Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa

Detalhes bibliográficos
Autor(a) principal: Araújo, Thais Carolina de
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/176663
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.
id UFSC_bcb6cea17d9b84782000456b665a3dfb
oai_identifier_str oai:repositorio.ufsc.br:123456789/176663
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativaEngenharia elétricaEpilepsiaSistemas de reconhecimento de padrõesRedes neurais (Computação)Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.Epilepsia é um transtorno do cérebro, caracterizado por uma predisposição duradoura a crises epiléticas e pelas consequências neurobiológicas, sociais, cognitivas e psicológicas desta condição. O eletroencefalograma (EEG) é amplamente utilizado na comprovação clínica do diagnóstico da epilepsia. A confirmação clínica utilizando o EEG é realizada pela análise criteriosa dos registros em busca de algumas manifestações eletrográficas que, quando presentes com determinada frequência, são um forte indicativo desta condição (epilepsia). O presente trabalho tem como objetivo avaliar a viabilidade da Teoria da Ressonância Adaptativa (ART) na identificação automática de padrões epileptiformes em sinais de EEG. Dentre as redes da família ART, foi escolhida a rede ART2 por permitir estímulos de entrada com valores binários (zero ou um) e valores contínuos. A análise e simulações neste estudo utilizou uma base de dados de sinal EEG com gravações de dez pacientes epilépticos e um paciente sem epilepsia. Estes sinais foram separados em dois conjuntos, com segmentos distintos entre si, e utilizados no treinamento e teste da rede. O algoritmo da rede ART2 foi implementado no software Matlab®. Os resultados dos testes gerados pelas redes ART2 foram avaliados por meio de índices de desempenho de Sensibilidade, Especificidade e Eficiência. As redes analisadas obtiveram valores máximos de 98,34% de Sensibilidade, 86,94% de Especificidade e 85,65% de Eficiência. Os resultados alcançados pelas redes foram promissores e satisfatórios. A rede neural ART2 foi capaz de reconhecer padrões epileptiformes, podendo ser uma boa opção para o uso em sistemas computacionais para o diagnóstico da epilepsia.<br>Abstract : Epilepsy is a disorder of the brain characterized by a predisposition to seizures and lasting neurobiological, social, psychological and cognitive consequences of this condition. The electroencephalogram (EEG) is widely used for the clinical confirmation of epilepsy diagnosis. This is performed by careful analysis of EEG recordings in search of specific electrographic activity than, when present with certain frequency, are a strong indication of this condition (epilepsy). This study aims to assess the feasibility of Adaptive Resonance Theory (ART) in the automatic identification of epileptiform patterns in EEG signals. Among the ART family networks, the ART2 was selected because it allows input stimuli with both binary (zeros and ones) and continuous values. The analysis and simulations preformed in this study used an EEG signal database with recordings from ten epileptic patients and one epilepsy free patient. These EEG signals were separated in two different sets used for training and testing of the network. The ART2 network algorithm was implemented in Matlab® software. The test results generated by ART2 networks were evaluated by sensitivity, specificity and efficiency performance metrics. The analyzed networks obtained maximum values of 98.34% sensitivity, 86.94% specificity and 85.65% efficiency. The results achieved by the networks can be considered promising and satisfactory. The ART2 neural network was able to identify epileptiform patterns and could be a good option for use in computer aided systems for the diagnosis of epilepsy.Azevedo, Fernando Mendes deUniversidade Federal de Santa CatarinaAraújo, Thais Carolina de2017-06-27T04:06:43Z2017-06-27T04:06:43Z2016info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis101 p.| il., gráfs., tabs.application/pdf346015https://repositorio.ufsc.br/xmlui/handle/123456789/176663porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2017-06-27T04:06:43Zoai:repositorio.ufsc.br:123456789/176663Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732017-06-27T04:06:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
title Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
spellingShingle Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
Araújo, Thais Carolina de
Engenharia elétrica
Epilepsia
Sistemas de reconhecimento de padrões
Redes neurais (Computação)
title_short Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
title_full Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
title_fullStr Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
title_full_unstemmed Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
title_sort Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa
author Araújo, Thais Carolina de
author_facet Araújo, Thais Carolina de
author_role author
dc.contributor.none.fl_str_mv Azevedo, Fernando Mendes de
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Araújo, Thais Carolina de
dc.subject.por.fl_str_mv Engenharia elétrica
Epilepsia
Sistemas de reconhecimento de padrões
Redes neurais (Computação)
topic Engenharia elétrica
Epilepsia
Sistemas de reconhecimento de padrões
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.
publishDate 2016
dc.date.none.fl_str_mv 2016
2017-06-27T04:06:43Z
2017-06-27T04:06:43Z
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.uri.fl_str_mv 346015
https://repositorio.ufsc.br/xmlui/handle/123456789/176663
identifier_str_mv 346015
url https://repositorio.ufsc.br/xmlui/handle/123456789/176663
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 101 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_ 1808651952302587904

Registros relacionados