Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas

Detalhes bibliográficos
Autor(a) principal: Santos, Kelyson Nunes dos
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/24209
Resumo: A predição de eventos a partir de dados neurofisiológicos possui muitas variáveis que devem ser analisadas em diferentes momentos, desde a aquisição e registro de dados até o pós-processamento dos mesmos. Assim, a escolha do algoritmo que irá processar esses dados é uma etapa muito importante, pois o tempo de processamento e a acurácia do resultado são fatores determinantes para uma ferramenta de auxílio de diagnóstico. A tarefa de classificação e predição também auxilia no entendimento das interações realizadas pelas redes de células cerebrais. Este trabalho realiza o estudo de técnicas de Aprendizado de Máquina com diferentes características para analisar seu impacto na tarefa de predição de eventos a partir de dados neurofisiológicos e propõe o uso de comitês de classificadores de forma a otimizar o desempenho da tarefa de predição através do uso de técnicas de baixo custo computacional
id UFRN_097508a582a7a740d72f1aa6fe1472e4
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/24209
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Santos, Kelyson Nunes doshttp://lattes.cnpq.br/9762312464495381http://lattes.cnpq.br/1467664612924239Bedregal, Benjamin Rene Callejashttp://lattes.cnpq.br/4601263005352005Brasil, Fabricio Limahttp://lattes.cnpq.br/5066712308449764Moioli, Renan Ciprianohttp://lattes.cnpq.br/3898958813303048Venâncio Neto, Augusto José2017-11-07T22:24:56Z2017-11-07T22:24:56Z2016-07-28SANTOS, Kelyson Nunes dos. Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas. 2016. 73f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.https://repositorio.ufrn.br/jspui/handle/123456789/24209A predição de eventos a partir de dados neurofisiológicos possui muitas variáveis que devem ser analisadas em diferentes momentos, desde a aquisição e registro de dados até o pós-processamento dos mesmos. Assim, a escolha do algoritmo que irá processar esses dados é uma etapa muito importante, pois o tempo de processamento e a acurácia do resultado são fatores determinantes para uma ferramenta de auxílio de diagnóstico. A tarefa de classificação e predição também auxilia no entendimento das interações realizadas pelas redes de células cerebrais. Este trabalho realiza o estudo de técnicas de Aprendizado de Máquina com diferentes características para analisar seu impacto na tarefa de predição de eventos a partir de dados neurofisiológicos e propõe o uso de comitês de classificadores de forma a otimizar o desempenho da tarefa de predição através do uso de técnicas de baixo custo computacionalEvent prediction from neurophysiological data has many variables which must be analyzed in di erent moments, since data acquisition and registry to its post-processing. Hence, choosing the algorithm that will process these data is a very important step, for processing time and accuracy of results are determinant factors for a diagnosis auxiliary tool. Tasks of classi cation and prediction also help in understanding brain cell's networks interactions. This work uses Supervised Machine Learning techniques with different features to analyze their impact on the task of epileptic seizure prediction from canine neurophysiological data and purposes using of ensembles to optimize the performance of event prediction task through computational low-cost techniques. Epileptic dogs' EEG data were preprocessed throug Fourier transform and only significant frequencies were considered (1 to 30Hz). It was applied a dimensionality reductor and then data was submitted to supervised machine learning techniques. Two scenarios were evaluated: first used raw data resulted from Fourier transform, as the second one transform these data. Algorithms evaluation was made through area under ROC curve (AUC) measure. Best results were to scenario A (a) an heterogeneous ensemble formed by a KNN, a decision tree and a bayesian classifier, scoring 0.7074 and (b) an example of decision tree evaluated in 0.687, and, for scenario B, best results were (a) a setup of decision tree which obtained 0.620 and (b) an heterogeneous ensemble composed by a KNN, a decision tree and a bayesian classifier, scoring 0.612.porCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOPredição de eventosPredição de crises epiléticasEpilepsiaComitês de classificadoresUtilização de técnicas de aprendizado de máquina para predição de crises epiléticasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALKelysonNunesDosSantos_DISSERT.pdfKelysonNunesDosSantos_DISSERT.pdfapplication/pdf1062168https://repositorio.ufrn.br/bitstream/123456789/24209/1/KelysonNunesDosSantos_DISSERT.pdf04f1970a7b716a450957fe5097cc4403MD51TEXTKelysonNunesDosSantos_DISSERT.pdf.txtKelysonNunesDosSantos_DISSERT.pdf.txtExtracted texttext/plain126946https://repositorio.ufrn.br/bitstream/123456789/24209/2/KelysonNunesDosSantos_DISSERT.pdf.txtb60d85cd1fef829b3b227e5341331a71MD52THUMBNAILKelysonNunesDosSantos_DISSERT.pdf.jpgKelysonNunesDosSantos_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2669https://repositorio.ufrn.br/bitstream/123456789/24209/3/KelysonNunesDosSantos_DISSERT.pdf.jpga75fabfa62ceaa30ed91acb519ba14c7MD53123456789/242092022-04-12 19:17:41.76oai:https://repositorio.ufrn.br:123456789/24209Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-04-12T22:17:41Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
title Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
spellingShingle Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
Santos, Kelyson Nunes dos
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Predição de eventos
Predição de crises epiléticas
Epilepsia
Comitês de classificadores
title_short Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
title_full Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
title_fullStr Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
title_full_unstemmed Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
title_sort Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas
author Santos, Kelyson Nunes dos
author_facet Santos, Kelyson Nunes dos
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9762312464495381
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1467664612924239
dc.contributor.referees1.none.fl_str_mv Bedregal, Benjamin Rene Callejas
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4601263005352005
dc.contributor.referees2.none.fl_str_mv Brasil, Fabricio Lima
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5066712308449764
dc.contributor.referees3.none.fl_str_mv Moioli, Renan Cipriano
dc.contributor.referees3Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3898958813303048
dc.contributor.author.fl_str_mv Santos, Kelyson Nunes dos
dc.contributor.advisor1.fl_str_mv Venâncio Neto, Augusto José
contributor_str_mv Venâncio Neto, Augusto José
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Predição de eventos
Predição de crises epiléticas
Epilepsia
Comitês de classificadores
dc.subject.por.fl_str_mv Predição de eventos
Predição de crises epiléticas
Epilepsia
Comitês de classificadores
description A predição de eventos a partir de dados neurofisiológicos possui muitas variáveis que devem ser analisadas em diferentes momentos, desde a aquisição e registro de dados até o pós-processamento dos mesmos. Assim, a escolha do algoritmo que irá processar esses dados é uma etapa muito importante, pois o tempo de processamento e a acurácia do resultado são fatores determinantes para uma ferramenta de auxílio de diagnóstico. A tarefa de classificação e predição também auxilia no entendimento das interações realizadas pelas redes de células cerebrais. Este trabalho realiza o estudo de técnicas de Aprendizado de Máquina com diferentes características para analisar seu impacto na tarefa de predição de eventos a partir de dados neurofisiológicos e propõe o uso de comitês de classificadores de forma a otimizar o desempenho da tarefa de predição através do uso de técnicas de baixo custo computacional
publishDate 2016
dc.date.issued.fl_str_mv 2016-07-28
dc.date.accessioned.fl_str_mv 2017-11-07T22:24:56Z
dc.date.available.fl_str_mv 2017-11-07T22:24:56Z
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 SANTOS, Kelyson Nunes dos. Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas. 2016. 73f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/24209
identifier_str_mv SANTOS, Kelyson Nunes dos. Utilização de técnicas de aprendizado de máquina para predição de crises epiléticas. 2016. 73f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
url https://repositorio.ufrn.br/jspui/handle/123456789/24209
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.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/24209/1/KelysonNunesDosSantos_DISSERT.pdf
https://repositorio.ufrn.br/bitstream/123456789/24209/2/KelysonNunesDosSantos_DISSERT.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/24209/3/KelysonNunesDosSantos_DISSERT.pdf.jpg
bitstream.checksum.fl_str_mv 04f1970a7b716a450957fe5097cc4403
b60d85cd1fef829b3b227e5341331a71
a75fabfa62ceaa30ed91acb519ba14c7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832900898553856

Registros relacionados