pois como noprocesso de normalização os dados são trazidos à média, características relevantes comoamplitude absoluta e amplitude relativa podem ter seus valores distorcidos.

2.4 Descrição das Características Pupilares

A curva resultante obtida a partir da medição do diâmetro pupilar de cada quadrodas filmagens é semelhante a apresentada na Figura 2.12. Essa curva permite observar ocomportamento pupilar em cinco estágios diferentes. Pode-se verificar graficamente quea pupila se mostra mais dilatada nos períodos sem estimulo luminoso e mais contraídanos períodos onde ocorre a estimulação.

Figura 2.12: Curva do comportamento pupilar.


A pupilometria realizada nesse estudo coletou 1500 pontos de medição determi-nando o diâmetro pupilar em pixels para cada quadro dos vídeos realizados. Posterior-mente para fazer as análises tanto estatísticas como de reconhecimento de padrões foramextraídas nove métricas (características) relacionadas ao diâmetro pupilar, são elas:

1. Máxima Dilatação (MD) - calculada a partir da média dos quadros em que apupila apresenta máxima dilatação. Essa métrica expressa o diâmetro máximoatingido pela pupila um segundo antes da aplicação do estímulo visual. Esse valor éencontrado entre os quadros 270 - 300 (no primeiro estímulo visual - MD1) e entreos quadros 870 - 900 (segundo estímulo visual - MD2).

2. Máxima Contratação (MC) - contém o menor diâmetro apresentado pela pupiladurante a filmagem. Esse valor é a média dos diâmetros nos 3 segundos iniciaisem que se aplica o estímulo luminoso, isto é, entre os quadros 301 - 390 (parao primeiro estímulo visual - MC1) e entre os quadros 901 - 990 (para o segundoestímulo visual - MC2).

3. Amplitude Relativa de Constrição (AR) - mostra em percentagem o quanto a pupilase contrai após a aplicação do estímulo visual. Esse valor é calculado conformeequação

AR1 =MC1MD1

∗100% (2-1)

AR2 =MC2MD2

∗100% (2-2)

4. Amplitude Absoluta de Constrição (AA) - mostra em valores absolutos a diferençaentre a máxima dilatação e a máxima contração após a aplicação do estímulo visual.

AA1 = MD1−MC1 (2-3)

AA2 = MD2−MC2 (2-4)

5. Latência (Lat) - mostra o tempo em segundos que a pupila leva para iniciar a reaçãode contração após a aplicação do estímulo luminoso. Esse valor é encontrado entreos quadros 301 - 390 (primeiro estímulo visual - LAT1) e entre os quadros 901 - 990(segundo estimulo visual - LAT2). Considera-se que se iniciou a reação ao estímuloluminoso quando o diâmetro se torna 10% menor que o diâmetro inicial.

6. Tempo para a máxima contração (TMC) - calcula o tempo em segundos necessáriopara que a pupila alcance sua máxima contração. Esse valor é encontrado entre osquadros 300 - 390 (primeiro estímulo visual - TMC1) e entre os quadros 900 - 990(segundo estímulo visual - TMC2).


7. Velocidade de Redilatação (VRD) - essa característica traz a velocidade em queocorre a redilatação da pupila após cessar a aplicação do estímulo luminoso. AVelocidade de redilatação do primeiro período - VRD1 é medida calculando-sea diferença entre a máxima dilatação no primeiro período (MaxD1) e a máximaconstrição nos cinco segundos seguintes após cessar o estímulo luminoso, isto é,do quadro 600 ao 750. A Velocidade de redilatação do segundo período - VRD2é calculada de forma semelhante à VRD1, porém, do quadro 1200 ao 1350. Asequações do cálculo da velocidade de redilatação são:

V RD1 =MaxD1−MC1

5segundos(2-5)

V RD2 =MaxD2−MC2

5segundos(2-6)

8. Tempo para Redilatação à 85% do diâmetro inicial (TRD85%) - mostra o temponecessário, após cessar o estímulo visual, para que a pupila dilate novamente atéatingir 85% do diâmetro inicial. TRD85%_1 é calculado do quadro 600 ao 899,TRD85%_2 é calculado do quadro 1200 ao 1499.

9. Tônus de Contração (Tonus) - o tônus representa a oscilação no movimento decontração pupilar, que pode ser medido calculando-se desvio padrão de cada quadroem relação à média do período de contração. Quando a pupila é estimulada comluz visível ela começa o processo de contração, entretanto ela não permanececompletamente estática em posição de contração, ela apresenta pequenas flutuaçõesem seu movimento de dilatação e contração chamado de Tônus de Contração. OTônus de contração do primeiro período - Tonus1 é medido pelo cálculo do desviopadrão da média do primeiro período de contração, isto é, do quadro 330 ao 420. OTonus2 é medido de maneira semelhante, porém, do quadro 930 ao 1020.

É importante salientar que a amplitude de constrição e o tempo de latência sãodefinidos pela atividade do sistema nervoso parassimpático, enquanto que a velocidade deredilatação é determinada pelo sistema nervoso simpático [7].

Para definir as métricas que seriam utilizadas nas análises, utilizou-se o trabalhoproposto por Chang et al. [13] e testes que apontaram essas características como as maispromissoras. O estudo de Chang guarda diversas semelhanças com esta dissertação vistoque também procura auxiliar algum diagnóstico com base no diâmetro pupilar. Contudo,no estudo de Chang et al. o estímulo utilizado por possuía duração de 0,6 a 2,1 segundoscom intensidade variando entre 25 e 35 lux, ou seja foram aplicados na forma de flashespara estimular a contração da pupila e os voluntários estavam e uma sala com iluminaçãoparcial.

2.5 Análise Estatística 36

Nesta dissertação, entretanto, optou-se por utilizar estímulos com 10 segundosde duração, intensidade de 15 lux e por isolar-se completamente os olhos do voluntárioda iluminação ambiente para que a pupilometria pudesse ser realizada de maneira portátilem qualquer tipo de iluminação sem influência externa.

As características escolhidas podem ser vistas na Figura 2.12 que mostra as novecaracterísticas mais relevantes extraídas a partir da curva pupilar. O gráfico mostra setecaracterísticas primárias e duas que foram derivadas da máxima dilatação (MD) e damáxima constrição (MC), são elas a amplitude absoluta de constrição (AA) e a amplituderelativa de constrição (AR). Como as características foram consideradas no primeiro esegundo período de filmagem tem-se então um total de 18 características que comporãoo vetor de características a ser utilizado nas análises tanto de reconhecimento de padrõescomo estatísticas.

Figura 2.13: Características obtidas a partir da curva do compor-tamento pupilar.

2.5 Análise Estatística

Após a extração das características mais relevantes da curva pupilométricarealizou-se uma análise estatística dos dados com o aplicativo SPSS (Statistical Packagefor the Social Sciences) versão 17.0.

Os testes de hipóteses foram calculados com nível de confiança de 95% e errode significância de 5%, o que significa que valores abaixo de 5% são estatisticamentesignificativos. Com o intuito de verificar possíveis diferenças estatísticas entre os gruposalcoolizado e sóbrio utilizou-se o teste paramétrico T-Student e para os dados não

2.6 Reconhecimento de Padrões 37

paramétricos utilizou-se o teste Mann-Whitney. A fim de verificar os pressupostos denormalidade dos dados usou-se o teste de kolmogorov Smirnov [33].

As correlações de Pearson (dados normais) e Spearman (dados não normais)foram empregadas para investigar a correlações entre as variáveis classificadas comoquantitativas.

2.6 Reconhecimento de Padrões

Nesse trabalho, foram usados dois algoritmos para reconhecimento de padrões:K-Nearest Neighbors (KNN) em sua forma individual e em comitê, e o Support Vector

Machine (SVM) em sua abordagem clássica, isto é, fazendo separação entre duas classes.O KNN é um algoritmo de aprendizado supervisionado introduzido por Aha

[2]. A ideia central desse algoritmo é encontrar os k vizinhos conhecidos (dados detreinamento) mais próximos da nova entrada (dado de teste), e classificar essa novaentrada conforme a classe mais frequente dos vizinhos conhecidos. Nesse trabalho k foidefinido como K = 3 e a medida de distância utilizada foi a distância euclidiana.

Na figura 2.14, pode-se ver um exemplo de classificação usando o KNN. Nesseexemplo se o k utilizado for igual a 5, isto é, for levado em consideração os cinco vizinhosmais próximos da nova entrada (conforme círculo negro) a nova entrada estrela seráclassificada como pertencente à classe 1 (quadrado) pois existem mais vizinhos da classe1 (três quadrados) do que vizinhos da classe 2 (dois pentágonos). Por outro lado, se ok utilizado for igual a 3 (conforme circulo roxo) a nova entrada será classificada comopertencente à classe 2 (pentágono), pois existem mais pentágonos (dois) do que quadrados(apenas um) próximos à nova entrada.

Figura 2.14: Exemplo de classificação utilizando KNN com K=3 ecom K=5.

Comitês (ensembles) são uma combinação de classificadores treinados separada-mente e combinados de forma que o resultado final da classificação seja uma ponderação


dos resultados de cada classificador (tipicamente por meio de votação) [56, 8, 48]. Oscomitês podem ser heterogêneos quando se considera os resultados de classificadores dis-tintos (e.g. SVM combinado com KNN) ou homogêneos quando um mesmo classificadoré aplicado ao conjunto de dados repetidas vezes. Nessa pesquisa optou-se por utilizar umcomitê homogêneo com 50 KNNs.

O SVM é um algoritmo de aprendizado supervisionado desenvolvido por Vapnik[18] que dentre os dados de treinamento determina os vetores de suporte que minimizamo erro quadrático e encontra o hiperplano com maior folga livre, isto é, que melhor separaas classes para classificação dos dados de teste [1], como pode ser visto na Figura 2.15. Oclassificador SVM foi utilizado nessa pesquisa com função de kernel linear. O parâmetroC, usado na fase de treinamento para determinar o quanto os outliers (pontos fora dacurva) serão levados em conta na escolha dos vetores de suporte [26] , foi definido como1.

Figura 2.15: Hiperplano ótimo SVM. [36]

Foi utilizado a técnica de validação cruzada (cross-validation) para garantir queos resultados possam ser generalizados independentemente do conjunto de dados deentrada. A validação cruzada consiste em dividir os dados de entrada em n partiçõesmutualmente exclusivas (k-fold). Em cada iteração, uma partição diferente é utilizada paratestar o classificador, e as outras partições são utilizadas para treinamento como pode servisto na Figura 2.16. A taxa de erros é a média de todas as taxas de erros calculadas nasn iterações. Quando a quantidade de entradas de uma classe é exatamente igual a n entãoa técnica de validação cruzada k-fold se assemelha à técnica leave-one-out que separauma das entradas para teste e as demais para treinamento na primeira iteração, depoissepara uma outra entrada para teste e novamente usa as demais para treinamento, e assimsucessivamente até que todas as entradas tenham sido usadas uma vez para teste. Nessetrabalho a técnica utilizada foi a validação leave-one-out que é indicada quando a base dedados é pequena.


Figura 2.16: Técnica de validação cruzada com K = 10.

A Tabela 3.7 mostra os resultados obtidos pelo KNN, pelo comitê homogêneo epelo SVM aplicados a todos os 356 vídeos dos 49 voluntários. A Tabela 3.8 por sua vez,mostra os resultados obtidos pelos algoritmos aplicados de maneira individualizada porvoluntário. Sendo que foi feita a análise somente para os voluntários que possuíam pelomenos mais de um vídeos sóbrio e mais de um vídeo alcoolizado.

CAPÍTULO 3Resultados

Nessa pesquisa foram realizadas 356 gravações de 49 pessoas que se voluntari-aram a ser testadas em estado sóbrio e alcoolizadas. Foram feitas de 3 a 33 gravações decada pessoa. Todos os vídeos foram filtrados pela média da vizinhança. Os quadros queapresentaram os olhos cerrados ou parcialmente fechados em que a pupila não pôde sermedida foram descartados. A construção do pupilômetro, da base de dados de filmagense de informações biométricas, a análise dos dados obtidos e a aplicação de algoritmos dereconhecimento de padrões tornou possível a obtenção dos resultados agora expostos.

3.1 Acurácia do Pupilômetro

O equipamento de filmagem e a metodologia de segmentação apresentou pre-cisão média geral de 96% ao se comparar o diâmetro medido pela pupilômetro com odiâmetro real mensurado manualmente com o auxílio de uma ferramenta de edição deimagens. A diferença média entre esses valores foi de 4% para mais ou para menos. Parase comprovar a precisão da pupilometria comparou-se os valores reais com os obtidos pelopupilômetro em 07 filmagens pertencentes a 07 voluntários distintos escolhidos aleatori-amente. Escolhidas as filmagens que seriam consideradas definiu-se que os quadros 150,750, 1050 e 1350 seriam utilizados na comparação dos diâmetros pupilares. Esses qua-dros foram escolhidos por serem pontos médios de cada período de filmagem. A Tabela3.1 mostra os valores medidos pelo pupilômetro desenvolvido nessa pesquisa, os valoresmedidos com a ferramenta de edição de imagens e a comparação entre essas medições.

Tabela 3.1: Comparação entre o diâmetro pupilar real e o medidopela metodologia proposta.

