Detecção precoce do transtorno do espectro autista utilizando EEG

Detalhes bibliográficos
Autor(a) principal: Antunes, Marcela Prince
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22122023-103153/
Resumo: O Transtorno do Espectro Autista (TEA) é um transtorno do neurodesenvolvimento que tem sido a cada dia mais diagnosticado em crianças. Os sintomas são comumente percebidos na infância e incluem prejuízos na comunicação e interação social. A antecipação do diagnóstico para antes do aparecimento dos sintomas permitiria que diferentes terapias fossem iniciadas sem que houvesse comprometimento no desenvolvimento da criança. Por isso, diversas pesquisas têm utilizado eletroencefalografia (EEG) para compreender e detectar o TEA, além de sugerir intervenções para indivíduos com TEA. Considerando este cenário, este trabalho executou diversos experimentos utilizando técnicas de aprendizado de máquina para identificar automaticamente o TEA a partir de registros de EEG obtidos de crianças com idades de 3 a 14 meses. Os resultados apontaram acurácia, especificidade e sensitividade acima de 95% com Máquina de Vetores de Suporte (SVM) associada à Eliminação Recursiva de Características com Validação Cruzada (RFECV), mostrando a possibilidade de detecção do TEA já a partir dos 3 meses.
id USP_a058adc9666a305bd606c2f41aa3a90b
oai_identifier_str oai:teses.usp.br:tde-22122023-103153
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Detecção precoce do transtorno do espectro autista utilizando EEGEarly detection of autism spectrum disorder using EEGAprendizado de máquinaAutistic spectrum DisorderClassificaçãoClassificationDiagnóstico precoceEarly diagnosisEEGEEGMachine learningTranstorno do espectro autistaO Transtorno do Espectro Autista (TEA) é um transtorno do neurodesenvolvimento que tem sido a cada dia mais diagnosticado em crianças. Os sintomas são comumente percebidos na infância e incluem prejuízos na comunicação e interação social. A antecipação do diagnóstico para antes do aparecimento dos sintomas permitiria que diferentes terapias fossem iniciadas sem que houvesse comprometimento no desenvolvimento da criança. Por isso, diversas pesquisas têm utilizado eletroencefalografia (EEG) para compreender e detectar o TEA, além de sugerir intervenções para indivíduos com TEA. Considerando este cenário, este trabalho executou diversos experimentos utilizando técnicas de aprendizado de máquina para identificar automaticamente o TEA a partir de registros de EEG obtidos de crianças com idades de 3 a 14 meses. Os resultados apontaram acurácia, especificidade e sensitividade acima de 95% com Máquina de Vetores de Suporte (SVM) associada à Eliminação Recursiva de Características com Validação Cruzada (RFECV), mostrando a possibilidade de detecção do TEA já a partir dos 3 meses.The Autistic Spectrum Disorder (ASD) is a neurodevelopmental disorder that has been increasingly diagnosed in children. Symptoms are commonly noticed in childhood and include impairments in communication and social interaction. Anticipating the diagnosis to before the onset of symptoms would allow different therapies to be started without compromising the childs development. Hence, several studies have used electroencephalography (EEG) to understand and detect ASD, in addition to suggesting interventions for individuals with ASD. In this scenario, this work performed several experiments using machine learning techniques to automatically identify ASD from EEG recordings obtained from children aged 3 to 14 months. The results showed accuracy, specificity and sensitivity above 95% with Support Vector Machine (SVM) associated with Recursive Feature Elimination with Cross Validation (RFECV), showing the possibility of detecting ASD from 3 months onwards.Biblioteca Digitais de Teses e Dissertações da USPRosa, João Luis GarciaAntunes, Marcela Prince2023-09-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55134/tde-22122023-103153/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-12-22T13:30:03Zoai:teses.usp.br:tde-22122023-103153Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T13:30:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Detecção precoce do transtorno do espectro autista utilizando EEG
Early detection of autism spectrum disorder using EEG
title Detecção precoce do transtorno do espectro autista utilizando EEG
spellingShingle Detecção precoce do transtorno do espectro autista utilizando EEG
Antunes, Marcela Prince
Aprendizado de máquina
Autistic spectrum Disorder
Classificação
Classification
Diagnóstico precoce
Early diagnosis
EEG
EEG
Machine learning
Transtorno do espectro autista
title_short Detecção precoce do transtorno do espectro autista utilizando EEG
title_full Detecção precoce do transtorno do espectro autista utilizando EEG
title_fullStr Detecção precoce do transtorno do espectro autista utilizando EEG
title_full_unstemmed Detecção precoce do transtorno do espectro autista utilizando EEG
title_sort Detecção precoce do transtorno do espectro autista utilizando EEG
author Antunes, Marcela Prince
author_facet Antunes, Marcela Prince
author_role author
dc.contributor.none.fl_str_mv Rosa, João Luis Garcia
dc.contributor.author.fl_str_mv Antunes, Marcela Prince
dc.subject.por.fl_str_mv Aprendizado de máquina
Autistic spectrum Disorder
Classificação
Classification
Diagnóstico precoce
Early diagnosis
EEG
EEG
Machine learning
Transtorno do espectro autista
topic Aprendizado de máquina
Autistic spectrum Disorder
Classificação
Classification
Diagnóstico precoce
Early diagnosis
EEG
EEG
Machine learning
Transtorno do espectro autista
description O Transtorno do Espectro Autista (TEA) é um transtorno do neurodesenvolvimento que tem sido a cada dia mais diagnosticado em crianças. Os sintomas são comumente percebidos na infância e incluem prejuízos na comunicação e interação social. A antecipação do diagnóstico para antes do aparecimento dos sintomas permitiria que diferentes terapias fossem iniciadas sem que houvesse comprometimento no desenvolvimento da criança. Por isso, diversas pesquisas têm utilizado eletroencefalografia (EEG) para compreender e detectar o TEA, além de sugerir intervenções para indivíduos com TEA. Considerando este cenário, este trabalho executou diversos experimentos utilizando técnicas de aprendizado de máquina para identificar automaticamente o TEA a partir de registros de EEG obtidos de crianças com idades de 3 a 14 meses. Os resultados apontaram acurácia, especificidade e sensitividade acima de 95% com Máquina de Vetores de Suporte (SVM) associada à Eliminação Recursiva de Características com Validação Cruzada (RFECV), mostrando a possibilidade de detecção do TEA já a partir dos 3 meses.
publishDate 2023
dc.date.none.fl_str_mv 2023-09-04
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://www.teses.usp.br/teses/disponiveis/55/55134/tde-22122023-103153/
url https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22122023-103153/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257289648504832

Registros relacionados