Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPA |
Texto Completo: | http://repositorio.ufpa.br:8080/jspui/handle/2011/12290 |
Resumo: | Milhões de brasileiros são afetados pela epilepsia e o acesso ao diagnóstico precoce é crucial para o seu tratamento adequado. No entanto, o diagnóstico de epilepsia depende da avaliação de registros eletroencefalográficos (EEG) de longa duração realizados por profissionais treinados, transformando-o em um processo oneroso que não está imediatamente disponível para muitos pacientes no Brasil. Assim, o presente trabalho propõe uma metodologia para a classificação automática do EEG de indivíduos epiléticos, que utiliza registros de EEG de curta duração obtidos com o paciente em repouso. O sistema é baseado em algoritmos de aprendizado de máquina que usam um atributo extraído da densidade espectral de potência dos sinais de EEG. Esse atributo é uma estimativa da conectividade funcional entre os pares de canais de EEG e é chamado debiased weighted phase-lag index (dWPLI). Os algoritmos de classificação foram análise discriminante linear (LDA) e máquinas de vetores de suporte (SVM). Os sinais de EEG foram adquiridos durante o estado interictal, isto é, entre convulsões e não tinham atividade epileptiforme. Registros EEG 11 pacientes epiléticos e 7 indivíduos saudáveis foram utilizados para avaliar o desempenho do método proposto. Ambos os algoritmos atingiram seu desempenho máximo de classificação, 100 % de precisão e área sob a curva de característica de operação do receptor (AUROC), quando um vetor de característica com 190 atributos foi usado como entrada. Os resultados mostram a eficácia do sistema proposto, dado seu alto desempenho de classificação. |
id |
UFPA_2313bb62e3f19b7831c6ec3889c1140f |
---|---|
oai_identifier_str |
oai:repositorio.ufpa.br:2011/12290 |
network_acronym_str |
UFPA |
network_name_str |
Repositório Institucional da UFPA |
repository_id_str |
2123 |
spelling |
2020-02-14T14:12:04Z2020-02-14T14:12:04Z2019-12-04FIEL, José de Santana. Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência. Orientador: Antonio Pereira Júnior. 2019. 99 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/12290. Acesso em:.http://repositorio.ufpa.br:8080/jspui/handle/2011/12290Milhões de brasileiros são afetados pela epilepsia e o acesso ao diagnóstico precoce é crucial para o seu tratamento adequado. No entanto, o diagnóstico de epilepsia depende da avaliação de registros eletroencefalográficos (EEG) de longa duração realizados por profissionais treinados, transformando-o em um processo oneroso que não está imediatamente disponível para muitos pacientes no Brasil. Assim, o presente trabalho propõe uma metodologia para a classificação automática do EEG de indivíduos epiléticos, que utiliza registros de EEG de curta duração obtidos com o paciente em repouso. O sistema é baseado em algoritmos de aprendizado de máquina que usam um atributo extraído da densidade espectral de potência dos sinais de EEG. Esse atributo é uma estimativa da conectividade funcional entre os pares de canais de EEG e é chamado debiased weighted phase-lag index (dWPLI). Os algoritmos de classificação foram análise discriminante linear (LDA) e máquinas de vetores de suporte (SVM). Os sinais de EEG foram adquiridos durante o estado interictal, isto é, entre convulsões e não tinham atividade epileptiforme. Registros EEG 11 pacientes epiléticos e 7 indivíduos saudáveis foram utilizados para avaliar o desempenho do método proposto. Ambos os algoritmos atingiram seu desempenho máximo de classificação, 100 % de precisão e área sob a curva de característica de operação do receptor (AUROC), quando um vetor de característica com 190 atributos foi usado como entrada. Os resultados mostram a eficácia do sistema proposto, dado seu alto desempenho de classificação.Millions of Brazilians are affected with epilepsy and the access to early diagnosis is crucial for their adequate treatment. However, epilepsy diagnosis depends on the evaluation of longduration electroencephalographic (EEG) recordings performed by trained professionals, turning it in a time-consuming process which is not readily available for many patients. Thus, the present work proposes a methodology for automatic EEG classification of epileptic subjects which uses short-duration EEG recordings obtained with the patient at rest. The system is based on machine learning algorithms that use an attribute extracted from the power spectral