Voluntario: 01 Video:02 Nível Alcoólico: 03

Quadro Pupilometria Diâmetro Real Diferença em Pixels Diferença em %150 94,73 103 8,27 8%

Continua na próxima pagina

3.1 Acurácia do Pupilômetro 41

Tabela 3.1 – continuação da página anteriorQuadro Pupilometria Diâmetro Real Diferença em Pixels Diferença em %

450 61,00 61 0,00 0%

750 88,95 90 1,04 1%

1050 56,32 56 0,32 1%

1350 87,10 88 0,90 1%

Média 2,11 2%Voluntario: 16 Video:02 Nível Alcoólico: 03


450 80,65 79 1,65 2%

750 108,81 106 2,81 3%

1050 77,10 76 1,10 1%

1350 106,74 104 2,74 3%



450 51,19 55 3,80 7%

750 95,63 95 0,63 1%

1050 57,28 60 2,72 5%

1350 96,51 95 1,51 2%



450 52,55 57 4,44 8%

750 87,30 88 0,70 1%

1050 55,54 60 4,46 7%

1350 87,57 89 1,43 2%



450 68,96 72 3,04 4%

750 120,54 123 2,46 2%


3.2 Avaliação do Comportamento Pupilar 42

Tabela 3.1 – continuação da página anteriorQuadro Pupilometria Diâmetro Real Diferença em Pixels Diferença em %

1050 65,55 70 4,45 6%

1350 121,27 122 0,72 1%



450 71,38 79 7,61 10%

750 132,01 133 0,99 1%

1050 70,09 77 6,91 9%

1350 136,31 139 2,69 2%



450 62,18 69 6,82 10%

750 115,17 124 8,83 7%

1050 66,76 75 8,24 11%

1350 127,47 131 3,52 3%

Média 2,11 6%Média Geral 3,16 4%

3.2 Avaliação do Comportamento Pupilar

Para melhor compreender o comportamento da pupila comparou-se as médiasdas características selecionadas a partir dos vídeos de cada voluntário em estado sóbriocom as médias dessas características em estado alcoolizado. A fim de saber como a médiafoi alterada pela ingestão de álcool, se houve aumento ou diminuição nesses valores. ATabela 3.2 mostra para cada característica o percentual de voluntários que apresentaramaumento no valor médio após a ingestão de álcool. Inicialmente comparou-se a média dasfilmagens do voluntário sóbrio com todos os seus vídeos alcoolizados em qualquer nívelalcoólico, posteriormente entre sóbrios e alcoolizados à 0,3mg/L e por fim entre sóbriose alcoolizados à 0,5mg/L.


Tabela 3.2: Percentual de voluntários que tiveram aumento na ca-racterística após a ingestão de álcool.

Característica Sobrios x Alcool. Sobrios x Etil-0,3 Sobrios x Etil-0,5MD1 61% 63% 55%

MD2 59% 57% 55%

MC1 67% 55% 45%

MC2 57% 45% 50%

AA1 51% 55% 64%

AA2 45% 55% 50%

AR1 53% 45% 50%

AR2 59% 49% 45%

LAT1 55% 49% 36%

LAT2 63% 53% 41%

TMC1 57% 45% 68%

TMC2 49% 47% 45%

VRD1 43% 45% 59%

VRD2 41% 57% 36%

TRD85%-1 57% 47% 64%

TRD85%-2 57% 43% 59%

TONUS1 47% 53% 27%

TONUS2 51% 51% 36%

Analisando os dados é possível verificar que o percentual de pessoas em quehouve acréscimo à média, após a ingestão de alcool, está próximo a 50% em quasetodas as características. Isso indica que pode não haver um comportamento definidopara a ingestão de álcool. Por exemplo, para AA1 (amplitude absoluta no primeiroperíodo) 51% dos voluntários tiveram a amplitude aumentada, portanto em 49% das vezesocorreu o comportamento oposto onde a amplitude diminuiu após a ingestão de bebidaalcoólica. Esse fato corrobora o que foi dito por Arora et al. [3] que afirmam que háaproximadamente 50% de chance da pupila dilatar ou contrair com a ingestão de álcool.

3.3 Análise Estatística

Os objetivos das análises estatísticas foram (1) verificar a possibilidade deexistirem diferenças estatisticamente significativas entre as médias do grupo alcoolizado esóbrio, no que tange as variáveis do vetor de características; (2) verificar se existe alguma


associação entre os níveis alcoólicos e o vetor de características e por fim (3) verificar seo hábito de beber produziu alguma alteração nas médias do grupo sóbrio e alcoolizado (4)Verificar se há correlação entre as características nos dois períodos de filmagem.

Para o primeiro teste, as hipóteses levantadas foram:H0: A média dos dados contidos no vetor de características do grupo alcooli-

zado é igual ao do grupo sóbrio;

H1: A média dos dados do vetor de características do grupo alcoolizado não é

igual ao do grupo sóbrio.

O teste aplicado foi o paramétrico T-student, para os dados que seguiram distri-buição de probabilidade normal (MC1, MC2, AA1, AA2, VD1, VD2, TD85-2), já paraaqueles que não seguiram distribuição normal o teste aplicado foi o Mann-Whitney. Con-forme pode ser visto na Tabela 3.3, todas as variáveis apresentaram p-valor > 0,05, o queindica que a hipótese de que os grupos são iguais não será rejeitada. Logo, não podemosafirmar que existem diferenças estatisticamente significativas entre os grupos.

Tabela 3.3: Análise estatística das características agrupadas emestado sóbrio e alcoolizado

Sobrio AlcoolizadoCaracterística Média DP1 Média DP1 P-valor

MD1 126,86 22,39 127,57 25,71 0,95

MD2 115,39 18,76 114,20 19,95 0,43

MC1 74,20 14,15 72,83 14,67 0,37

MC2 67,33 12,66 67,55 15,43 0,43

AA1 52,65 17,18 54,73 21,02 0,31

AA2 48,06 14,85 46,65 17,93 0,42

AR1 0,59 0,09 0,58 0,12 0,12

AR2 0,59 0,09 0,60 0,12 0,95

LAT1 0,47 0,15 0,46 0,14 0,53

LAT2 0,46 0,16 0,45 0,15 0,79

TMC1 1,51 0,35 1,51 0,40 0,66

TMC2 1,34 0,40 1,31 0,46 0,42

VD1 7,33 2,30 7,28 2,28 0,82

VD2 8,28 2,52 8,05 2,88 0,44

TD85-1 4,99 2,65 5,38 3,13 0,29

TD85-2 3,33 1,99 3,51 2,12 0,42

Tonus1 6,95 4,45 6,83 4,40 0,74

Tonus2 4,47 2,30 4,25 2,09 0,46



Tabela 3.3 – continuação da página anteriorSobrio Alcoolizado

Característica Média DP1 Média DP1 P-valor1 Desvio Padrão

O segundo teste busca definir se os níveis alcoólicos influenciaram as médias.Nessa análise foram usados os testes de Pearson para os dados que seguem distribuiçãonormal e Spearman para os que não seguem. Os resultados podem ser vistos na Tabela 3.4e também não mostraram influência significativa dos níveis alcoólicos registrados com oetilômetro e as características do vetor.

Tabela 3.4: Correlação entre os nível de alcoolemia e as caracte-rísticas pupilométricas.

Característica Correlação P-valorMD1 -0,05 0,31

MD2 -0,08 0,16

MC1 -0,04 0,41

MC2 0,01 0,82

AA1 -0,02 0,77

AA2 -0,09 0,09

AR1 -0,03 0,55

AR2 0,06 0,26

LAT1 -0,07 0,19

LAT2 -0,07 0,21

TMC1 0,00 0,94

TMC2 -0,07 0,18

VD1 -0,04 0,44

VD2 -0,10 0,07

TD85-1 -0,01 0,92

TD85-2 0,00 0,94

Tonus1 -0,07 0,20

Tonus2 -0,09 0,09

O terceiro teste busca avaliar para os vídeos com os voluntários alcoolizados oquanto o hábito de beber alterou as características pupilométricas, utilizou a comparação


de T-Student para os dados que seguem distribuição normal e Mann-Whitney para os quenão seguem essa distribuição.

As hipóteses levantadas foram:Ho: A média do vetor característica daqueles que possuem o hábito de beber é

igual ao grupo das pessoas que não possuem o hábito;

H1: A média do vetor característica daqueles que possuem o hábito de beber

não é igual ao grupo das pessoas que não possuem o hábito.

Na Tabela 3.5, observa-se que as variáveis MD1, MD2, MC1, AA1, LAT1,AR1, AR2, LAT1, LAT2, TMC2, VD2, TD85-1, TD85-2, TONUS1, TONUS2 tiverammudanças em suas médias, conforme o hábito de beber (p-valor <0,05).

Tabela 3.5: Análise estatística das características considerando ohábito de beber.

Possui Hábito Não Possui HábitoCaracterística Média DP1 Média DP1 P-valor

MD1 112,78 21,61 136,94 23,69 0,002

MD2 104,97 17,94 120,04 19,00 0,002

MC1 67,38 14,89 76,29 13,50 0,002

MC2 65,51 14,44 68,84 15,96 0,18

AA1 45,40 17,21 60,65 21,14 0,002

AA2 39,46 15,05 51,20 18,17 0,002

AR1 0,60 0,12 0,57 0,11 0,042

AR2 0,63 0,12 0,58 0,13 0,002

LAT1 0,39 0,14 0,50 0,12 0,002

LAT2 0,39 0,13 0,50 0,15 0,002

TMC1 1,44 0,46 1,55 0,34 0,15

TMC2 1,13 0,47 1,42 0,41 0,002

VD1 7,02 2,49 7,44 2,13 0,25

VD2 7,32 2,59 8,52 2,97 0,012

TD85-1 4,09 2,60 6,21 3,18 0,002

TD85-2 2,61 1,54 4,09 2,24 0,002

Tonus1 4,99 3,17 7,99 4,69 0,002

Tonus2 3,53 1,59 4,72 2,25 0,002

1 Desvio Padrão 2 P-valor < 0,05

No quarto teste analisou-se cada uma das características do vetor de caracterís-ticas no intuito e comparar estatisticamente seu comportamento no primeiro período com


o segundo período. A intensão é saber se o comportamento pupilar é consistente, se a res-posta no primeiro período está correlacionada com a resposta pupilar no segundo período.Os resultados na Tabela 3.6 mostraram que existe correlação entre os períodos.

Tabela 3.6: Análise da correlação entre as características no pri-meiro e segundo período de gravação.

Sobrio AlcoolizadoCaracterística Correlação P-Valor Correlação P-valorMD1 x MD2 0,895 0,00 0,873 0,00

MC1 x MC2 0,823 0,00 0,778 0,00

AA1 x AA2 0,829 0,00 0,813 0,00

AR1 x AR2 0,762 0,00 0,772 0,00

LAT1 x LAT2 0,674 0,00 0,604 0,00

TMC1 x TMC1 0,620 0,00 0,545 0,00

VD1 x VD2 0,597 0,00 0,668 0,00

TD85-1 x TD85-2 0,4381 0,00 0,621 0,00

Tonus1 x Tonus2 0,603 0,00 0,544 0,001 Coeficiente < 0,5

Os coeficientes de Pearson e Spearman são apropriados para descobrir possíveisassociações entre as variáveis no primeiro e segundo período. Esses coeficientes são simi-lares, entretanto para dados normais Pearson é o mais adequado, caso contrário utiliza-seSpearman. Ambos os coeficientes são índices adimensionais com valores situados ente-1,0 e 1,0. Esses valores refletem a intensidade de uma relação linear entre dois conjuntosde dados. O valor +1 significa uma correlação perfeita positiva entre as duas variáveis, jáo valor -1 refere-se a uma correlação negativa perfeita entre as duas variáveis, isto é, seum aumenta a outra sempre diminui, por fim, o valor 0 significa que as duas variáveis nãodependem linearmente uma da outra. Cohen et. al [17] apresentam a seguinte classifica-ção no que diz respeito à magnitude do coeficiente: 0,10 < coeficiente < 0,29 = pequeno;0,30 < coeficiente < 0,49 = moderada e coeficiente > 0,50 = forte.

Observa-se nos 356 vídeos que todas as variáveis no primeiro período estãocorrelacionadas com a mesma variável no segundo período, no entanto, não existe umacorrelação perfeita. Ressalta-se ainda que, para as variáveis TD85-1 e TD85-2 no gruposóbrio a correlação encontrada foi moderada. Todas as demais variáveis apresentaramcorrelações classificadas como forte.


3.4 Reconhecimento de Padrões

O objetivo dessa análise utilizando algoritmos de reconhecimento de padrões éclassificar os vídeos como pertencentes a classe sóbrio ou alcoolizado. Para isso o vetorde características resultante da pupilometria realizada nos 49 voluntários foi submetido aoalgoritmo de reconhecimento de padrões KNN, a um ensemble homogêneo de 50 KNN’se ao SVM. Em uma primeira análise foi submetido aos algorítimos todos os vídeos sóbrioe alcoolizado sem separá-los por voluntário, o resultado dessa análise pode ser visto naTabela 3.7.

Tabela 3.7: Taxa de acerto dos algoritmos de reconhecimento depadrões aplicados a todos os vídeos.

KNN% Ensemble KNN% SVM%60,11 60,67 56,74

Posteriormente foi feita a análise com os mesmo algoritmos, mas de maneiraindividualizada considerando os vídeos sóbrios e alcoolizados do mesmo voluntário. Aquantidade mínima de vídeos necessária por voluntário para que fosse feita essa análisefoi de ao menos quatro vídeos por voluntário. Pessoas com quantidade inferior de vídeosforam desconsideradas dessa análise. Os resultados podem ser vistos na Tabela 3.8.

Tabela 3.8: Taxa de acerto dos algoritmos de reconhecimento depadrões aplicados por voluntário.

