Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , |
Tipo de documento: | Artigo de conferência |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Ceará (UFC) |
Texto Completo: | http://www.repositorio.ufc.br/handle/riufc/70723 |
Resumo: | Epilepsy is a neurological disorder characterized by an abnormal electrical disturbance in the brain, causing recurrent seizures. The most commonly used exam to diagnose epilepsy it the electroencephalogram (EEG), where a patient’s brain electrical activity is measured and visually analyzed. However, identifying epileptic patterns in the EEG signal through visual inspection is a time-consuming and exhaustive task for professionals in the field, motivating the development of algorithms that can identify these patterns, aiding the medical diagnosis. In this work, we propose three models based on anomaly detection. The results obtained demonstrate high performance and noise robustness in relation to results found in the literature. |
id |
UFC-7_f87ae33768ecb6b537114698baf62acd |
---|---|
oai_identifier_str |
oai:repositorio.ufc.br:riufc/70723 |
network_acronym_str |
UFC-7 |
network_name_str |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
repository_id_str |
|
spelling |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomaliasEpilepsy is a neurological disorder characterized by an abnormal electrical disturbance in the brain, causing recurrent seizures. The most commonly used exam to diagnose epilepsy it the electroencephalogram (EEG), where a patient’s brain electrical activity is measured and visually analyzed. However, identifying epileptic patterns in the EEG signal through visual inspection is a time-consuming and exhaustive task for professionals in the field, motivating the development of algorithms that can identify these patterns, aiding the medical diagnosis. In this work, we propose three models based on anomaly detection. The results obtained demonstrate high performance and noise robustness in relation to results found in the literature.A epilepsia é um distúrbio neurológico caracterizado por uma perturbação elétrica anormal no cérebro, causando convulsões recorrentes. O exame mais utilizado no diagnóstico da epilepsia é eletroencefalograma (EEG), onde a atividade elétrica cerebral de um paciente é mensurada e analisada visualmente. Contudo, identificar os padrões epilépticos no sinal de EEG através de inspeção visual é uma tarefa demorada e exaustiva para profissionais da área. Assim, o desenvolvimento de algoritmos que possam identificar esses padrões de forma automática, auxiliando o diagnóstico médico, tornou-se um importante desafio. Neste trabalho, propomos três modelos de classificação, baseados em detecção de anomalias. Os resultados obtidos demonstram alto desempenho e robustez a ruídos em relação resultados encontrados na literatura.Simpósio Brasileiro de Banco de Dados2023-02-09T17:17:45Z2023-02-09T17:17:45Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectapplication/pdfCUNHA, L. C. C.; BARRETO, G. A.; MONTEIRO, J. M. Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 34., 2019, Fortaleza. Anais... Fortaleza, 2019. p. 1-12.http://www.repositorio.ufc.br/handle/riufc/70723Cunha, Lucas Cabral Carneiro daBarreto, Guilherme de AlencarMonteiro, José Mariaporreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2023-02-09T17:17:45Zoai:repositorio.ufc.br:riufc/70723Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2023-02-09T17:17:45Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false |
dc.title.none.fl_str_mv |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
title |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
spellingShingle |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias Cunha, Lucas Cabral Carneiro da |
title_short |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
title_full |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
title_fullStr |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
title_full_unstemmed |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
title_sort |
Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias |
author |
Cunha, Lucas Cabral Carneiro da |
author_facet |
Cunha, Lucas Cabral Carneiro da Barreto, Guilherme de Alencar Monteiro, José Maria |
author_role |
author |
author2 |
Barreto, Guilherme de Alencar Monteiro, José Maria |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Cunha, Lucas Cabral Carneiro da Barreto, Guilherme de Alencar Monteiro, José Maria |
description |
Epilepsy is a neurological disorder characterized by an abnormal electrical disturbance in the brain, causing recurrent seizures. The most commonly used exam to diagnose epilepsy it the electroencephalogram (EEG), where a patient’s brain electrical activity is measured and visually analyzed. However, identifying epileptic patterns in the EEG signal through visual inspection is a time-consuming and exhaustive task for professionals in the field, motivating the development of algorithms that can identify these patterns, aiding the medical diagnosis. In this work, we propose three models based on anomaly detection. The results obtained demonstrate high performance and noise robustness in relation to results found in the literature. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2023-02-09T17:17:45Z 2023-02-09T17:17:45Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/conferenceObject |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CUNHA, L. C. C.; BARRETO, G. A.; MONTEIRO, J. M. Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 34., 2019, Fortaleza. Anais... Fortaleza, 2019. p. 1-12. http://www.repositorio.ufc.br/handle/riufc/70723 |
identifier_str_mv |
CUNHA, L. C. C.; BARRETO, G. A.; MONTEIRO, J. M. Classificação de estados epilépticos em sinais de EEG utilizando detecção de anomalias. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 34., 2019, Fortaleza. Anais... Fortaleza, 2019. p. 1-12. |
url |
http://www.repositorio.ufc.br/handle/riufc/70723 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Simpósio Brasileiro de Banco de Dados |
publisher.none.fl_str_mv |
Simpósio Brasileiro de Banco de Dados |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Ceará (UFC) instname:Universidade Federal do Ceará (UFC) instacron:UFC |
instname_str |
Universidade Federal do Ceará (UFC) |
instacron_str |
UFC |
institution |
UFC |
reponame_str |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
collection |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC) |
repository.mail.fl_str_mv |
bu@ufc.br || repositorio@ufc.br |
_version_ |
1809935786999545856 |