Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração

Detalhes bibliográficos
Autor(a) principal: Scolaro, Geovani Rodrigo
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/133064
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2014
id UFSC_0cab070715abe78a542635e871a65553
oai_identifier_str oai:repositorio.ufsc.br:123456789/133064
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duraçãoEngenharia elétricaEletroencefalografiaProcessamento de sinaisWavelets (Matemática)Filtros(Matematica)Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2014Este trabalho teve como objetivo o desenvolvimento de um sistema automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia (EEG) do tipo interictal e de longo termo. Como diferencial este trabalho propôs a utilização da transformada wavelet como um filtro específico para atenuar oscilações de baixa frequência que a atividade de fundo do EEG apresenta, bem como, outras interferências de alta frequência presentes nos sinais de EEG. Foram utilizadas combinações de sinais decompostos e reconstruídos, através das aproximações que a transformada wavelet disponibiliza. O filtro desenvolvido utiliza a função wavelet Db4, como função base para o filtro. Foi proposta uma faixa específica de trabalho para a localização dos eventos epileptiformes entre 5 e 25 Hz. Após o processamento pelo filtro wavelet, os picos dos eventos epileptiformes tem uma amplitude relativamente alta, em relação à atividade normal de fundo do EEG. Dessa forma, a metodologia baseia-se na localização dos picos dos eventos epileptiformes, através do pré-processamento dos sinais de EEG. Depois de processados, os canais de EEG apresentam picos de sinal marcados, e pela comparação em uma janela de amplitudes entre -40µV e -400µV, eliminando segmentos de sinal que não compreendam esta faixa. Caso não sejam eliminados, os sinais marcados são direcionados para o classificador neural, responsável por classificar os segmentos de sinal em eventos epileptiformes ou em outra categoria, entre piscadas, atividade normal de fundo do EEG ou ruídos. Através deste estudo foi possível comprovar que a função wavelet mais adequada para o processamento dos registros de EEG é a função Db4. Também foi possível comprovar a viabilidade do desenvolvimento de um sistema classificador de eventos epileptiformes utilizando apenas uma rede neural artificial como classificador, desde que ela seja bem treinada. O classificador neural obtido apresentou uma taxa de sensibilidade de 97,45%, taxa de especificidade de 97,28%, valor preditivo positivo de 98,83%, valor preditivo negativo de 94,21% e um índice de desempenho de 97,40%. A metodologia desenvolvida possibilitou alcançar uma taxa de falsos positivos por minuto de 0,064 FP/min, ficando abaixo de muitas metodologias encontradas na literatura.<br>Abstract: In this work it was developed a system for the automatic identification and counting of epileptiform events applied in long term electroencephalography signals. This paper proposes the use of the wavelet transform as a digital filter using a combination of decomposed and reconstructed signals through the wavelet transform approximations. Thus, it was possible to create a specific digital filter to attenuate low frequency oscillations in the background activity of the EEG signals, as well as, other high-frequency interferences present in EEG signals. The filter uses the Db4 wavelet function, as the base function for the filter. A specific working range for the filter was proposed, between 5 and 25 Hz for the epileptiform events identification. After processing by wavelet filter, the peaks of epileptiform events has a higher amplitude in relation to the normal EEG background activity. Thus, the method is based on the location of the peaks of epileptiform events through the pre-processing of EEG signals. Once processed, the marked peaks of the EEG signals are compared with a window of amplitudes between -40µV and -400µV, eliminating signal segments out of this band. If not eliminated, the marked signals are sent to the neural classifier and the signal segments are classified in epileptiform events, eye blinks, EEG background activity or noise. Through this study it was possible to prove that the Db4 wavelet function is most suitable for processing EEG records and it is also possible to develop a classifier system of epileptiform events using only an artificial neural network as a classifier, since it is well trained. The used neural classifier showed a sensitivity rate of 97.45%, a specificity rate of 97.28%, positive predictive value 98.83%, negative predictive value of 94.21% and a performance index of 97.40 %. The developed methodology achieved a false positive rate of 0,064 FP/min, below of many methodologies reported in the literature.Azevedo, Fernando Mendes deWalz, RogerUniversidade Federal de Santa CatarinaScolaro, Geovani Rodrigo2015-05-26T04:04:05Z2015-05-26T04:04:05Z2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis195 p.| il., tabs., grafs.application/pdf333580https://repositorio.ufsc.br/xmlui/handle/123456789/133064porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2015-05-26T04:04:05Zoai:repositorio.ufsc.br:123456789/133064Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732015-05-26T04:04:05Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
title Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
spellingShingle Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
Scolaro, Geovani Rodrigo
Engenharia elétrica
Eletroencefalografia
Processamento de sinais
Wavelets (Matemática)
Filtros
(Matematica)
title_short Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
title_full Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
title_fullStr Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
title_full_unstemmed Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
title_sort Sistema computacional automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia de longa duração
author Scolaro, Geovani Rodrigo
author_facet Scolaro, Geovani Rodrigo
author_role author
dc.contributor.none.fl_str_mv Azevedo, Fernando Mendes de
Walz, Roger
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Scolaro, Geovani Rodrigo
dc.subject.por.fl_str_mv Engenharia elétrica
Eletroencefalografia
Processamento de sinais
Wavelets (Matemática)
Filtros
(Matematica)
topic Engenharia elétrica
Eletroencefalografia
Processamento de sinais
Wavelets (Matemática)
Filtros
(Matematica)
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2014
publishDate 2014
dc.date.none.fl_str_mv 2014
2015-05-26T04:04:05Z
2015-05-26T04:04:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 333580
https://repositorio.ufsc.br/xmlui/handle/123456789/133064
identifier_str_mv 333580
url https://repositorio.ufsc.br/xmlui/handle/123456789/133064
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 195 p.| il., tabs., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652213092876288

Registros relacionados