Voluntário Qtd. Videos KNN% Ensemble KNN% SVM%01 10 80,00 80,00 70,00

09 05 60,00 60,00 60,00

12 05 80,00 80,00 60,00

14 05 80,00 60,00 60,00

17 05 60,00 60,00 60,00

18 05 100,00 60,00 60,00

19 07 57,14 71,43 71,43

20 05 80,00 60,00 60,00

21 33 78,78 84,84 84,84

22 06 00,00 66,66 66,66

23 06 33,33 66,00 66,66

26 08 37,50 62,50 62,50



Tabela 3.8 – continuação da página anteriorVoluntário Qtd. Videos KNN % Ensemble KNN % SVM %

27 08 37,50 50,00 62,50

30 24 83,33 87,50 87,50

31 06 33,33 33,33 0,00

32 06 50,00 83,33 0,00

33 08 62,50 62,50 62,50

34 09 88,88 88,88 55,55

35 08 25,00 50,00 0,00

36 12 58,33 66,66 0,00

37 08 62,50 75,00 0,00

38 08 75,00 75,00 0,00

39 09 55,55 66,66 66,66

40 08 62,50 62,50 0,00

41 16 68,75 81,25 68,75

42 08 87,50 87,50 62,50

43 10 50,00 60,00 0,00

44 08 75,00 75,00 62,50

45 07 85,71 85,71 57,14

46 10 60,00 50,00 0,00

47 10 40,00 70,00 60,00

48 10 10,00 50,00 60,00

49 13 53,84 38,46 61,54

Média 9,3 59,76 67,01 46,94

CAPÍTULO 4Análise e Discussão

As imagens capturadas pelo equipamento desenvolvido mostraram possuir qua-lidade adequada para as análises e não houve a necessidade de se repetir os testes sejapor erros nas medições seja por defeitos nas imagens. Em alguns casos, entretanto, osmovimentos feitos pelos voluntários piscando ou olhando para as laterais do equipamentoinseriram ruídos na curva obtida. Para contornar esse problema foi feita a filtragem dosinal utilizando o algoritmo da vizinhança média. Dessa forma os resultados da mediçãopupilar foram satisfatórios com acurácia média de 96%.

Os resultados obtidos na avaliação do comportamento pupilar buscaram trazermais informações sobre os efeitos do consumo de álcool e sua complexa interação comreflexo pupilar.

Alguns vídeos evidenciaram claramente a existência de diferenças entre o com-portamento pupilar de uma pessoa em estado sóbrio e dessa mesma pessoa em estadoalcoolizado. Especialmente quando se compara o vídeo 10 (sóbrio) com o vídeo 05 (al-coolizado) do voluntário 01 ou ainda quando se compara o vídeo 01 (sóbrio) com o vídeo03 (alcoolizado) do voluntário 04, como pode ser visto nos gráficos das Figuras 4.1 e 4.2.Nesses gráficos pode-se observar diferenças entre as linhas azuis nas quais o comporta-mento das curvas segue o padrão esperado e as linhas vermelhas nas quais os voluntáriosestão alcoolizados e o comportamento pupilar se mostra completamente atípico. Essa di-ferença tão acentuada ocorreu após a ingestão de quantidades consideravelmente altas debebida alcoólica e com o etilômetro indicando taxas de alcoolemia próximas a 0,5 mg/L .

51

0 500 1000 150055

60

65

70

75

80

85

90

95

100Voluntário: 1

Frames

Dia

met

er −

in p

ixel

SobrioAlcoolizado

Figura 4.1: Curvas com comportamento pupilar fortemente alte-rado. Voluntário 01, vídeo 10 e vídeo 05.

0 500 1000 150040

50

60

70

80

90

100

110

120Voluntário: 4

Frames

Dia

met

er −

in p

ixel

SobrioAlcoolizado

Figura 4.2: Curvas com comportamento pupilar fortemente alte-rado. Voluntário 04, vídeo 01 e vídeo 03.

52

Entretanto, quando ocorre a ingestão de quantidades menores de bebida alcoólicaas diferenças não são tão evidentes como pode ser visto nos gráficos da Figura 4.3.

0 500 1000 150040

60

80

100

120

140

160

180Voluntário: 49

Frames

Dia

met

er −

in p

ixel

SobrioAlcoolizado

Figura 4.3: Curvas com comportamento pupilar levemente alte-rado. Voluntário 49, vídeo 04 e vídeo 13.

Como o álcool deprime tanto o sistema nervoso autônomo simpático, que é res-ponsável pela midríase (dilatação pupilar), como também o parassimpático que promove amiose (contração pupilar) a tendência do comportamento pupilar pode ser ora de dilataçãoora de contração, isso torna a correlação entre causa e efeito bastante dificultada.

Em relação aos resultados da aplicação de algoritmos de reconhecimento depadrões é possível verificar que o problema não é facilmente classificável, na média a taxade classificação ficou entre 47% e 67% de acerto, o que não pode ser considerado uma boataxa de classificação. Embora haja diferenças no comportamento pupilar do estado sóbriopara alcoolizado essas diferenças variam de pessoa para pessoa, e isso tornou difícil aclassificação dos voluntários por meio dos algoritmos utilizados.

Para melhor entender a dificuldade em fazer a classificação dos voluntários,submeteu-se o vetor de características à uma análise usando principal component analysis

(PCA) um procedimento estatístico, descrito pela primeira vez por Karl Pearson em 1901,que consiste em realizar transformações lineares ortogonais para transferir os dados paraum novo sistema de coordenadas de forma que a maior variância por qualquer projeção

53

dos dados fica ao longo da primeira característica (primeira componente principal), asegunda maior variância fica ao longo da segunda característica (segunda componenteprincipal), e assim por diante [28]. Com essa análise é possível reduzir a dimensionalidadedo vetor de características. Para visualizar a distribuição dos dados, selecionou-se astrês componentes principais, que melhor explicam a variância dos dados, como podeser visto nas Figuras 4.4 e 4.5. Analisando-se os gráficos é possível observar que osdados encontram-se agrupados, sem uma distribuição espacial que os distingua e por issoa classificação usando todos vídeos sem individualizá-los por voluntário não alcançouíndices satisfatórios de acerto, conforme foi apresentado na Tabela 3.7.

−100

−50

0

50

100

−60−40

−200

2040

6080

−80

−60

−40

−20

0

20

40

PC 2PC 1

PC

3

SobrioAlcoolizado

Figura 4.4: Visão lateral da nuvem de pontos obtida usando PCA.

4.1 Limitações da Pupilometria 54

−100

−80

−60

−40

−20

0

20

40

60

80

100

−60

−40

−20

0

20

40

60

80

−100

0

100

PC 2PC 1

PC

3

SobrioAlcoolizado

Figura 4.5: Visão Superior da nuvem de pontos obtida usandoPCA.

Entretanto quando se faz as análises de maneira individualizada e com umaquantidade razoável de vídeos de um determinado voluntário os resultados tendem a sermelhores, como pode ser visto na Tabela 4.1.

Tabela 4.1: Melhores taxas de acerto aplicando-se os algoritmosde reconhecimento de padrões.

Voluntário Qtd. Videos KNN % Ensemble KNN % SVM %01 10 80,00 80,00 70,00

21 33 78,78 84,84 84,84

30 24 83,33 87,50 87,50

41 16 68,75 81,25 68,75

Média 20,75 77,71 83,40 77,77

4.1 Limitações da Pupilometria

Uma limitação inerente à pupilometria dinâmica é que o reflexo pupilar humanopode ser influenciado por diversos fatores tais como: degeneração neurológica, problemas

4.2 Limitações deste Estudo 55

oculares, retinopatia e outras condições fisiológicas que podem acabar interferindo noresultado da pupilometria.

4.2 Limitações deste Estudo

Nesse estudo buscou-se realizar os experimentos com o máximo rigor possível,entretanto alguns fatores podem ser considerados como limitantes quanto ao alcance dosresultados, são eles:

• No início das filmagens pretendia-se ter vídeos de pessoas com graduações alcoó-licas de 0,0 mg/L , 0,3 mg/L e 0,5 mg/L, entretanto, constatou-se que chegar agraduação de 0,5 mg/L é desconfortável para alguns voluntários especialmente paraaqueles que não possuem hábito de beber. Então se passou a filmar pessoas com gra-duações alcoólicas menores, isso reduziu a quantidade total de vídeos a 0,5 mg/L;

• Como o equipamento foi sendo aperfeiçoado e evoluiu para versões mais precisas efáceis de usar durante a pesquisa, parte das filmagens foi feita com um equipamentoe parte com outro;

• Vários tipos de bebidas foram ingeridas pelos voluntários (alguns preferiam cerveja,outros vodca e outros vinho), não se sabe se isso pode afetar ou não a reação pupilar;

• O equipamento não possui um ponto focal onde o voluntário pudesse olhar durantea filmagem, caso existisse poderia tornar mais fácil para o voluntário manter o olharfixo;

• A quantidade de três filmagens adotada no inicio da pesquisa se mostrou insufici-ente para as análises de reconhecimento de padrões, então se passou a filmar pelomenos oito vídeos de cada novo voluntário, mas para os que já haviam sido filmadospermaneceu a quantidade inicial;

• A quantidade total de 49 voluntários, todos com mais de três vídeos e 33 com maisde quatro, se mostrou suficiente para as análises. Expandir essa quantidade podeaumentar ainda mais a robustez das conclusões;

• A segmentação pupilar possui média de 96% de precisão na medição, taxas maiorespoderiam contribuir ainda mais para o estudo;

• O intervalo de exposição à luz de 10 segundos utilizado nessa pesquisa permiteque se conheça toda a curva de adaptação da pupila e suas flutuações espontâneas(Tônus). Entretanto, caso não haja interesse nessas flutuações pode-se considerar autilização de intervalos de estimulação menores ou mesmo a aplicação de flashesde 40 milissegundos conforme [41] para tornar a filmagem mais prática;

• O tempo total de gravação das filmagens de 50 segundos foi estabelecido parafins de pesquisa para que se obtivesse a totalidade do movimento de constrição

4.2 Limitações deste Estudo 56

e dilatação da pupila, entretanto, seria proveitoso minimiza esse tempo para tornaro método mais adequado a aplicações reais.

CAPÍTULO 5Conclusões

Nessa sessão serão apresentadas as conclusões alcançadas acerca do equipa-mento desenvolvido. Também serão apresentadas as conclusões sobre as análises reali-zadas nos vídeos e nos dados biométricos dos voluntários submetidos ao experimento.

O pupilômetro construído se mostrou portátil, não invasivo e efetivo na identifi-cação e mensuração do diâmetro pupilar. Fatores que poderiam interferir nos testes, taiscomo: variação na iluminação ambiente, intensidade do estímulo luminoso e a maneirade aplicar o estímulo foram devidamente padronizados. Além disso, a praticidade, capa-cidade de configuração e custo de construção inferior a R$ 4.000,00 (quatro mil reais),faz com que o uso do equipamento desenvolvido possa ser recomendado na medição doreflexo pupilar e em outros tipos de diagnósticos que envolvam a pupilometria dinâmica.

Pelo apresentado na Tabela 3.2, vê-se que o álcool afeta o comportamentopupilar, mas esses efeitos não são uniformes para todas as pessoas. Determinada pessoapode ter sua pupila dilatada pela ingestão de determinada quantidade de álcool, outraingerindo a mesma quantidade pode ter a pupila contraída. Percebe-se também que aalteração pupilar não é proporcionar à quantidade de álcool ingerida, ingerir mais álcoolnão necessariamente ampliará as alterações no comportamento pupilar. Entretanto osexperimentos sugerem que pode haver um determinado limite de ingestão que quandoultrapassado faz com que a curva se comporte de maneira atípica conforme visto nasFiguras 4.1 e 4.2.

A analise estatística por sua vez não mostrou diferenças significativas entre asmédias das nove características do grupo de pessoas sóbrias e as médias do grupo depessoas alcoolizadas.

Também não mostrou correlação entre o nível de alcoolemia e o vetor decaracterísticas. Evidenciou, entretanto que o hábito de beber (uma das característicascomportamentais) influenciou seis das nove características do vetor de características.

Por fim, mostrou ainda que as métricas no primeiro período estão correlacionadasàs métricas do segundo período indicando que o reflexo pupilar se comporta de maneiraconsistente.

5.1 Contribuições 58

Observar as reações pupilares de alguns voluntários que ingeriram quantidadesmais altas de álcool tornou possível corroborar a afirmação de que o álcool afeta ocomportamento pupilar. Comparar os gráficos de pessoas sóbria com pessoas muitoalcoolizadas tornou possível atestar essas alterações. Contudo, não foi possível determinarum padrão para os efeitos do consumo de álcool em cada uma das nove característicasselecionadas.

As taxas de acerto alcançadas pela aplicação dos algoritmos de reconhecimentode padrões em todos os vídeos, apresentadas na Tabela 3.7, mostram que a detecção daalcoolemia por meio dos algoritmos KNN e SVM ainda não é precisa o suficiente parasubstituir métodos tradicionais, tais como o exame de sangue e o uso do etilômetro nadetecção da alcoolemia.

A utilização desses algoritmos somente se mostrou viável quando eles sãoaplicados a vídeos de um mesmo voluntário e quando existem bastantes vídeos (pelomenos 20) para serem usados no treinamento. Dessa forma a aplicação dessa metodologiase restringe a ambientes onde seja fácil obter diversos vídeos de uma mesma pessoa.

Testar pessoas na chegada em seus locais de trabalho (como um ponto eletrô-nico), para evitar que consumam bebidas alcoólicas e executem atividades críticas podeser uma das utilizações do pupilômetro desenvolvido. Entretanto, serão necessários maisexperimentos para determinar a quantidade mínima de vídeos que garantam boas taxasde acerto na detecção da alcoolemia. Por fim, verifica-se que o fato do teste não ter con-tato com sangue, saliva ou qualquer outra secreção tornar prática sua repetição com afrequência que se fizer necessária.

5.1 Contribuições

As principais contribuições dessa pesquisa foram:

• A construção de um equipamento com câmeras e iluminação IR especialmenteadaptado para realização de vídeos da pupila;

• A criação de uma metodologia de segmentação que permite identificar e medir comprecisão a região da pupila;

• A criação de uma base de vídeos de 356 vídeos de 49 pessoas em estado sóbrioe alcoolizados, que pretende-se disponibilizar na web para auxiliar em pesquisasfuturas;

• Selecionar características da curva pupilométrica que podem indicar o estadoalcoolizado;

• Avaliar o comportamento pupilar por meio de uma análise estatística e da aplicaçãode algoritmos de reconhecimento de padrões;

5.2 Trabalhos Futuros 59

5.2 Trabalhos Futuros

Essa pesquisa pode ser estendida por trabalhos futuros que venham a melhorar oalgoritmo de segmentação elevando sua taxa média de acerto que hoje está em 96%;

Que aumentem a base de vídeos que hoje possui 356 filmagens, de preferênciacom a segmentação ocorrendo simultaneamente às filmagens para que os vídeos queapresentassem alguma distorção pudessem ser descartados imediatamente e a filmagemfosse repetida;

Ou ainda por pesquisas que testem outras metodologias de estimulação, apli-cando, por exemplo, luz branca em intervalos rápidos (flashs) ou aplicando estímuloscom LED’s que emitam luz colorida;

Por fim, essa pesquisa pode ser ampliada por trabalhos que estendam o diagnós-tico do consumo de álcool para outras drogas, tais como maconha, cocaína, ou mesmopara condições fisiológicas tais como estado emocional, privação de sono, stress, depres-são.

