Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único

Detalhes bibliográficos
Autor(a) principal: Santos, Thássio Gabriel Farias dos
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/24382
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, 2019.
id UNB-2_a37c9370aa7fec37b67fc041d1fb352d
oai_identifier_str oai:bdm.unb.br:10483/24382
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Santos, Thássio Gabriel Farias dosPizo, Gerardo Antonio IdroboSANTOS, Thássio Gabriel Farias dos. Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único. 2019. 77 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2019.https://bdm.unb.br/handle/10483/24382Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, 2019.A detecção de doenças que alteram a fisiologia do ser humano, principalmente as que alteram o sono, pode ser feita por meio do estudo do comportamento do sono de uma pessoa, que apresenta estágios que são categorizados como NREM1, NREM2, NREM3 e REM. A categorização destes estágios podem ser feitos por meio de polissonografias, exames que utilizam de vários sinais biomédicos como EEG, EMG e EOG. Como forma de reduzir o número de sinais biomédicos necessários para a determinação dos estágios do sono, este trabalho faz um estudo de como utilizar somente um canal de EEG para determinar os estágios do sono observando somente este sinal e o comportamento de seu espectro. A forma proposta é descarregar o conjunto de dados de EEG dos canais Pz-Oz e os dados de estágios do sono de exames de polissonografia advindos do banco de dados da PhysioNet, realizar com o Python(numpy) a análise da frequência destes sinais de EEG utilizando a Fast Fourier Transform e utilizar os resultados dos sinais processados como forma de parâmetro de entrada para a rede neural artificial, descrita em Python(Keras) rodando como backend a biblioteca TensorFlow, que receberá treinamento supervisionado. Após o treino e validação da rede neural, executar a montagem de hipnogramas, gráfico que mostra o progresso dos estágios do sono durante a noite. A montagem eficiente do hipnograma neste trabalho de forma generalizada, se torna limitada devido a insuficiência de amostras presentes no banco de dados. Neste trabalho há apenas a validação da possibilidade da criação da ferramenta devido aos resultados obtidos.Submitted by Caroline Botelho Teixeira (carolinebotelhoteixeira@gmail.com) on 2020-06-19T14:57:04Z No. of bitstreams: 1 2019_ThassioGabrielFariasDosSantos_tcc.pdf: 2811779 bytes, checksum: 1ded37e12b9d759c560169ff693b8489 (MD5)Approved for entry into archive by Biblioteca Digital de Monografias Gerência (bdm@bce.unb.br) on 2020-07-20T15:12:12Z (GMT) No. of bitstreams: 1 2019_ThassioGabrielFariasDosSantos_tcc.pdf: 2811779 bytes, checksum: 1ded37e12b9d759c560169ff693b8489 (MD5)Made available in DSpace on 2020-07-20T15:12:12Z (GMT). No. of bitstreams: 1 2019_ThassioGabrielFariasDosSantos_tcc.pdf: 2811779 bytes, checksum: 1ded37e12b9d759c560169ff693b8489 (MD5)Detection of diseases that changes the human physiology, mainly the ones that affects sleep, can be done by studying the behavior of a person’s sleep, which presents stages that are categorized as NREM1, NREM2, NREM3 and REM. The categorization of these stages can be done through of polysomnograms, exams that use of several biomedical signals like EEG, EMG and EOG. As a way to reduce the number of biomedical signals required for the determination of sleep stages, this work studies how to use only one EEG channel to determine the sleep stages by observing only this signal and the behavior of its spectrum. The proposed method is to download the EEG data of Pz-Oz channels and the sleep stages data from polysomnography exams from the PhysioNet’s database, perform with Python(numpy) the frequency analysis of these EEG signals using Fast Fourier Transform and use the results of the processed signals as an input parameter for the artificial neural network described in Python(Keras) running TensorFlow as backend, which will receive supervised training. After the training and validation of the neural network, perform the assembly of the hypnograms, a graph that shows the progress of sleep stages at night. The efficiency of assembly the hypnogram in this work in a general way becomes limited due to insufficient samples present in the database. In this work there is only the validation of the possibility of creating the tool due to the results obtained.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar meu trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessSonoEletroencefalografiaSinais biomédicosProposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal únicoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2020-07-20T15:12:12Z2020-07-20T15:12:12Z2019-11-28porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/24382/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2019_ThassioGabrielFariasDosSantos_tcc.pdf2019_ThassioGabrielFariasDosSantos_tcc.pdfapplication/pdf2811779http://bdm.unb.br/xmlui/bitstream/10483/24382/1/2019_ThassioGabrielFariasDosSantos_tcc.pdf1ded37e12b9d759c560169ff693b8489MD5110483/243822020-07-20 12:12:12.421oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712020-07-20T15:12:12Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
title Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
spellingShingle Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
Santos, Thássio Gabriel Farias dos
Sono
Eletroencefalografia
Sinais biomédicos
title_short Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
title_full Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
title_fullStr Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
title_full_unstemmed Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
title_sort Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único
author Santos, Thássio Gabriel Farias dos
author_facet Santos, Thássio Gabriel Farias dos
author_role author
dc.contributor.author.fl_str_mv Santos, Thássio Gabriel Farias dos
dc.contributor.advisor1.fl_str_mv Pizo, Gerardo Antonio Idrobo
contributor_str_mv Pizo, Gerardo Antonio Idrobo
dc.subject.keyword.pt_BR.fl_str_mv Sono
Eletroencefalografia
Sinais biomédicos
topic Sono
Eletroencefalografia
Sinais biomédicos
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, 2019.
publishDate 2019
dc.date.submitted.none.fl_str_mv 2019-11-28
dc.date.accessioned.fl_str_mv 2020-07-20T15:12:12Z
dc.date.available.fl_str_mv 2020-07-20T15:12:12Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Thássio Gabriel Farias dos. Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único. 2019. 77 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2019.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/24382
identifier_str_mv SANTOS, Thássio Gabriel Farias dos. Proposta de ferramenta de montagem de hipnogramas utilizando deep learning e eletroencefalograma de canal único. 2019. 77 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2019.
url https://bdm.unb.br/handle/10483/24382
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/24382/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/24382/1/2019_ThassioGabrielFariasDosSantos_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
1ded37e12b9d759c560169ff693b8489
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493119973195776

Registros relacionados