Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes

Detalhes bibliográficos
Autor(a) principal: Almeida, Eduarda Rosado 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/123456789/175089
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.
id UFSC_c4df1a95f37c758ad945df8127afbaaf
oai_identifier_str oai:repositorio.ufsc.br:123456789/175089
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaAlmeida, Eduarda Rosado deAzevedo, Fernando Mendes de2017-04-25T04:09:29Z2017-04-25T04:09:29Z2016345348https://repositorio.ufsc.br/xmlui/handle/123456789/175089Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.A comprovação clínica do diagnóstico da epilepsia é realizada por um neurofisiologista que analisa registros de eletroencefalograma (EEG) do indivíduo com suspeita da doença, resultando em um processo demorado. Embora muitos estudos tenham proposto métodos ou sistemas de automatização da análise dos registros de EEG, ainda não existe um algoritmo ou sistema que realize este tipo de tarefa com o sucesso esperado no ambiente clínico. Uma solução adotada para aumentar o desempenho de tais classificadores é o processamento digital dos sinais de EEG. Dentre os métodos de processamento, a Transformada Wavelet tem apresentado resultados promissores. Em continuidade aos estudos desenvolvidos em uma linha de pesquisa do Instituto de Engenharia Biomédica (IEB-UFSC) da Universidade Federal de Santa Catarina (UFSC), este trabalho propõe-se a realizar uma comparação direta entre os dois métodos de aplicação da Transformada Wavelet: Banco de Filtros e Escalogramas. As funções Wavelet analisadas neste trabalho foram escolhidas de acordo com uma revisão da literatura. Uma base de dados com segmentos de sinais de EEG é processada com banco de filtros e escalogramas. A base de dados processada é aplicada à entrada de redes neurais artificiais para o reconhecimento de padrões eletrográficos característicos de pacientes com Epilepsia. Os resultados são analisados a partir de dois métodos: análise não paramétrica e análise da rede com maior eficiência obtida para cada função Wavelet. Utilizando análise não paramétrica, as funções Coif 4 e Db 4, utilizando Banco de Filtros, e Bior 3.1 e Coif 1, utilizando Escalogramas, apresentam bom desempenho. Por sua vez, fazendo análise com base em apenas uma única rede para cada função, a melhor configuração é utilizando a função Bior 3.1 com processamento por Banco de Filtros.<br>Abstract : The clinical evidence of the diagnosis of epilepsy is performed by a neurophysiologist who analyzes the electroencephalogram (EEG) records of the individual with suspected disease, resulting in a time consuming process. Although many studies have proposed methods or automated systems for EEG record analysis, there is still no algorithm or system that performs this type of task with the expected success in the clinical setting. One solution adopted to increase the performance of such classifiers is the digital processing of the EEG signals. Among the processing methods, the Wavelet Transform has presented promising results. In continuity to the studies developed in a line of research of the Institute of Biomedical Engineering (IEB-UFSC) of the Federal University of Santa Catarina (UFSC), this work proposes to make a direct comparison between the two methods of application of the Wavelet Transform: Bank of Filters and Scalograms. The Wavelet functions analyzed in this work were chosen according to a literature review. A database with segments of EEG signals is processed with Wavelet Filter Banks and Scalograms. The processed database is applied to the input of artificial neural networks for the recognition of electrographic patterns characteristic of patients with Epilepsy. The results are analyzed using two methods: non-parametric analysis and the most efficient network obtained for each Wavelet function. Using non-parametric analysis, the Coif 4 and Db 4 functions, for Filter Banks, and the Bior 3.1 and Coif 1 functions, using Scalograms, perform well. In turn, doing the analysis based only a single network for each function, the best configuration is using the Bior 3.1 function and processing by Filter Bank.89 p.| il., grafs., tabs.porEngenharia elétricaEletroencefalografiaSistemas de reconhecimento de padrõesProcessamento de sinaisRedes neurais (Computação)Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL345348.pdfapplication/pdf4052096https://repositorio.ufsc.br/bitstream/123456789/175089/1/345348.pdf952b762d8a1b26e7b80757dfa8ca7fa7MD51123456789/1750892017-04-25 01:09:29.767oai:repositorio.ufsc.br:123456789/175089Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732017-04-25T04:09:29Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
title Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
spellingShingle Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
Almeida, Eduarda Rosado de
Engenharia elétrica
Eletroencefalografia
Sistemas de reconhecimento de padrões
Processamento de sinais
Redes neurais (Computação)
title_short Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
title_full Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
title_fullStr Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
title_full_unstemmed Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
title_sort Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes
author Almeida, Eduarda Rosado de
author_facet Almeida, Eduarda Rosado de
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Almeida, Eduarda Rosado de
dc.contributor.advisor1.fl_str_mv Azevedo, Fernando Mendes de
contributor_str_mv Azevedo, Fernando Mendes de
dc.subject.classification.pt_BR.fl_str_mv Engenharia elétrica
Eletroencefalografia
Sistemas de reconhecimento de padrões
Processamento de sinais
Redes neurais (Computação)
topic Engenharia elétrica
Eletroencefalografia
Sistemas de reconhecimento de padrões
Processamento de sinais
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.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-04-25T04:09:29Z
dc.date.available.fl_str_mv 2017-04-25T04:09:29Z
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 https://repositorio.ufsc.br/xmlui/handle/123456789/175089
dc.identifier.other.pt_BR.fl_str_mv 345348
identifier_str_mv 345348
url https://repositorio.ufsc.br/xmlui/handle/123456789/175089
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 89 p.| il., grafs., tabs.
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
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/175089/1/345348.pdf
bitstream.checksum.fl_str_mv 952b762d8a1b26e7b80757dfa8ca7fa7
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805333478473728

Registros relacionados