5.3 Publicações

A partir do estudo realizado nesta dissertação foram elaborados e aceitos parapublicação quatro artigos em congressos internacionais e dois artigos em congressosnacionais listados a seguir em ordem decrescente do ano de publicação.

1. A new approach to detect use of alcohol through iris videos using computer vision.In: 18th International Conference on Image Analysis and Processing - ICIAP, 2015,Genova. A new approach to detect use of alcohol through iris videos using computervision. Genova: Springer International Publishing, 2015. v. 1. p. 598-608.

2. An electronic device to record consensual reflex in human pupil. In: 15th WorldCongress on Health and Biomedical Informatics - MedInfo (Qualis B1), 2015, SãoPaulo. Amsterdam Netherlands: IOS Press BV, 2015. v. 216. p. 906-906.

3. Development of an effective method and a portable device to evaluate the pupillaryreflex. In: 28th IEEE International Symposium on Computer-Based Medical Sys-tems - CBMS (Qualis B1), 2015, São Carlos and Ribeirão Preto. Proceedings of28th IEEE International Symposium on Computer-Based Medical Systems, 2015.v.1. p.1 - 5.

4. Metodologia e Dispositivo Portátil para Avaliação do Reflexo Pupilar. In: Twenty-first Americas Conference on Information Systems - AMCIS (Qualis B1), 2015,Puerto Rico. AMCIS PROCEEDINGS. AIS Electronic Library (AISeL), 2015.

5. Avaliação da Alcoolemia através do Reflexo Pupilar e Visão Computadorizada.In: XXXVIII Congresso Brasileiro de Oftalmologia, 2015, Florianópolis - SC.

5.3 Publicações 60

Avaliação da Alcoolemia através do Reflexo Pupilar e Visão Computadorizada. SãoPaulo - SP: ABO - Arquivos Brasileiros de Oftalmologia, 2015. v. 78. p. 21-21.

6. Human Iris Segmentation on Videos Obtained via Natural Lighting from SmartPho-nes. In: Workshop de Visão Computacional - WVC 2014 Uberlândia. Proceedingsof X Workshop de Visão Computacional, 2014, v.1. p.242 - 248.

Também foi auferida a premiação de melhor trabalho da região centro-oeste de2015. Obtida com o artigo: Avaliação da Alcoolemia Através do Reflexo Pupilar e VisãoComputadorizada. Concedida pelo Conselho Brasileiro de Oftalmologia.

Referências Bibliográficas

[1] ABE, S. Support vector machines for pattern classification. Springer, 2010.

[2] AHA, D. W.; KIBLER, D.; ALBERT, M. K. Instance-based learning algorithms.

Machine learning, 6(1):37–66, 1991.

[3] ARORA, S. S.; VATSA, M.; SINGH, R.; JAIN, A. Iris recognition under alcohol

influence: a preliminary study. In: Biometrics (ICB), 2012 5th IAPR International

Conference on, p. 336–341. IEEE, 2012.

[4] BAR, K.-J.; SCHULZ, S.; KOSCHKE, M.; HARZENDORF, C.; GAYDE, S.; BERG,

W.; VOSS, A.; YERAGANI, V. K.; BOETTGER, M. K. Correlations between the

autonomic modulation of heart rate, blood pressure and the pupillary light

reflex in healthy subjects. Journal of the neurological sciences, 279(1):9–13, 2009.

[5] BARDALE, R. Principles of forensic medicine and toxicology. JP Medical Ltd,

2011.

[6] BERGAMIN, O.; ZIMMERMAN, M. B.; KARDON, R. H. Pupil light reflex in normal

and diseased eyes: diagnosis of visual dysfunction using waveform partitio-

ning. Ophthalmology, 110(1):106–114, 2003.

[7] BOEV, A. N.; FOUNTAS, K. N.; KARAMPELAS, I.; BOEV, C.; MACHINIS, T. G.; FEL-

TES, C.; OKOSUN, I.; DIMOPOULOS, V.; TROUP, C. Quantitative pupillometry: nor-

mative data in healthy pediatric volunteers. Journal of Neurosurgery: Pediatrics,

103(6):496–500, 2005.

[8] BREIMAN, L. Bagging predictors. Machine learning, 24(2):123–140, 1996.

[9] BROWN, B.; ADAMS, A. J.; HAEGERSTROM-PORTNOY, G.; JONES, R. T.; FLOM,

M. C. Pupil size after use of marijuana and alcohol. American journal of

ophthalmology, 83(3):350–354, 1977.

[10] BURNS, M. Oculomotor and pupil tests to identify alcohol impairment. In:

Proceedings International Council on Alcohol, Drugs and Traffic Safety Conference,


volume 1995, p. 877–880. International Council on Alcohol, Drugs and Traffic Safety,

1995.

[11] CANVER, M. C.; CANVER, A. C.; REVERE, K. E.; AMADO, D.; BENNETT, J.; CHUNG,

D. C. Algorithm for pupillometric data analysis. In: Bioengineering Conference,

Proceedings of the 2010 IEEE 36th Annual Northeast, p. 1–2. IEEE, 2010.

[12] CARPENTER, R. H. Movements of the eyes (2nd rev. Pion Limited, 1988.

[13] CHANG, D. S.; ARORA, K. S.; BOLAND, M. V.; SUPAKONTANASAN, W.; FRIEDMAN,

D. S. Development and validation of an associative model for the detection of

glaucoma using pupillography. American journal of ophthalmology, 156(6):1285–

1296, 2013.

[14] CHAVEZ, R. F. L.; IANO, Y.; SABLON, V. I. B. Processo de reconhecimento

de íris humana: localização rápida de íris. Revista do Instituto Nacional de

Telecomunicações, 9(01), 2006.

[15] CHEN, Y.; ADJOUADI, M.; HAN, C.; WANG, J.; BARRETO, A.; RISHE, N.; ANDRIAN,

J. A highly accurate and computationally efficient approach for unconstrained

iris segmentation. Image and Vision Computing, 28(2):261–269, 2010.

[16] CHEN, Y.; WANG, J.; HAN, C.; WANG, L.; ADJOUADI, M. A robust segmentation

approach to iris recognition based on video. In: Applied Imagery Pattern Recog-

nition Workshop, 2008. AIPR’08. 37th IEEE, p. 1–8. IEEE, 2008.

[17] COHEN, J.; COHEN, P.; WEST, S. G.; AIKEN, L. S. Applied multiple regres-

sion/correlation analysis for the behavioral sciences. Routledge, 2013.

[18] CORTES, C.; VAPNIK, V. Support-vector networks. Machine learning, 20(3):273–

297, 1995.

[19] COSTA, R. M. D.; GONZAGA, A. Dynamic features for iris recognition. Systems,

Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on, 42(4):1072–1082,

2012.

[20] FERRARI, G. L.; MARQUES, J. L.; GANDHI, R. A.; HELLER, S. R.; SCHNEIDER, F. K.;

TESFAYE, S.; GAMBA, H. R. Using dynamic pupillometry as a simple screening

tool to detect autonomic neuropathy in patients with diabetes a pilot study.

Biomedical Engineering Online, 2010.

[21] FILIPE, J. A. C.; FALCAO-REIS, F.; CASTRO-CORREIA, J.; BARROS, H. Assess-

ment of autonomic function in high level athletes by pupillometry. Autonomic

Neuroscience, 104(1):66–72, 2003.


[22] FOTIOU, F.; FOUNTOULAKIS, K.; GOULAS, A.; ALEXOPOULOS, L.; PALIKARAS, A.

Automated standardized pupillometry with optical method for purposes of

clinical practice and research. Clinical Physiology, 20(5):336–347, 2000.

[23] GIBB, K. A.; YEE, A. S.; JOHNSTON, C. C.; MARTIN, S. D.; NOWAK, R. M. Accuracy

and usefulness of a breath alcohol analyzer. Annals of emergency medicine,

13(7):516–520, 1984.

[24] GIZA, E.; FOTIOU, D.; BOSTANTJOPOULOU, S.; KATSAROU, Z.; KARLOVASITOU,

A. Pupil light reflex in parkinson’s disease: evaluation with pupillometry.

International Journal of Neuroscience, 121(1):37–43, 2011.

[25] HOVAGIMIAN, H.; WALKER, C.; GRANQUIST-FRASER, D.; TURKOVICH, J. Develop-

ment of a remote pupillometer system for non-invasive, distant analysis. In: Bi-

oengineering Conference (NEBEC), 2012 38th Annual Northeast, p. 153–154. IEEE,

2012.

[26] HSU, C.-W.; CHANG, C.-C.; LIN, C.-J.; OTHERS. A practical guide to support

vector classification. 2003.

[27] JAN, F.; USMAN, I.; AGHA, S. Iris localization in frontal eye images for less

constrained iris recognition systems. Digital Signal Processing, 22(6):971–986,

2012.

[28] JOLLIFFE, I. Principal component analysis. Wiley Online Library, 2002.

[29] KANSKI, J. J. Oftalmología clínica. Elsevier Brasil, 2012.

[30] KAWASAKI, A.; CRIPPA, S. V.; KARDON, R.; LEON, L.; HAMEL, C. Characterization

of pupil responses to blue and red light stimuli in autosomal dominant retini-

tis pigmentosa due to nr2e3 mutation. Investigative Ophthalmology and Visual

Science, 53(9):5562–5569, 2012.

[31] LAENG, B.; SIROIS, S.; GREDEBÄCK, G. Pupillometry a window to the precons-

cious? Perspectives on psychological science, 7(1):18–27, 2012.

[32] LÉON, L.; CRIPPA, S. V.; BORRUAT, F.-X.; KAWASAKI, A. Differential effect of long

versus short wavelength light exposure on pupillary re-dilation in patients with

outer retinal disease. Clinical & experimental ophthalmology, 40(1):e16–e24, 2011.

[33] LILLIEFORS, H. W. On the kolmogorov-smirnov test for normality with mean and

variance unknown. Journal of the American Statistical Association, 62(318):399–

402, 1967.


[34] LÜDTKE, H.; WILHELM, B.; ADLER, M.; SCHAEFFEL, F.; WILHELM, H. Mathematical

procedures in data recording and processing of pupillary fatigue waves. Vision

research, 38(19):2889–2896, 1998.

[35] MARTINEZ-RICARTE, F.; CASTRO, A.; POCA, M. A.; SAHUQUILLO, J.; EXPOSITO,

L.; ARRIBAS, M.; APARICIO, J. Infrared pupillometry. Basic principles and their

application in the non-invasive monitoring of neurocritical patients. Neurolog{í}a

(English Edition), 28(1):41–51, 2013.

[36] MATLAB. MatLab. http://www.mathworks.com/help/stats/

support-vector-machines-for-binary-classification.html#buq4yzy-1,

2016. [Online; acessado em 15-May-2016].

[37] MCGOVERN, P. E.; FLEMING, S. J.; KATZ, S. H. The origins and ancient history

of wine: food and nutrition in history and antropology. Routledge, 2003.

[38] MCLAREN, J. W.; HAURI, P. J.; LIN, S.-C.; HARRIS, C. D. Pupillometry in clinically

sleepy patients. Sleep Medicine, 3(4):347–352, 2002.

[39] MEUNIER, F.; LAPERRIÈRE, D. A video-based image processing system for

the automatic implementation of the eye involuntary reflexes measurements

involved in the Drug Recognition Expert (DRE). AICCSA 08 - 6th IEEE/ACS

International Conference on Computer Systems and Applications, p. 599–605, 2008.

[40] MEUNIER, F. On the automatic detection of alcohol related driving impairments

using a video-based image processing system: A feasability evaluation. In:

Canadian Multidisciplinary Road Safety Conference XVI, p. 11–14, 2006.

[41] MUPPIDI, S.; ADAMS-HUET, B.; TAJZOY, E.; SCRIBNER, M.; BLAZEK, P.; SPAETH,

E. B.; FROHMAN, E.; DAVIS, S.; VERNINO, S. Dynamic pupillometry as an

autonomic testing tool. Clinical Autonomic Research, 23(6):297–303, 2013.

[42] NUSKE, H. J.; VIVANTI, G.; HUDRY, K.; DISSANAYAKE, C. Pupillometry reveals

reduced unconscious emotional reactivity in autism. Biological psychology,

101:24–35, 2014.

[43] OPENCV. Open Source Computer Vison. http://opencv.org/, 2016. [Online;

acessado em 14-Jan-2016].

[44] ORGANIZATION, W. H.; OTHERS. Global status report on alcohol and health-2014.

World Health Organization, 2014.

http://www.mathworks.com/help/stats/support-vector-machines-for-binary-classification.html#buq4yzy-1

http://www.mathworks.com/help/stats/support-vector-machines-for-binary-classification.html#buq4yzy-1

http://opencv.org/


[45] PARNANDI, A.; GUTIERREZ-OSUNA, R. Contactless measurement of heart rate

variability from pupillary fluctuations. In: Affective Computing and Intelligent

Interaction (ACII), 2013 Humaine Association Conference on, p. 191–196. IEEE,

2013.

[46] PAVA, M. J.; WOODWARD, J. J. A review of the interactions between alcohol and

the endocannabinoid system: implications for alcohol dependence and future

directions for research. Alcohol, 46(3):185–204, 2012.

