Avaliação do uso de redes neurais recorrentes como possível preditora de ataques epiléticos

• Autor(a) principal: Freitas, Luciano Bongiorni Alff de
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/201549
• topic: Epilepsia; Redes neurais; Eletroencefalografia; Memória de longo prazo; Epilepsy; Categorical prediction; Recurrent neural networks (RNN); Electroencephalography (EEG); Intelligent diagnosis

A ocorrência de ataques epiléticos é um problema que dificulta o quotidiano de muitas pessoas que sofrem dessa desordem, podendo causar riscos ao indivíduo e às pessoas à sua volta. A possibilidade de predição de ataques epiléticos poderia trazer uma forma de minimizar os riscos associados a esses ataques. Dado que a epilepsia tem origem em atividades anormais de sinais cerebrais, uma forma de monitoramento desses sinais e, consequentemente, da ocorrência de ataques epiléticos, é a Eletroencefalografia. Através da análise computacional desses dados se desenvolveu uma variação de Rede Neural Artificial Recorrente do tipo Long Short Term Memory de forma a classificar segmentos de sinais de Eletroencefalografia que indiquem a iminência da ocorrência de um evento epilético, segmentos que representam o denominado estado pré-ictal. Com a utilização de uma base de dados de Eletroencefalografia de indivíduos epiléticos obtida no Children’s Hospital Boston pela base de dados Physionet, foram criados grupos de pacientes, então selecionados os canais de Eletroencefalografia em comum e reduzidos para apenas 25% desses com base em estudos sobre redução de canais na determinação de eventos epiléticos. Foram extraídas características temporais e espectrais, sendo elas o valor médio quadrático, desvio padrão, número de picos observados acima de um limiar, Transformada Rápida de Fourier e densidade espectral de potência. Além de utilizar os dados obtidos, foram propostas três técnicas de manipulação de dados, sendo a primeira técnica a sobreposição de dados de entrada de treinamento, a segunda técnica propôs o deslocamento dos valores alvo de treinamento para demarcar manualmente regiões pré-ictais, e a última técnica consistiu na união das duas primeiras. Utilizando os dados de Eletroencefalografia e características extraídas dos mesmos, foi treinada a Rede Neural utilizando a estrutura básica e as três técnicas propostas. Se obteve taxas de acerto da Rede Neural de mais de 99%, entretanto os resultados demonstraram que com a metodologia proposta não foi possível classificar regiões pré-ictais, além da Rede Neural ser fortemente dependente dos padrões de Eletroencefalografia do paciente analisado. Apesar disso se observou que a Rede Neural conseguiu classificar regiões ictais com até 61% de sensitivity (taxa de verdadeiros positivos) e até 99% de specificity (taxa de verdadeiros negativos), demonstrando a capacidade de Redes Neurais Recorrentes do tipo Long Short Term Memory de apreenderem padrões temporais.