Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tedebc.ufma.br/jspui/handle/tede/tede/3246
Tipo do documento: Dissertação
Título: Classificação de Janelas de Eletroencefalograma com e sem Crises Epilépticas.
Título(s) alternativo(s): Classification of Electroencephalogram Windows with and without Epileptic Seizures.
Autor: NASCIMENTO, Davi Costa 
Primeiro orientador: BARROS FILHO, Allan Kardec Duailibe
Primeiro membro da banca: BARROS FILHO, Allan Kardec Duailibe
Segundo membro da banca: QUEIROZ, Jonathan Araújo
Terceiro membro da banca: SERRA, Ginalber Luiz de Oliveira
Quarto membro da banca: TOMAZ, Carlos Alberto Bezerra
Resumo: A epilepsia é um distúrbio neurológico crônico, o qual potencializa a ocorrência de convulsões em suas vítimas. Tal quadro clínico acarreta transtornos no cotidiano de pacientes, que em alguns casos, a ocorrência de crises pode promover les~oes, traumatismos ou mesmo morte s ubita. Um diagn ostico pr evio, bem como um tratamento adequado, possibilita aos pacientes uma vida mais confort avel e at e mesmo o desaparecimento de crises. Portanto, h a a necessidade do desenvolvimento de tecnologias e metodologias que possam agilizar e simpli car o diagn ostico da epilepsia, como tamb em novas op c~oes para o tratamento e acompanhamento de pacientes. Esse trabalho tem o objetivo de desenvolver um modelo generalizado de classi ca c~ao de segmentos de eletroencefalograma com presen ca ou aus^encia de crises epil epticas. A metodologia adotada na extra c~ao de caracter sticas consiste no c alculo dos momentos estat sticos de segunda, terceira e quarta ordem. Caracter sticas essas que foram extra das de janelas de 1 segundo de arquivos da base de dados CHB-MIT (Children's Hospital Boston). A classi ca c~ao dos vetores de caracter sticas obtidos se deu em duas etapas, sendo a primeira a partir dos momentos estat sticos, segunda com a rota c~ao dos mesmo vetores, utilizando a an alise de componentes principais (PCA). O modelo de classi ca c~ao proposto obteve para os vetores de caracter sticas e para as componentes oriundas do PCA, acur acia de 86.4% e 94.6%, respectivamente, ambas utilizando o algoritmo k-NN. Acreditasse que com devidas adapta c~oes melhorias o modelo pode ser embarcado em um dispositivo, para classi ca c~ao de janelas em tempreal.
Abstract: Epilepsy is a chronic neurological disorder, which enhances the occurrence of seizures in its victims. This clinical picture causes daily disorders of patients, that in some cases, the occurrence of seizures can promote injuries, trauma or even sudden death. A previous diagnosis, as well as an adequate treatment, allows the patients a more comfortable life and even the disappearance of seizures. Therefore, there is a need to develop technologies and methodologies that can streamline and simplify the diagnosis of epilepsy, as well as new options for the treatment and monitoring of patients. This work aims to develop a generalized model for the classi cation of electroencephalogram segments with the presence or absence of epileptic seizures. The methodology adopted in the extraction of features consists in the calculation of the statistical moments of second, third and fourth order. These features were extracted from 1-second windows of les from the CHB-MIT database (Children's Hospital Boston). The classi cation of the feature vectors obtained consisted of two stages, the rst from the statistical moments, the second with the rotation of the same vectors, using the principal component analysis (PCA). The proposed classi cation model obtained for the feature vectors and for the components coming from the PCA, accuracy of 86.4% and 94.6%, respectively, both using the k-NN algorithm. It was believed that with appropriate adaptations and improvements, the model can be embedded in a device, for classi cation of windows in real time.
Palavras-chave: Epilepsia;
Eletroencefalograma;
Aprendizado de máquina;
Estatística
Epilepsy;
Electroencephalogram;
Machine Learning;
Statistics
Área(s) do CNPq: Engenharia de Software
Idioma: por
País: Brasil
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Citação: NASCIMENTO, Davi Costa. Classi ficação de Janelas de Eletroencefalograma com e sem Crises Epilépticas.. 2021. 57 f. Dissertação( Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2021.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/3246
Data de defesa: 23-Fev-2021
Aparece nas coleções:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
D.C.Nascimento.pdf7,28 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.