[47] PINHEIRO, H.; COSTA, R.; LAUREANO, G.; ROMERO, R.; SOARES, F.; GALDINO,

L. Human iris segmentation on videos obtained via natural lighting from

smartphones. Workshop de Visao Computacional - WVC 2014, Uberlandia,

1(1):242–248, 2014.

[48] POLIKAR, R. Ensemble based systems in decision making. Circuits and systems

magazine, IEEE, 6(3):21–45, 2006.

[49] PURVES, D.; BRANNON, E. M.; CABEZA, R.; HUETTEL, S. A.; LABAR, K. S.; PLATT,

M. L.; WOLDORFF, M. G. Principles of cognitive neuroscience, volume 83.

Sinauer Associates Sunderland, MA, 2008.

[50] RICHMAN, J. E.; MCANDREW, K. G.; DECKER, D.; MULLANEY, S. C. An evaluation

of pupil size standards used by police officers for detecting drug impairment.

Optometry-Journal of the American Optometric Association, 75(3):175–182, 2004.

[51] RÓZANOWSKI, K.; SONDEJ, T.; LEWANDOWSKI, J. Pupillometric sleepiness mea-

surements pst with concurrent video optic sensor of pupillary size. Biocyberne-

tics and Biomedical Engineering, 2015.

[52] SMITH, S. A.; SMITH, S. Pupil function: tests and disorders. Autonomic failure,

3rd edn. Oxford University Press, Oxford, p. 421–441, 1992.

[53] VIALA-ARTIGUES, J.; MECHETTI, C. Histoire de lalcool archéologie partie 1, 2003.

[54] VOLPE, N. J.; PLOTKIN, E. S.; MAGUIRE, M. G.; HARIPRASAD, R.; GALETTA,

S. L. Portable pupillography of the swinging flashlight test to detect afferent

pupillary defects. Ophthalmology, 107(10):1913–1921, 2000.

[55] WANG, J.; FAN, Y.; ZHAO, X.; CHEN, N. Pupillometry in chinese female patients

with depression: A pilot study. International journal of environmental research and

public health, 11(2):2236–2243, 2014.


[56] XU, L.; KRZYZAK, A.; SUEN, C. Y. Methods of combining multiple classifiers and

their applications to handwriting recognition. Systems, Man and Cybernetics,

IEEE Transactions on, 22(3):418–435, 1992.

[57] YANOFF, M.; DUKER, J. S. Oftalmologia. Elsevier Brasil, 2011.

APÊNDICE ADados biométricos

Seguem relacionadas as planilhas com os dados biométricos coletados de cadaum dos voluntários.

A.1 Primeira parte

User - código do voluntário;Teste - número do teste;Data - data em que foi realizado a filmagem;Horário Horário da última refeição - horário da última refeição do voluntário;Bafómetro - valor medido pelo bafômetro mercury com a quantidade de álcool

por litro de ar expelido (mg/L).