density of EEG signals. This attribute is an estimate of functional connectivity between EEG channel pairs and is called debiased weighted phase-lag index. The classification algorithms were linear discriminant analysis (LDA) and support vector machines (SVM). EEG signs were acquired during the interictal state, i.e., between seizures and had no epileptiform activity. Recordings of 11 epileptic patients and 7 healthy subjects were used to evaluate the method’s performance. Both algorithms reached their maximum classification performances, 100 % accuracy and area under the receiver operating characteristic (AUROC) curve, when a feature vector with 190 attributes was used as input. The results show the efficacy of the proposed system, given its high classification performance.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal do ParáPrograma de Pós-Graduação em Engenharia ElétricaUFPABrasilInstituto de Tecnologia1 CD-ROMreponame:Repositório Institucional da UFPAinstname:Universidade Federal do Pará (UFPA)instacron:UFPACNPQ::ENGENHARIAS::ENGENHARIA ELETRICAPROCESSAMENTO DIGITAL DE SINAISTELECOMUNICAÇÕESAprendizado de máquinaeletroencefalografiaepilepsiadensidade espectral de potênciaindice ponderado e defasado de atraso de faseClassificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potênciaClassification of resting epileptic electroencephalograms with application of linear classifiers and an attribute derived from the power spectral densityinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPEREIRA JÚNIOR, Antoniohttp://lattes.cnpq.br/3239362677711162http://lattes.cnpq.br/7025214770746107FIEL, José de Santanainfo:eu-repo/semantics/openAccessCC-LICENSElicense_urllicense_urltext/plain; charset=utf-843http://repositorio.ufpa.br/oai/bitstream/2011/12290/2/license_url321f3992dd3875151d8801b773ab32edMD52license_textlicense_texttext/html; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/12290/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/12290/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALDissertacao_ClassificacaoEletroencefalogramasEpileticos.pdfDissertacao_ClassificacaoEletroencefalogramasEpileticos.pdfapplication/pdf6415353http://repositorio.ufpa.br/oai/bitstream/2011/12290/1/Dissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf245ac8f98c5bfb224a08ebcbdfbcc2c1MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81899http://repositorio.ufpa.br/oai/bitstream/2011/12290/5/license.txt9d4d300cff78e8f375d89aab37134138MD55TEXTDissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf.txtDissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf.txtExtracted texttext/plain173486http://repositorio.ufpa.br/oai/bitstream/2011/12290/6/Dissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf.txt7813ccdada4be0d6b4209b187c6f3ed9MD562011/122902020-02-15 02:46:57.087oai:repositorio.ufpa.br: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ório InstitucionalPUBhttp://repositorio.ufpa.br/oai/requestriufpabc@ufpa.bropendoar:21232020-02-15T05:46:57Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)false |
dc.title.pt_BR.fl_str_mv |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
dc.title.alternative.pt_BR.fl_str_mv |
Classification of resting epileptic electroencephalograms with application of linear classifiers and an attribute derived from the power spectral density |
title |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
spellingShingle |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência FIEL, José de Santana CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Aprendizado de máquina eletroencefalografia epilepsia densidade espectral de potência indice ponderado e defasado de atraso de fase PROCESSAMENTO DIGITAL DE SINAIS TELECOMUNICAÇÕES |
title_short |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
title_full |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
title_fullStr |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
title_full_unstemmed |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
title_sort |
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência |
author |
FIEL, José de Santana |
author_facet |
FIEL, José de Santana |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
PEREIRA JÚNIOR, Antonio |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3239362677711162 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7025214770746107 |
dc.contributor.author.fl_str_mv |
FIEL, José de Santana |
contributor_str_mv |
