Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/198721 |
Resumo: | Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018. |
id |
UFSC_34e1a0325e39ef15c8f1f7219e45af5d |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/198721 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíacaEngenharia elétricaEpilepsiaFrequencia cardíacaProcessamento de sinaisTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018.A Epilepsia é uma desordem neurológica com uma ocorrência em torno de 0.5-2% da população mundial, que podem causar consequências físicas, psicológicas e sociais negativas, incluindo a perda de consciência, lesões e até a morte. Assim, existe um grande interesse no desenvolvimento de ferramentas confiáveis para a detecção e predição das crises, a fim de permitir uma intervenção ou, pelo menos, dar aos pacientes a oportunidade de se prepararem para uma crise. A maioria das técnicas atuais para a predição e detecção automática de crises epilépticas utilizam sinais de eletroencefalograma (EEG). Entretanto, essas técnicas estão associadas a utilização de diversos eletrodos no couro cabeludo ou eletrodos intracranianos, dificultando a sua utilização. Uma outra técnica é utilizar a análise da atividade do sistema nervoso autônomo que pode ajudar a identificar e gerenciar a Epilepsia. Uma das medições que traz informações sobre o seu funcionamento é a variabilidade da frequência cardíaca (VFC). De modo geral, a VFC é uma medição temporal da variação sucessivas de intervalos RR de um sinal de eletrocardiograma (ECG) e ela reflete a regulação da frequência cardíaca pelo sistema nervoso autônomo (i.e., ramos simpático e parassimpático). Nesse sentido, alguns estudos apresentaram análises do comportamento de parâmetros extraídos de análises da VFC nos períodos pré-ictal e interictal que indicam diferenças significativas nos diferentes períodos. Desta maneira, com o objetivo de contribuir na evolução da predição de crises epilépticas utilizando técnicas menos invasivas e mais acessíveis, o presente trabalho apresenta uma proposta de metodologia para a predição de crises epilépticas utilizando parâmetros derivados do sinal de VFC. Através desses parâmetros, aplicou-se técnicas avançadas de processamento digital de sinais, identificação e classificação de sistemas lineares e não-lineares para o desenvolvimento da metodologia proposta. A fim de minimizar a variabilidade fisiológica, foram utilizadas apenas gravações de sinais de ECG com ocorrências de crises focais de pacientes com epilepsia do lobo temporal. O desempenho da metodologia é analisado por métricas consolidadas na literatura como a sensibilidade e a taxa de falso positivo. Em estudos de predição de crises, uma crise é considerada como predita corretamente se houver pelo menos um aviso dentro de um horizonte de predição precedente. Nesta tese, a sensibilidade foi calculada com base na predição de crises a partir de 5 minutos antes da crise até o início da crise. Os resultados obtidos apresentaram que a melhor configuração da abordagem metodológica foi a utilização do classificador por redes neurais artificiais combinada com a análise de componentes principais, atingindo uma sensibilidade de 92,2% e uma taxa de falso positivo de 0,1h-1. Os resultados sugerem que é viável usar a dinâmica dos parâmetros de VFC para a predição de crises epilépticas e obter resultados similares aos baseados no sinal de EEG.Abstract : Epilepsy is a neurological disorder with an occurrence around 0.5-2% of the world population, which can cause negative physical, psychological and social consequences, including loss of consciousness, injury, and even death. Thus, there is a great interest in the development of reliable tools for early seizure detection, and potentially for seizure prediction, in order to allow acute intervention or, at least, to give patients an opportunity to prepare themselves for a seizure. Most techniques for the detection and prediction of epileptic seizures use electroencephalogram (EEG) signals. However, these techniques are associated with the use of a larger number of electrodes attached to the scalp or intracranial electrodes, making it difficult to use. Another technique is the analysis of autonomic nervous system (ANS) activity that can help to identify and handle Epilepsy. One of the measurements that provides information about its operation is the heart rate variability (HRV). In general, HRV analyses are based on the measurement of the time intervals between successive QRS complexes of the electrocardiogram (ECG), which reflect the regulation of the heart rate by the ANS via its sympathetic and parasympathetic control mechanisms. The differences between interictal and preictal HRV parameters have been noted in several studies. Thus, to contribute to the evolution of seizure prediction using non-invasive and more accessible techniques, the current work presents a purpose of a methodology for epileptic seizure prediction using HRV parameters. With these parameters, we applied advanced techniques of digital signal processing, identification and classification of linear and nonlinear systems for the development of the proposed methodology. In order to minimize physiological variability, we focused exclusively on ECG recordings capturing occurrences of focal seizures from patient with temporal lobe epilepsy. The performance of the methodology is analyzed by consolidated metrics such as sensitivity and false positive rate. In seizure prediction studies, a seizure is considered to be correctly predicted if there is at least one warning within a predictive prediction horizon. In this thesis, the sensitivity was calculated based on the prediction of seizures from 5 minutes before the seizure until the beginning of the seizure. The results obtained presented the best configuration of the methodological approach for the use of the classifier by artificial neural networks combined with a principal components analysis, reaching a sensitivity of 92.2% and a false positive rate of 0.1h-1. The results suggest that it is feasible using the dynamic of HRV parameters for the prediction of epileptic seizures and obtain similar results to methods based on the EEG signal.Marques, Jefferson Luiz BrumDe Pieri, Edson RobertoUniversidade Federal de Santa CatarinaPavei, Jonatas2019-07-25T12:00:43Z2019-07-25T12:00:43Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis154, [6] p.| il., gráfs., tabs.application/pdf357272https://repositorio.ufsc.br/handle/123456789/198721porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2019-07-25T12:00:43Zoai:repositorio.ufsc.br:123456789/198721Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732019-07-25T12:00:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
title |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
spellingShingle |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca Pavei, Jonatas Engenharia elétrica Epilepsia Frequencia cardíaca Processamento de sinais |
title_short |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
title_full |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
title_fullStr |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
title_full_unstemmed |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
title_sort |
Desenvolvimento de metodologia para a detecção pré-ictal de crises epilépticas utilizando biomarcadores derivados da variabilidade da frequência cardíaca |
author |
Pavei, Jonatas |
author_facet |
Pavei, Jonatas |
author_role |
author |
dc.contributor.none.fl_str_mv |
Marques, Jefferson Luiz Brum De Pieri, Edson Roberto Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Pavei, Jonatas |
dc.subject.por.fl_str_mv |
Engenharia elétrica Epilepsia Frequencia cardíaca Processamento de sinais |
topic |
Engenharia elétrica Epilepsia Frequencia cardíaca Processamento de sinais |
description |
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2019-07-25T12:00:43Z 2019-07-25T12:00:43Z |
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 |
357272 https://repositorio.ufsc.br/handle/123456789/198721 |
identifier_str_mv |
357272 |
url |
https://repositorio.ufsc.br/handle/123456789/198721 |
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 |
154, [6] p.| il., gráfs., tabs. 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_ |
1808652192375111680 |