User Teste Data Horário

Horário da

última

refeição

Bafometro

1 28/05/2014 8:46:00 PM 7:00:00 PM 0

2 28/05/2014 9:06:00 PM 7:00:00 PM 0,08

3 28/05/2014 9:25:00 PM 7:00:00 PM 0,19

4 28/05/2014 9:49:00 PM 7:00:00 PM 0,51

5 28/05/2014 10:03:00 PM 7:00:00 PM 0,45

6 28/05/2014 10:21:00 PM 7:00:00 PM 0,49

7 28/05/2014 10:36:00 PM 7:00:00 PM 0,43

8 12/06/2014 2:38:00 PM 1:45:00 PM 0

9 12/06/2014 3:12:00 PM 1:45:00 PM 0,08

10 12/07/2014 4:00:00 PM 2:00:00 PM 0

1 26/03/2014 3:06:06 PM 12:10:00 PM 0

2 26/03/2014 4:14:00 PM 12:10:00 PM 0,33

3 26/03/2014 4:48:12 PM 12:10:00 PM 0,5

1 26/03/2014 3:31:18 PM 12:20:00 PM 0

2 26/03/2014 4:24:15 PM 12:20:00 PM 0,3

3 26/03/2014 5:03:34 PM 12:20:00 PM 0,5

4 14/06/2014 1:24:00 PM 8:00:00 AM 0

1 26/03/2014 3:48:15 PM 12:20:00 PM 0

2 26/03/2014 4:30:52 PM 12:20:00 PM 0,38

3 26/03/2014 6:05:52 PM 12:20:00 PM 0,56

1 28/03/2014 3:41:41 PM 11:30:00 AM 0

2 28/03/2014 4:13:49 PM 11:30:00 AM 0,3

3 28/03/2014 4:26:21 PM 11:30:00 AM 0,5

1 28/03/2014 4:04:40 PM 12:40:00 PM 0

2 28/03/2014 4:33:57 PM 12:40:00 PM 0,32

3 28/03/2014 4:55:14 PM 12:40:00 PM 0,55

1 03/04/2014 2:27:56 PM 11:50:00 AM 0

2 03/04/2014 3:13:53 PM 11:50:00 AM 0,29

3 03/04/2014 3:49:00 PM 11:50:00 AM 0,54

1 04/04/2014 4:41:25 PM 3:15:00 PM 0

2 04/04/2014 5:18:47 PM 3:15:00 PM 0,3

3 04/04/2014 5:43:00 PM 3:15:00 PM 0,57

1 12/04/2014 11:18:34 AM 7:30:00 AM 0

2 12/04/2014 11:18:34 AM 7:30:00 AM 0

3 12/04/2014 11:18:34 AM 7:30:00 AM 0

4 12/04/2014 11:51:18 AM 7:30:00 AM 0,35

5 12/04/2014 1:19:07 PM 7:30:00 AM 0,55

1 12/04/2014 11:22:49 AM 9:30:00 PM 0

2 12/04/2014 12:32:11 PM 9:30:00 PM 0,3

3 12/04/2014 12:52:42 PM 9:30:00 PM 0,53

1 12/04/2014 11:26:25 AM 7:00:00 AM 0

2 12/04/2014 1:26:26 PM 7:00:00 AM 0,3

3 12/04/2014 1:48:53 PM 7:00:00 AM 0,5

1 22/04/2014 10:14:03 PM 8:15:00 PM 0

2 22/04/2014 10:14:03 PM 8:15:00 PM 0

3 22/04/2014 10:14:03 PM 8:15:00 PM 0

4 22/04/2014 10:46:50 PM 8:15:00 PM 0,31

5 22/04/2014 11:37:12 PM 8:15:00 PM 0,51

1 25/04/2014 8:44:33 PM 6:30:00 PM 0

2 25/04/2014 9:23:07 PM 6:30:00 PM 0,33

3 25/04/2014 9:55:10 PM 6:30:00 PM 0,52

1 25/04/2014 12:01:16 AM 10:00:00 PM 0

2 25/04/2014 12:01:16 AM 10:00:00 PM 0

3 25/04/2014 12:01:16 AM 10:00:00 PM 0

7

8

9

10

11

12

13

14

6

1

2

3

4

5

4 25/04/2014 12:36:06 AM 10:00:00 PM 0,3

5 25/04/2014 1:03:28 AM 10:00:00 PM 0,49

1 26/04/2014 10:57:07 AM 9:50:00 AM 0

2 26/04/2014 11:15:15 AM 9:50:00 AM 0,3

3 26/04/2014 12:30:54 PM 9:50:00 AM 0,51

1 01/05/2014 5:09:37 PM 1:30:00 PM 0

2 01/05/2014 5:28:43 PM 1:30:00 PM 0,34

3 01/05/2014 5:50:40 PM 1:30:00 PM 0,56

1 02/05/2014 9:31:00 PM 9:00:00 PM 0

2 02/05/2014 9:31:00 PM 9:00:00 PM 0

3 02/05/2014 9:31:00 PM 9:00:00 PM 0

4 02/05/2014 10:42:03 PM 9:00:00 PM 0,31

5 02/05/2014 11:20:51 PM 9:00:00 PM 0,55

1 04/05/2014 9:59:46 PM 9:35:00 PM 0

2 04/05/2014 9:59:46 PM 9:35:00 PM 0

3 04/05/2014 9:59:46 PM 9:35:00 PM 0

4 04/05/2014 10:41:17 PM 9:35:00 PM 0,33

5 04/05/2014 10:55:08 PM 9:35:00 PM 0,53

1 04/05/2014 10:06:37 PM 9:35:00 PM 0

2 04/05/2014 10:06:37 PM 9:35:00 PM 0

3 04/05/2014 10:06:37 PM 9:35:00 PM 0

4 04/05/2014 10:37:26 PM 9:35:00 PM 0,33

5 04/05/2014 11:01:29 PM 9:35:00 PM 0,49

6 24/11/2014 10:18:00 PM 9:35:00 PM 0

7 24/11/2014 10:20:00 PM 9:35:00 PM 0

1 06/05/2014 9:12:49 PM 8:30:00 AM 0

2 06/05/2014 9:12:49 PM 8:30:00 AM 0

3 06/05/2014 9:12:49 PM 8:30:00 AM 0

4 06/05/2014 9:33:06 PM 8:30:00 AM 0,34

5 06/05/2014 10:23:31 PM 8:30:00 AM 0,55

1 12/05/2014 10:31:00 AM 9:30:00 AM 0

2 12/05/2014 11:11:00 AM 9:30:00 AM 0,31

3 12/05/2014 11:54:00 AM 9:30:00 AM 0,51

4 10/10/2014 10:45:00 PM 8:00:00 PM 0

5 10/10/2014 11:22:00 PM 8:00:00 PM 0

6 10/10/2014 11:39:00 PM 8:00:00 PM 0

7 11/10/2014 1:58:00 PM 1:00:00 PM 0

8 07/11/2014 2:53:24 PM 1:00:00 PM 0

9 14/11/2014 3:14:03 PM 1:00:00 PM 0

10 12/01/2015 5:29:51 PM 0

11 12/01/2015 5:31:34 PM 0

12 12/01/2015 5:32:38 PM 0

13 12/01/2015 5:44:59 PM 0

14 12/01/2015 5:46:01 PM 0

15 12/01/2015 5:47:09 PM 0

16 12/01/2015 5:58:00 PM 0

17 12/01/2015 5:59:06 PM 0

18 12/01/2015 6:00:22 PM 0

19 12/01/2015 6:10:59 PM 0

20 12/01/2015 6:12:02 PM 0

21 12/01/2015 6:13:14 PM 0

22 12/01/2015 6:21:53 PM 0

23 12/01/2015 6:22:58 PM 0

24 12/01/2015 6:24:52 PM 0

25 12/01/2015 6:34:30 PM 0

26 12/01/2015 6:35:47 PM 0

27 12/01/2015 6:36:50 PM 0

28 16/01/2015 11:04:06 PM 0

19

20

21

18

15

16

17

29 16/01/2015 11:38:13 PM 0

30 16/01/2015 11:39:19 PM 0

31 17/01/2015 1:24:17 AM 20:00:00 0,12

32 17/01/2015 2:49:38 AM 20:00:00 0,24

33 17/01/2015 2:50:39 AM 20:00:00 0,44

1 29/05/2014 4:33:00 PM 5:00:00 PM 0

2 22/05/2014 6:25:00 PM 5:00:00 PM 0,26

3 22/05/2014 6:50:00 PM 5:00:00 PM 0,53

4 29/11/2014 1:54:24 PM 5:00:00 PM 0

5 29/11/2014 2:02:43 PM 5:00:00 PM 0

6 29/11/2014 2:07:02 PM 5:00:00 PM 0

1 23/05/2014 10:03:00 PM 10:20:00 PM 0

2 23/05/2014 10:03:00 PM 10:20:00 PM 0

3 23/05/2014 12:48:00 AM 10:20:00 PM 0,36

4 23/05/2014 1:43:00 AM 10:20:00 PM 0,59

5 11/11/2014 7:53:22 PM 10:20:00 PM 0

6 11/11/2014 10:15:37 PM 10:20:00 PM 0

1 23/05/2014 11:01:00 PM 10:50:00 PM 0

2 23/05/2014 12:44:00 AM 10:50:00 PM 0,3

3 23/05/2014 1:52:00 AM 10:50:00 PM 0,54

1 20/06/2014 8:31:00 PM 10:00:00 PM 0

2 20/06/2014 10:04:00 PM 10:00:00 PM 0,31

3 21/06/2014 11:39:00 PM 10:00:00 PM 0,45

1 14/09/2014 5:00:00 PM 0

2 14/09/2014 5:00:00 PM 0

3 14/09/2014 5:00:00 PM 0

4 14/09/2014 5:00:00 PM 0,35

5 14/09/2014 5:00:00 PM 0,35

6 14/09/2014 5:00:00 PM 0,35

7 14/09/2014 5:00:00 PM 0,68

8 14/09/2014 5:00:00 PM 0,68

1 14/09/2014 5:00:00 PM 0

2 14/09/2014 5:00:00 PM 0

3 14/09/2014 5:00:00 PM 0

4 14/09/2014 5:00:00 PM 0,35

5 14/09/2014 5:00:00 PM 0,35

6 14/09/2014 5:00:00 PM 0,35

7 14/09/2014 5:00:00 PM 0,53

8 14/09/2014 5:00:00 PM 0,53

1 19/09/2014 9:34:00 PM 8:40:00 PM 0

2 19/09/2014 10:15:00 PM 8:40:00 PM 0,24

3 19/09/2014 10:46:00 PM 8:40:00 PM 0,34

1 21/09/2014 12:31:00 AM 12:00:00 AM 0

2 21/09/2014 1:06:00 AM 12:00:00 AM 0,14

3 21/09/2014 1:43:00 AM 12:00:00 AM 0,3

4 21/09/2014 2:35:00 AM 12:00:00 AM 0,37

1 23/10/2014 7:17:00 PM 9:30:00 PM 0

2 23/10/2014 7:23:00 PM 9:30:00 PM 0

3 23/10/2014 10:18:00 PM 9:30:00 PM 0

4 23/10/2014 11:43:00 PM 9:30:00 PM 0,19

5 24/10/2014 12:25:00 AM 9:30:00 PM 0,35

6 24/10/2014 1:28:00 AM 9:30:00 PM 0,42

7 12/01/2015 5:15:30 PM 1:00:00 PM 0

8 12/01/2015 5:16:52 PM 1:00:00 PM 0

9 12/01/2015 5:18:07 PM 1:00:00 PM 0

10 12/01/2015 5:37:11 PM 1:00:00 PM 0

11 12/01/2015 5:38:30 PM 1:00:00 PM 0

12 12/01/2015 5:39:40 PM 1:00:00 PM 030

22

23

24

25

26

27

28

29

13 12/01/2015 5:51:08 PM 1:00:00 PM 0

14 12/01/2015 5:52:29 PM 1:00:00 PM 0

15 12/01/2015 5:53:32 PM 1:00:00 PM 0

16 12/01/2015 6:03:51 PM 1:00:00 PM 0

17 12/01/2015 6:04:56 PM 1:00:00 PM 0

18 12/01/2015 6:07:12 PM 1:00:00 PM 0

19 12/01/2015 6:16:32 PM 1:00:00 PM 0

20 12/01/2015 6:17:34 PM 1:00:00 PM 0

21 12/01/2015 6:18:38 PM 1:00:00 PM 0

22 12/01/2015 6:29:09 PM 1:00:00 PM 0

23 12/01/2015 6:30:09 PM 1:00:00 PM 0

24 12/01/2015 6:31:24 PM 1:00:00 PM 0

1 23/10/2014 7:12:00 PM 9:30:00 PM 0

2 23/10/2014 11:47:00 PM 9:30:00 PM 0,31

3 24/10/2014 12:34:00 AM 9:30:00 PM 0,4

4 24/10/2014 12:50:00 AM 9:30:00 PM 0,48

5 04/11/2014 4:54:00 PM 9:30:00 PM 0

6 04/11/2014 7:12:00 PM 9:30:00 PM 0

1 25/10/2014 10:10:00 PM 11:00:00 PM 0

2 25/10/2014 10:49:00 PM 11:00:00 PM 0

3 25/10/2014 11:16:00 PM 11:00:00 PM 0

4 26/10/2014 12:30:00 AM 11:00:00 PM 0,16

5 26/10/2014 1:40:00 AM 11:00:00 PM 0,26

6 26/10/2014 1:58:00 AM 11:00:00 PM 0,26

1 31/10/2014 9:36:00 AM 6:00:00 PM 0

2 03/11/2014 4:05:00 PM 6:00:00 PM 0

3 05/11/2014 2:15:40 PM 6:00:00 PM 0

4 15/11/2014 3:11:54 PM 6:00:00 PM 0

5 17/11/2014 6:34:32 PM 6:00:00 PM 0

6 17/11/2014 6:52:57 PM 6:00:00 PM 0,28

7 17/11/2014 7:06:15 PM 6:00:00 PM 0,28

8 17/11/2014 7:24:37 PM 6:00:00 PM 0,27

1 17/10/2014 5:58:00 PM 4:30:00 PM 0

2 31/10/2014 5:56:00 PM 4:30:00 PM 0

3 03/11/2014 4:08:00 PM 4:30:00 PM 0

4 07/11/2014 7:01:00 PM 4:30:00 PM 0

5 07/11/2014 7:43:00 PM 4:30:00 PM 0,17

6 07/11/2014 8:17:00 PM 4:30:00 PM 0,43

7 07/11/2014 8:30:00 PM 4:30:00 PM 0,4

8 07/11/2014 8:38:00 PM 4:30:00 PM 0,44

9 07/11/2014 8:54:00 PM 4:30:00 PM 0,47

1 06/11/2014 4:43:00 PM 3:00:00 PM 0

2 07/11/2014 2:50:00 PM 3:00:00 PM 0

3 15/11/2014 205246 3:00:00 PM 0

4 15/11/2014 210034 3:00:00 PM 0

5 15/11/2014 210454 3:00:00 PM 0,12

6 15/11/2014 212940 3:00:00 PM 0,28

7 15/11/2014 215744 3:00:00 PM 0,4

8 15/11/2014 222551 3:00:00 PM 0,56

1 03/11/2014 4:12:37 PM 12:00:00 PM 0

2 05/11/2014 5:09:52 PM 12:00:00 PM 0

3 10/11/2014 4:46:10 PM 12:00:00 PM 0

4 23/01/2015 7:57:25 PM 7:30:00 PM 0

5 23/01/2015 7:58:35 PM 7:30:00 PM 0

6 23/01/2015 7:59:38 PM 7:30:00 PM 0

7 23/01/2015 8:59:29 PM 7:30:00 PM 0,19

8 23/01/2015 9:00:32 PM 7:30:00 PM 0,19

9 23/01/2015 9:37:44 PM 7:30:00 PM 0,36

31

32

33

34

35

36

30

10 23/01/2015 9:39:06 PM 7:30:00 PM 0,36

11 23/01/2015 10:41:44 PM 7:30:00 PM 0,53

12 23/01/2015 10:42:54 PM 7:30:00 PM 0,53

1 06/11/2014 4:47:53 PM 4:30:00 PM 0

2 11/11/2014 11:31:04 AM 4:30:00 PM 0

3 14/11/2014 3:08:55 PM 4:30:00 PM 0

4 14/11/2014 6:03:49 PM 4:30:00 PM 0

5 14/11/2014 6:23:47 PM 4:30:00 PM 0,05

6 14/11/2014 6:58:50 PM 4:30:00 PM 0,09

7 14/11/2014 7:36:40 PM 4:30:00 PM 0,2

8 14/11/2014 8:11:00 PM 4:30:00 PM 0,37

1 09/11/2014 11:19:14 PM 11:30:00 PM 0

2 21/11/2014 11:21:20 PM 11:30:00 PM 0

3 21/11/2014 11:48:43 PM 11:30:00 PM 0

4 21/11/2014 11:57:58 PM 11:30:00 PM 0

5 22/11/2014 12:17:26 AM 11:30:00 PM 0,24

6 22/11/2014 12:39:05 AM 11:30:00 PM 0,37

7 22/11/2014 1:18:21 AM 11:30:00 PM 0,52

8 22/11/2014 1:31:13 AM 11:30:00 PM 0,54

1 10/11/2014 7:40:46 PM 2:00:00 PM 0

2 10/11/2014 8:00:39 PM 2:00:00 PM 0

3 10/11/2014 8:05:14 PM 2:00:00 PM 0

4 10/11/2014 8:09:28 PM 2:00:00 PM 0

5 10/11/2014 8:12:22 PM 2:00:00 PM 0

6 10/11/2014 8:21:57 PM 2:00:00 PM 0

7 10/11/2014 8:55:07 PM 2:00:00 PM 0,31

8 10/11/2014 9:19:05 PM 2:00:00 PM 0,5

9 10/11/2014 9:37:12 PM 2:00:00 PM 0,53

1 11/11/2014 7:21:10 PM 5:00:00 PM 0

2 11/11/2014 7:41:44 PM 5:00:00 PM 0

3 11/11/2014 7:49:33 PM 5:00:00 PM 0

4 11/11/2014 8:04:54 PM 5:00:00 PM 0

5 11/11/2014 8:29:20 PM 5:00:00 PM 0,13

6 11/11/2014 9:15:53 PM 5:00:00 PM 0,27

7 11/11/2014 9:51:11 PM 5:00:00 PM 0,38

8 11/11/2014 10:11:58 PM 5:00:00 PM 0,39

1 19/02/2015 10:09:27 PM 9:30:00 PM 0

2 19/02/2015 10:13:51 PM 9:30:00 PM 0

3 19/02/2015 10:17:18 PM 9:30:00 PM 0

4 19/02/2015 10:19:24 PM 9:30:00 PM 0

5 19/02/2015 10:21:10 PM 9:30:00 PM 0

6 19/02/2015 11:13:34 PM 9:30:00 PM 0,14

7 19/02/2015 11:15:16 PM 9:30:00 PM 0,14

8 19/02/2015 11:17:56 PM 9:30:00 PM 0,13

9 19/02/2015 11:20:32 PM 9:30:00 PM 0,13

10 19/02/2015 11:22:24 PM 9:30:00 PM 0,13

11 19/02/2015 11:58:09 PM 9:30:00 PM 0,21

12 19/02/2015 12:06:19 AM 9:30:00 PM 0,2

13 19/02/2015 12:10:38 AM 9:30:00 PM 0,18

14 19/02/2015 12:46:19 AM 9:30:00 PM 0,34

15 19/02/2015 12:50:12 AM 9:30:00 PM 0,25

16 19/02/2015 12:54:21 AM 9:30:00 PM 0,24

1 21/02/2015 7:04:27 PM 6:25:00 PM 0

2 21/02/2015 7:08:40 PM 6:25:00 PM 0

3 21/02/2015 7:11:54 PM 6:25:00 PM 0

4 21/02/2015 7:15:09 PM 6:25:00 PM 0

5 21/02/2015 7:18:40 PM 6:25:00 PM 0

6 21/02/2015 8:15:25 PM 6:25:00 PM 0,23

42

37

38

39

40

41

7 21/02/2015 8:20:07 PM 6:25:00 PM 0,23

8 21/02/2015 8:23:50 PM 6:25:00 PM 0,2

1 21/02/2015 6:43:25 PM 6:00:00 PM 0

2 21/02/2015 6:48:12 PM 6:00:00 PM 0

3 21/02/2015 6:52:06 PM 6:00:00 PM 0

4 21/02/2015 6:55:39 PM 6:00:00 PM 0

5 21/02/2015 6:58:59 PM 6:00:00 PM 0

6 21/02/2015 8:04:18 PM 6:00:00 PM 0,57

7 21/02/2015 8:08:10 PM 6:00:00 PM 0,58

8 21/02/2015 11:39:49 PM 6:00:00 PM 0,2

9 21/02/2015 11:42:34 PM 6:00:00 PM 0,18

10 21/02/2015 11:46:27 PM 6:00:00 PM 0,16

1 21/02/2015 7:29:27 PM 5:00:00 PM 0

2 21/02/2015 7:33:00 PM 5:00:00 PM 0

3 21/02/2015 7:35:54 PM 5:00:00 PM 0

4 21/02/2015 7:39:06 PM 5:00:00 PM 0

5 21/02/2015 7:42:24 PM 5:00:00 PM 0

6 21/02/2015 8:29:29 PM 5:00:00 PM 0,3

7 21/02/2015 8:33:43 PM 5:00:00 PM 0,32

8 21/02/2015 8:37:38 PM 5:00:00 PM 0,31

1 21/02/2015 8:47:48 PM 11:30:00 AM 0

2 21/02/2015 8:51:09 PM 11:30:00 AM 0

3 21/02/2015 8:56:27 PM 11:30:00 AM 0

4 21/02/2015 9:00:33 PM 11:30:00 AM 0

5 21/02/2015 10:02:39 PM 11:30:00 AM 0,39

6 21/02/2015 10:06:49 PM 11:30:00 AM 0,47

7 21/02/2015 10:10:12 PM 11:30:00 AM 0,43

1 21/03/2015 9:11:33 PM 5:00:00 PM 0

2 21/03/2015 9:15:08 PM 5:00:00 PM 0

3 21/03/2015 9:18:33 PM 5:00:00 PM 0

4 21/03/2015 9:21:46 PM 5:00:00 PM 0

5 21/03/2015 10:16:52 PM 5:00:00 PM 0,36

6 21/03/2015 10:20:45 PM 5:00:00 PM 0,34

7 21/03/2015 10:24:55 PM 5:00:00 PM 0,35

8 21/03/2015 11:09:41 PM 5:00:00 PM 0,24

9 21/03/2015 11:13:10 PM 5:00:00 PM 0,18

10 21/03/2015 11:16:37 PM 5:00:00 PM 0,19

1 21/02/2015 9:40:42 PM 6:00:00 PM 0

2 21/02/2015 9:44:08 PM 6:00:00 PM 0

3 21/02/2015 9:51:47 PM 6:00:00 PM 0

4 21/02/2015 9:55:59 PM 6:00:00 PM 0

5 21/02/2015 10:31:09 PM 6:00:00 PM 0,32

6 21/02/2015 10:35:18 PM 6:00:00 PM 0,39

7 21/02/2015 10:38:49 PM 6:00:00 PM 0,41

8 21/02/2015 11:22:55 PM 6:00:00 PM 0,47

9 21/02/2015 11:25:49 PM 6:00:00 PM 0,47

10 21/02/2015 11:29:06 PM 6:00:00 PM 0,49

1 28/02/2015 9:02:00 PM 4:30:00 PM 0

2 28/02/2015 9:02:00 PM 4:30:00 PM 0

3 28/02/2015 9:02:00 PM 4:30:00 PM 0

4 28/02/2015 9:02:00 PM 4:30:00 PM 0

5 28/02/2015 9:02:00 PM 4:30:00 PM 0,21

6 28/02/2015 9:02:00 PM 4:30:00 PM 0,2

7 28/02/2015 9:02:00 PM 4:30:00 PM 0,21

8 28/02/2015 9:02:00 PM 4:30:00 PM 0,51

9 28/02/2015 9:02:00 PM 4:30:00 PM 0,51

10 28/02/2015 9:02:00 PM 4:30:00 PM 0,53

1 07/03/2015 8:28:00 PM 5:00:00 PM 0

43

44

45

46

47

48

2 07/03/2015 8:28:00 PM 5:00:00 PM 0

3 07/03/2015 8:28:00 PM 5:00:00 PM 0

4 07/03/2015 8:28:00 PM 5:00:00 PM 0

5 07/03/2015 8:28:00 PM 5:00:00 PM 0

6 07/03/2015 8:28:00 PM 5:00:00 PM 0,14

7 07/03/2015 8:28:00 PM 5:00:00 PM 0,17

8 07/03/2015 8:28:00 PM 5:00:00 PM 0,16

9 07/03/2015 8:28:00 PM 5:00:00 PM 0,26

10 07/03/2015 8:28:00 PM 5:00:00 PM 0,25

11 07/03/2015 8:28:00 PM 5:00:00 PM 0,3

12 07/03/2015 8:28:00 PM 5:00:00 PM 0,28

13 07/03/2015 8:28:00 PM 5:00:00 PM 0,28

49

Apêndice A 75

A.2 Segunda parte

User - código do voluntário;Pressão Arterial - valor da pressão sistólica seguido por uma barra e o valor da

pressão diastólica medida com auxílio de um medidor de pressão arterial automático debraço HEM-7113 INT;

Temp (◦C) - temperatura corporal;Nivel de Oxigênio - quantidade de oxigênio no sangue medida indiretamente

com um oxímetro (spO2);Batimentos cardíacos - corresponde aos batimentos por segundo medidos com

um oxímetro;Idade - idade do voluntário.