PEREIRA JÚNIOR, Antonio |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Aprendizado de máquina eletroencefalografia epilepsia densidade espectral de potência indice ponderado e defasado de atraso de fase PROCESSAMENTO DIGITAL DE SINAIS TELECOMUNICAÇÕES |
dc.subject.por.fl_str_mv |
Aprendizado de máquina eletroencefalografia epilepsia densidade espectral de potência indice ponderado e defasado de atraso de fase |
dc.subject.linhadepesquisa.pt_BR.fl_str_mv |
PROCESSAMENTO DIGITAL DE SINAIS |
dc.subject.areadeconcentracao.pt_BR.fl_str_mv |
TELECOMUNICAÇÕES |
description |
Milhões de brasileiros são afetados pela epilepsia e o acesso ao diagnóstico precoce é crucial para o seu tratamento adequado. No entanto, o diagnóstico de epilepsia depende da avaliação de registros eletroencefalográficos (EEG) de longa duração realizados por profissionais treinados, transformando-o em um processo oneroso que não está imediatamente disponível para muitos pacientes no Brasil. Assim, o presente trabalho propõe uma metodologia para a classificação automática do EEG de indivíduos epiléticos, que utiliza registros de EEG de curta duração obtidos com o paciente em repouso. O sistema é baseado em algoritmos de aprendizado de máquina que usam um atributo extraído da densidade espectral de potência dos sinais de EEG. Esse atributo é uma estimativa da conectividade funcional entre os pares de canais de EEG e é chamado debiased weighted phase-lag index (dWPLI). Os algoritmos de classificação foram análise discriminante linear (LDA) e máquinas de vetores de suporte (SVM). Os sinais de EEG foram adquiridos durante o estado interictal, isto é, entre convulsões e não tinham atividade epileptiforme. Registros EEG 11 pacientes epiléticos e 7 indivíduos saudáveis foram utilizados para avaliar o desempenho do método proposto. Ambos os algoritmos atingiram seu desempenho máximo de classificação, 100 % de precisão e área sob a curva de característica de operação do receptor (AUROC), quando um vetor de característica com 190 atributos foi usado como entrada. Os resultados mostram a eficácia do sistema proposto, dado seu alto desempenho de classificação. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-12-04 |
dc.date.accessioned.fl_str_mv |
2020-02-14T14:12:04Z |
dc.date.available.fl_str_mv |
2020-02-14T14:12:04Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FIEL, José de Santana. Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência. Orientador: Antonio Pereira Júnior. 2019. 99 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/12290. Acesso em:. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufpa.br:8080/jspui/handle/2011/12290 |
identifier_str_mv |
FIEL, José de Santana. Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência. Orientador: Antonio Pereira Júnior. 2019. 99 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/12290. Acesso em:. |
url |
http://repositorio.ufpa.br:8080/jspui/handle/2011/12290 |
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.publisher.none.fl_str_mv |
Universidade Federal do Pará |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFPA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Tecnologia |
publisher.none.fl_str_mv |
Universidade Federal do Pará |
dc.source.pt_BR.fl_str_mv |
1 CD-ROM |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPA instname:Universidade Federal do Pará (UFPA) instacron:UFPA |
instname_str |
Universidade Federal do Pará (UFPA) |
instacron_str |
UFPA |
institution |
UFPA |
reponame_str |
Repositório Institucional da UFPA |
collection |
Repositório Institucional da UFPA |
bitstream.url.fl_str_mv |
http://repositorio.ufpa.br/oai/bitstream/2011/12290/2/license_url http://repositorio.ufpa.br/oai/bitstream/2011/12290/3/license_text http://repositorio.ufpa.br/oai/bitstream/2011/12290/4/license_rdf http://repositorio.ufpa.br/oai/bitstream/2011/12290/1/Dissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf http://repositorio.ufpa.br/oai/bitstream/2011/12290/5/license.txt http://repositorio.ufpa.br/oai/bitstream/2011/12290/6/Dissertacao_ClassificacaoEletroencefalogramasEpileticos.pdf.txt |
bitstream.checksum.fl_str_mv |
321f3992dd3875151d8801b773ab32ed d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 245ac8f98c5bfb224a08ebcbdfbcc2c1 9d4d300cff78e8f375d89aab37134138 7813ccdada4be0d6b4209b187c6f3ed9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA) |
repository.mail.fl_str_mv |
riufpabc@ufpa.br |
_version_ |
1801771938292432896 |