UserPressão

ArterialTemp(°C)

Nivel de

Oxigênio no

Corpo

Batimentos do

OximetroIdade

12|7 35,7 96 94 42

14||8 35,6 95 97 42

13|8 35,8 96 98 42

14|7 Não foi medida 96 112 42




13|7 35,6 93 99 42

12|8 36 95 95 42

13|8 36 96 100 42

14|7 35,6 99 72 20

14|8 36,1 94 91 20

15|7 36,1 94 91 20

12|7 36,8 96 83 19

16|9 36,5 98 104 19

15|8 36,5 95 100 19

14|8 36,1 94 83 19

11|7 35,9 98 88 21

12|7 36,7 97 80 21

11|7 34,8 99 78 21

11|6 32,7 97 78 22

10|6 32,5 93 85 22

12|7 32,2 98 82 22

14|8 35,4 97 69 23

12|9 35,2 98 84 23

13|9 34,9 99 85 23

10|6 35 99 79 21

11|6 34,8 96 74 21

14|7 34,5 97 71 21

10|7 34,9 98 76 23

12|8 34,7 96 81 23

11|7 34,4 96 88 23

12|6 35,8 97 75 24

12|6 35,8 97 75 24

12|6 35,8 97 75 24

11|6 36 98 68 24

11|5 35,7 94 90 24

11|7 35,3 99 83 23

11|7 35,1 99 90 23

11|7 35,1 98 104 23

15|8 35,9 96 80 32

12|7 35,7 94 85 32

12|6 35,1 92 90 32

13|09 35,8 99 65 32

13|09 35,8 99 65 32

13|09 35,8 99 65 32

12|08 35,4 96 77 32

13|07 35 95 70 32

13|8 36,3 97 90 24

13|7 36,1 98 90 24

12|8 35,7 98 93 24

10|6 35,1 99 98 24

10|6 35,1 99 98 24

10|6 35,1 99 98 24

7

8

9

10

11

12

13

14

6

1

2

3

4

5

9|6 34,9 99 76 24

9|6 34,6 99 89 24

13|8 35,1 95 54 26

13|8 35,5 95 54 26

13|8 35,3 96 57 26

9|7 35,4 99 80 22

9|7 35,3 98 80 22

9|6 35,6 96 78 22

11|7 35,3 94 81 55

11|7 35,3 94 81 55

11|7 35,3 94 81 55

13|7 35,3 96 93 55

11|6 35,5 92 83 55

11|7 35,5 99 77 47

11|7 35,5 99 77 47

11|7 35,5 99 77 47

11|7 35,4 97 70 47

10|7 35,2 96 70 47

11|7 36,4 98 74 23

11|7 36,4 98 74 23

11|7 36,4 98 74 23

11|7 36,2 99 75 23

12|8 35,9 96 90 23

11|7 36,4 98 74 23

11|7 36,4 98 74 23

10|7 35,9 97 96 23

10|7 35,9 97 96 23

10|7 35,9 97 96 23

10|6 35,8 96 110 23

10|7 35,7 97 105 23

13|7 35,7 96 65 35

12|7 35,3 97 72 35

13|7 35,1 99 67 35

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|6 35,1 97 56 36

19

20

21

18

15

16

17

11|6 35,1 97 56 36

11|6 35,1 97 56 36

11|5 35,4 96 58 36

11|5 35,4 96 58 36

11|5 35,4 96 58 36

13|8 35,8 97 86 21

12|6 35,8 98 90 21

13|6 36,3 98 95 21

13|8 35,8 97 86 21

13|8 35,8 97 86 21

13|8 35,8 97 86 21

11|7 35 99 69 37

11|7 35 99 69 37

9|7 37,7 98 76 37

10|6 34,3 98 87 37

11|7 35 99 69 37

11|7 35 99 69 37

13|9 35,8 99 73 33

13|7 35,6 97 74 33

13|7 35,4 97 78 33

12|8 36 97 79 36

12|8 35,8 95 90 36

11|7 35,4 95 88 36

11|8 36,6 99 80 26

11|8 36,6 99 80 26

11|8 36,6 99 80 26

11|8 36,2 99 85 26

11|8 36,2 99 85 26

11|8 36,2 99 85 26

11|8 35,2 97 87 26

11|8 35,2 97 87 26

11|7 36,5 97 63 25

11|7 36,5 97 63 25

11|7 36,5 97 63 25

12|7 36,3 99 64 25

12|7 36,3 99 64 25

12|7 36,3 99 64 25

12|9 35,3 99 88 25

12|9 35,3 99 88 25

13|8 34,8 95 90 37

13|7 35,8 94 85 37

13|6 34,7 94 82 37

11|6 35,1 98 80 21

10|5 36 95 86 21

9|5 35,7 96 85 21


13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,3 97 83 30

12|7 36,3 97 88 30

12|6 36,1 97 86 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 3030

22

23

24

25

26

27

28

29

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

13|8 36,4 97 70 30

14|8 35,8 98 86 25

13|8 36,4 96 107 25

12|8 36,5 97 140 25

14|9 36,2 96 137 25

14|8 35,8 98 86 25

14|8 35,8 98 86 25

13|7 34,9 97 78 33

13|7 34,9 97 78 33

13|7 34,9 97 78 33

12|6 35,2 94 78 33

12|7 35 94 67 33

12|7 35 94 67 33

10|6 36,2 96 91 33

10|6 36,2 96 91 33

10|6 36,2 96 91 33

10|6 36,2 96 91 33

10|6 36,2 96 91 33

11|7 34,8 96 88 33

10|7 35,3 95 95 33

11|7 34,9 97 92 33

12|7 36,5 98 75 24

12|7 36,5 98 75 24

12|7 36,5 98 75 24

12|7 36,5 98 75 24

12|7 35,8 97 87 24

11|7 36,3 97 100 24

11|7 36,3 94 102 24

12|6 36 96 101 24

11|6 35,8 96 106 24

13|8 36 97 94 25

13|8 36 97 94 25

13|8 36 97 94 25

13|8 36 97 94 25

13|8 36 97 60 25

14|8 36 96 70 25

13|7 35,4 99 67 25

12|6 35,3 97 72 25

14|8 36 96 98 40

14|8 36 96 98 40

14|8 36 96 98 40

14|8 36 96 98 40

14|8 36 95 100 40

14|8 36 96 100 40

14|8 36,2 95 100 40

14|8 36,2 95 100 40

14|9 36,1 95 89 40

31

32

33

34

35

36

30

14|9 36,1 95 89 40

12|8 36 95 99 40

12|8 36 96 99 40

11|9 36,2 95 94 26

11|9 36,2 95 94 26

11|9 36,2 95 94 26

11|9 36,2 95 94 26

13|8 36 94 95 26

13|7 36 94 101 26

13|7 36,2 97 116 26

14|7 35,8 95 120 26

11|6 36,4 98 81 30

11|6 36,4 98 81 30

11|6 36,4 98 81 30

11|6 36,4 98 81 30

10|6 36,4 99 89 30

11|6 36,1 99 95 30

10|6 35,6 97 94 30

10|6 35,6 97 94 30

12|8 36,3 95 76 45

12|8 36,3 95 76 45

12|8 36,3 95 76 45

12|8 36,3 95 76 45

12|8 36,3 95 76 45

12|8 36,3 95 76 45

12|7 35,8 96 75 45

11|6 35,3 96 73 45

11|6 35,3 96 73 45

15|9 36 97 70 39

15|9 36 97 70 39

15|9 36 97 70 39

15|9 36 97 70 39

14|8 35,6 95 58 39

13|7 36,4 95 64 39

12|7 36 95 72 39

12|7 36 95 72 39

11|7 35,5 99 86 26

11|7 35,5 99 86 26

11|7 35,5 99 86 26

11|7 35,5 99 86 26

11|7 35,5 99 86 26

11|7 35,4 97 92 26

11|6 35,4 98 93 26

11|7 35,5 97 92 26

11|7 35,4 98 94 26

11|7 35,4 97 92 26

11|6 35,3 95 97 26

10|6 35,3 95 92 26

11|7 35,4 96 95 26

10|6 35,9 92 90 26

11|7 35,6 96 91 26

10|6 35,6 99 91 26

13|8 36,7 98 98 31

12|6 36,5 91 75 31

12|7 36,3 94 83 31

12|7 36,1 97 75 31

12|8 36,2 99 80 31

13|6 35,9 93 85 31

42

37

38

39

40

41

12|7 35,4 92 87 31

12|7 35,6 93 76 31

13|8 36,1 99 92 31

12|8 35,9 99 86 31

12|8 36,1 99 90 31

13|8 36,1 99 92 31

14|8 36,2 99 95 31

14|9 35,3 99 105 31

14|10 35,2 98 109 31

12|8 36,1 99 110 31

12|7 36 99 96 31

11|7 36,2 99 110 31

13|7 36,3 93 94 29

13|8 36,7 95 70 29

13|8 36,7 95 86 29

13|8 36 96 84 29

14|8 36,6 94 85 29

12|6 35,6 93 73 29

11|6 36,2 93 86 29

12|6 35,1 94 80 29

11|7 35,6 97 50 27

12|7 36 97 54 27

12|7 35,9 97 58 27

12|7 35,9 99 59 27

12|7 35,2 95 52 27

12|8 35,2 97 48 27

11|7 35,3 96 51 27

10|7 36,1 98 86 22

10|7 36,1 99 90 22

10|7 36,4 98 96 22

11|7 36,1 90 98 22

10|6 35,7 99 82 22

9|5 36 97 98 22

10|6 35,7 97 100 22

10|6 35,8 97 86 22

10|7 36 98 85 22

10|7 35,9 99 104 22

11|7 36,2 97 77 22

11|7 36,2 97 79 22

12|7 36,6 99 84 22

11|7 36,4 98 75 22

11|7 35,6 97 90 22

13|8 35,9 99 88 22

13|8 36,4 98 88 22

13|7 35,7 98 97 22

12|7 36,6 98 86 22

11|7 36,6 98 115 22

11|6 35,3 97 59 23

12|7 35,5 99 61 23

13|6 35,9 97 61 23

12|6 35,7 93 75 23

14|7 36,1 96 74 23

14|6 36,1 96 68 23

12|7 36,3 96 60 23

13|7 35,7 95 60 23

11|6 35,7 96 68 23

12|6 35,7 96 68 23

12|6 35,9 98 83 25

43

44

45

46

47

48

12|6 36,3 97 84 25

11|6 36,3 95 86 25

13|7 36,3 96 80 25

12|7 36,3 96 80 25

10|7 36,3 96 84 25

12|7 36,3 94 80 25

13|7 36,3 94 90 25

12|7 36 96 90 25

12|7 35,9 97 76 25

12|8 36 97 88 25

12|7 36 96 92 25

12|7 35,9 96 78 25

49

Apêndice A 83

A.3 Terceira parte

User - código do voluntário;Altura(cm) - altura em centímetros do voluntário;Peso(Kg) - peso em quilogramas;% Gordura Corporal (fat) - percentual de gordura;% Água (TBW) - percentual de água;% Massa Muscular - percentual de massa muscular;% Massa Óssea - percentual de massa óssea;Kcal - quantidade de calorias necessárias em função do sexo e peso;IMC - índice de massa corporal.

UserAltura(cm)

Peso(Kg)% Gordura Corporal (fat)

% Água (TBW)

% Massa Muscular

% Massa Óssea

Kcal IMC

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 83,6 32,9 45,6 23,4 3,4 1864 28,2

172 85,2 38,4 41,8 20,8 3,1 1900 28,7

172 85,2 38,4 41,8 20,8 3,1 1900 28,7

172 84,8 31,7 46,4 24,1 3,5 1891 28,6

173 78,5 30,2 50,9 28,1 3,3 1884 26,2

173 78,5 26,8 53,4 30,2 3,4 1884 26,2

173 78,5 26,8 53,4 30,2 3,4 1884 26,2

179 74,7 21,5 57,3 33,7 3,5 1793 23,3

179 74,7 21,5 57,3 33,7 3,5 1793 23,3

179 74,7 21,5 57,3 33,7 3,5 1793 23,3

179 71,7 18,9 59,2 36,1 3,5 1721 22,3

163 52 13,8 62,9 42,9 2,7 1248 19,5

163 52 13,8 62,9 42,9 2,7 1248 19,5

163 52 13,8 62,9 42,9 2,7 1248 19,5

172 64,4 18,5 59,4 36,6 3,1 1543 21,7

172 64,4 18,5 59,4 36,6 3,1 1543 21,7

172 64,4 18,5 59,4 36,6 3,1 1543 21,7

165 58,6 17,7 60 37,9 2,9 1406 21,5

165 58,6 17,7 60 37,9 2,9 1406 21,5

165 58,6 17,7 60 37,9 2,9 1406 21,5

181 79,2 27,5 52,9 28,8 3,4 1901 24,1

181 79,2 27,5 52,9 28,8 3,4 1901 24,1

181 79,2 27,5 52,9 28,8 3,4 1901 24,1

164 50,6 19,4 59,6 36 2,1 1194 19

164 50,6 19,4 59,6 36 2,1 1194 19

164 50,6 19,4 59,6 36 2,1 1194 19

166 104,8 34,61 53,3 3,9 2400 38

166 104,8 34,61 53,3 3,9 2400 38

166 104,8 34,61 53,3 3,9 2400 38

166 104,8 34,61 53,3 3,9 2400 38

166 104,8 34,61 53,3 3,9 2400 38

167 92,1 39,48 38,5 3,6 1800 33

167 92,1 39,48 38,5 3,6 1800 33

167 92,1 39,48 38,5 3,6 1800 33

174 119,9 38,33 58,5 4,2 2600 39,6

174 119,9 38,33 58,5 4,2 2600 39,6

174 119,9 38,33 58,5 4,2 2600 39,6

187 95 30,9 46,9 25 3,9 2119 27,1

187 95 30,9 46,9 25 3,9 2119 27,1

187 95 30,9 46,9 25 3,9 2119 27,1

187 95 30,9 46,9 25 3,9 2119 27,1

187 95 30,9 46,9 25 3,9 2119 27,1

169 97,2 47,5 38,3 20,3 3,1 2333 34

169 97,2 47,5 38,3 20,3 3,1 2333 34

169 97,2 47,5 38,3 20,3 3,1 2333 34

153 45,1 28,1 53,2 27,5 1,6 1064 19,2

13

12

1

2

3

4

5

6

7

8

9

10

11

153 45,1 28,1 53,2 27,5 1,6 1064 19,2

153 45,1 28,1 53,2 27,5 1,6 1064 19,2

153 45,1 28,1 53,2 27,5 1,6 1064 19,2

153 45,1 28,1 53,2 27,5 1,6 1064 19,2

177 85,1 27,8 52,7 28,4 3,7 2042 27,1

177 85,1 27,8 52,7 28,4 3,7 2042 27,1

177 85,1 27,8 52,7 28,4 3,7 2042 27,1

158 47,1 18,8 60 37,2 2 1112 18,8

158 47,1 18,8 60 37,2 2 1112 18,8

158 47,1 18,8 60 37,2 2 1112 18,8

168 79,4 30,04 42,1 3,3 1800 28,1

168 79,4 30,04 42,1 3,3 1800 28,1

168 79,4 30,04 42,1 3,3 1800 28,1

168 79,4 30,04 42,1 3,3 1800 28,1

168 79,4 30,04 42,1 3,3 1800 28,1

151 76,2 45,41 32,8 3,2 1400 33,4

151 76,2 45,41 32,8 3,2 1400 33,4

151 76,2 45,41 32,8 3,2 1400 33,4

151 76,2 45,41 32,8 3,2 1400 33,4

151 76,2 45,41 32,8 3,2 1400 33,4

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

154,5 49,6 22,9 57 32,9 2 1151 20,9

172 54,4 12,6 63,8 42,6 2,9 1306 18,4

172 54,4 12,6 63,8 42,6 2,9 1306 18,4

172 54,4 12,6 63,8 42,6 2,9 1306 18,4

172 54,4 12,6 63,8 42,6 2,9 1306 18,4

172 54,4 12,6 63,8 42,6 2,9 1306 18,4

171 82,3 30,7 47,1 25,6 3,4 1835 28,1

171 82,3 30,7 47,1 25,6 3,4 1835 28,1

171 82,3 30,7 47,1 25,6 3,4 1835 28,1

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

14

15

16

17

18

19

20

21

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 77,4 30,4 47,3 25,7 3,2 1726 26,4

171 58 14,9 62,1 40,4 3 1392 19,8

171 58 14,9 62,1 40,4 3 1392 19,8

171 58 14,9 62,1 40,4 3 1392 19,8

171 58 14,9 62,1 40,4 3 1,392 19,8

171 58 14,9 62,1 40,4 3 1,392 19,8

171 58 14,9 62,1 40,4 3 1,392 19,8

167 66,3 30,7 45 24,3 2,5 1439 23,7

167 66,3 30,7 45 24,3 2,5 1439 23,7

167 66,3 30,7 45 24,3 2,5 1439 23,7

167 66,3 30,7 45 24,3 2,5 1439 23,7

167 66,3 30,7 45 24,3 2,5 1439 23,7

167 66,3 30,7 45 24,3 2,5 1439 23,7

173 69,1 21,7 53,2 31,9 3,2 1541 23

173 69,1 21,7 53,2 31,9 3,2 1541 23

173 69,1 21,7 53,2 31,9 3,2 1541 23

170 67,2 24,3 51,4 29,6 3 1499 23,2

170 67,2 24,3 51,4 29,6 3 1499 23,2

170 67,2 24,3 51,4 29,6 3 1499 23,2

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

157 59,9 29 52,5 27,7 2,3 1414 24,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 83,9 28,8 51,9 28 3,6 2014 27,4

175 90

175 90

175 90

175 90,8 35,9 46,7 24,8 3,5 2179 29,6

175 90,8 35,9 46,7 24,8 3,5 2179 29,6

175 90,8 35,9 46,7 24,8 3,5 2179 29,6

175 90,8 35,9 46,7 24,8 3,5 2179 29,6

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

25

26

27

28

29

24

22

23

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

183 112,9 41,5 42,7 20,7 3,9 2,518 33,7

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

190 99,3 36,1 46,6 23,2 3,8 2383 27,5

170 84,2 33,8 45 24,4 3,3 1878 29,1

170 84,2 33,8 45 24,4 3,3 1878 29,1

170 84,2 33,8 45 24,4 3,3 1878 29,1

170 84,2 33,8 45 24,4 3,3 1878 29,1

170 84,2 33,8 45 24,4 3,3 1878 29,1

170 84,2 33,8 45 24,4 3,3 1878 29,1

175 62,3 21,7 50,8 31,8 2,6 1352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

175 62,3 21,7 50,8 31,8 2,6 1,352 20,3

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

169 58,5 17,6 60,1 37,1 2,9 1404 20,4

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

177 84,8 32,1 49,5 25,9 3,4 2035 27

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2092 31,736

30

31

32

33

34

35

172 93,8 39.6 41 20,6 3,4 2092 31,7

172 93,8 39.6 41 20,6 3,4 2,092 31,7

172 93,8 39.6 41 20,6 3,4 2,092 31,7

172 93,8 39.6 41 20,6 3,4 2,092 31,7

172 93,8 39.6 41 20,6 3,4 2,092 31,7

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2078 29,2

172 86,6 35,4 47,1 24,6 3,3 2,078 29,2

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

168 76,1 40,8 43,8 20,2 2,4 1651 26,9

176 110,9

176 110,9

176 110,9

176 110,9

176 110,9

176 110,9

176 110,9

176 110,9

176 110,9

173 106,2

173 106,2

173 106,2

173 106,2

173 106,2

173 106,2

173 106,2

173 106,2

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

164 60,1 26 54,7 29,6 2,4 1418 22,3

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

A balança não mediu

A balança não mediu

42

37

38

39

40

41

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

177 74.6 24,9 51 29,4 3,4 1664 23,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

160 66,3 32,8 43.6 24,3 2,4 1469 25,8

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

174 86,3 31,7 49,8 25,8 3,5 2071 28,5

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

180 63,6 15,3 61,8 38 3,2 1526 19,6

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

164 52,4 21,8 57,8 33,4 2,2 1237 19,4

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

155 55,3 31,9 50,3 26,1 2 1305 23

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

43

44

45

46

47

48

42

170 73,3 37,7 45,4 24,1 2,7 1759 25,3

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

183 80,8 23,1 56,1 31,2 3,7 1939 24,1

49

Apêndice A 91

A.4 Quarta parte

User - código do voluntário;Tem Hábito de Beber - informação do tipo sim ou não, para hábito de beber;Tipo de Bebida - caso a pessoa tenha o hábito de beber, qual a bebido mais

comumente consumida;Qtd semanal (L) - caso a pessoa tenha hábito de beber qual a quantidade semanal

em litros;Tempo (meses) - caso a pessoa tenha hábito de beber a quanto tempo em meses

possui esse hábito;Medicamento - é sido preenchido com o nome do medicamento se a pessoa tiver

ingerindo algum;Qtd ingerida no teste(ml) - quantidade de bebida alcoólica ingerida durante a

realização do teste.

UserTem Hábito

de Beber

Tipo de

Bebida

Qtd

semanal

(L)

Tempo

(meses)Medicamento

Qtd ingerida

no teste(ml)

Não - - - Nenhum 0

Não - - - Nenhum Vinho 250

Não - - - Nenhum

vinho com 75ml de

pinga 250

Não - - - Nenhum

vinho com 75ml de

pinga 250

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum Keep cooler 5,2 vol

Não - - - Nenhum vinho 1 taca

Não - - - Nenhum 0

Sim Cerveja 5 6 Nenhum

Sim Cerveja 5 6 Nenhum 2 == 0.33 em 1h


Sim Destilada 0,2 12 Nenhum




Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum










Sim Todas 0,2 15 Nenhum



Sim Cerveja 0,725 156 Nenhum





Sim tudo 0,5 84 Nenhum



Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Sim Cerveja 2,5 12 Nenhum 0







Sim Cerveja 0,35 96 Nenhum 375(150 vodka pura)

Não - - - Nenhum 0

6

1

2

3

4

5

7

8

9

10

11

12

13

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 188


Sim

Vinho,

Cerveja 0,35 24 Nenhum 0

Sim

Vinho,

Cerveja 0,35 24 Nenhum 200

Sim

Vinho,

Cerveja 0,35 24 Nenhum 150 - 125(vodka pura)

Não - - - Nenhum 0








50(vodka) + 100

batida

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum caipifruta 175

Não - - - Nenhum caipifruta 75

Não - - - anticoncepcional 0







Sim

Destilada,

Cerveja 3 60

Finasterida 1ml,

Minoxidil 0

Sim

Destilada,

Cerveja 3 60

Finasterida 1ml,

Minoxidil 0

Sim

Destilada,

Cerveja 3 60

Finasterida 1ml,

Minoxidil 0

Sim

Destilada,

Cerveja 3 60

Finasterida 1ml,

Minoxidil 100

Sim

Destilada,

Cerveja 3 60

Finasterida 1ml,

Minoxidil 125

Não - - - Nenhum vinho


Não - - - Nenhum

200 (vinho) + 100

(cachaça)

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

18

14

15

16

17

19

20

21

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 2 cervejas



Não - - - Nenhum 0

Não - - - Nenhum vinho 150 ml


Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum Caipirosca 150


Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0



Sim Cerveja 1 120 pristic 0

Sim Cerveja 1 120 pristic Vinho 3 taças

Sim Cerveja 1 120 pristic

vinho 2 taças wisk 1

dose

Sim vodca 0,025 96 anticoncepcional 0

Sim vodca 0,025 96 anticoncepcional

Sim vodca 0,025 96 anticoncepcional

Sim vodca 0,025 96 anticoncepcional caipifruta 175





Sim cerveja 0,25 132 Nenhum 0



Sim cerveja 0,25 132 Nenhum caipifruta 175



Sim cerveja 0,25 132 Nenhum 75 caipifruta 75


Sim cerveja 0,5 150 Nenhum

Sim cerveja 0,5 150 Nenhum vinho 300 ml

Sim cerveja 0,5 150 Nenhum vinho 200 ml

Não - - - valeriane 0

Não - - - valeriane Vinho 250 ml


21

22

23

24

25

26

27

28

29


Sim cerveja mensalmente 120 reconter 0



Sim cerveja mensalmente 120 reconter vinho frisante 750 ml

Sim cerveja mensalmente 120 reconter vinho frisante 750 ml

Sim cerveja mensalmente 120 reconter licor 6 copinhos 35 ml



















Sim cerveja

quinzenalment

e 120 Nenhum 0

Sim cerveja

quinzenalment

e 120 Nenhum vinho frisante 750

Sim cerveja

quinzenalment

e 120 Nenhum vinho frisante 750

Sim cerveja

quinzenalment

e 120 Nenhum

licor 3 copinhos (35

ml)

Sim cerveja

quinzenalment

e 120 Nenhum 0

Sim cerveja

quinzenalment

e 120 Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0




Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

vodka com suco 30

ml

Não - - - Nenhum

vodka com suco 30

ml

Não - - - Nenhum

vodka com suco 30

ml

quinzenalmente cerveja 1,5 24 Nenhum 0




quinzenalmente cerveja 1,5 24 Nenhum caipirosca 100ml

30

31

32

33

34





quinzenalmente cerveja 5 litros 60 Nenhum 0




quinzenalmente cerveja 5 litros 60 Nenhum caipirosca 100 ml




semanalmente cerveja 6 *3.55 ml 120

dramin (contra

enjoo) 0


dramin (contra

enjoo) 0


dramin (contra

enjoo) 0


dramin (contra

enjoo) 0


dramin (contra

enjoo) 0


dramin (contra

enjoo) 0


dramin (contra

enjoo) 2 cervejas 4,5 gl


dramin (contra



dramin (contra



dramin (contra



dramin (contra



dramin (contra


quinzenalmente vodka 100 ml 24 Nenhum 0




quinzenalmente vodka 100 ml 24 Nenhum caipirosca 100ml




Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum caipirosca 100 ml



Não - - - Nenhum 0

Sim cerveja 10 litros 120

remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão 0

35

36

37

38


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão Caipirosca 120 ml


remedio para

pressão Caipirosca 120 ml


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão 0


remedio para

pressão caipirosca 110 ml


remedio para



remedio para



remedio para

pressão 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum50 ml de rum + 70 ml

de refrigerante

42

39

40

41

43

50 ml de rum mais 70

ml de refrigerante

20 ml de rum e mais

30 ml de refrigerante

50 ml de rum + 70 ml

de refrigerante

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum 0

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum

Não - - - Nenhum











Não - - - não

Não - - - não

Não - - - não

Não - - - não

Não - - - não

Não - - - não

Não - - - não

Não - - - não

Não - - - não

44

45

46

47

49


de refrigerante


de refrigerante

(DUAS DOSES)

48


de refrigerante


de refrigerante


de refrigerante


de refrigerante

Documents

Detecção da Alcoolemia por Meio da Pupilometria Dinâmica (.pdf)