Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/30253
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Silva, Carolline Victor Gomes da | - |
dc.date.accessioned | 2022-12-06T13:17:41Z | - |
dc.date.available | 2022-12-06T13:17:41Z | - |
dc.date.issued | 2022-02-22 | - |
dc.identifier.citation | SILVA, Carolline Victor Gomes da. Uma nova abordagem para a predição de crises epilépticas baseada nas técnicas de padrões espaciais comuns e aprendizagem de máquina. 2022. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/30253 | - |
dc.description.abstract | Epilepsy is one of the most common neurological diseases characterized by recurrent seizures caused by brief disturbances in the brain's electrical functions. In 30% of the cases, this condition cannot be successfully treated by medication or resection, directly affecting the quality of life of these individuals. Thus, there is a significant interest in developing reliable tools for predicting seizures, enabling decision making, or alerting patients to be prepared when a seizure is approaching. The proposed method for seizure prediction is based on time-frequency analysis of the scalp electroencephalogram (EEG) and spatial filtering techniques to extract features capable of discriminating the interictal and preictal activities. The coefficients of the theta, alpha, and beta EEG rhythms, obtained by the decomposition of the Wavelet Discrete Transform, are subjected to the Common Spatial Patterns filtering technique. Statistical and entropy-related attributes are extracted, and then features are selected and applied to the SVM classifier with Gaussian kernel to discriminate cerebral state as preictal or non-preictal. The proposed algorithm is evaluated on multichannel surface recordings of 17 subjects with refractory epilepsy from the Children's Hospital Boston and Massachusetts Institute of Technology (CHB-MIT) database. Two techniques, namely Kalman Filter and Median Filter, are used to smooth the classifier's outputs. A final decision of each EEG epoch is yielded after a thresholding process. The best results have shown an average precision of 68.8% for sample classification. The alarm generator reported a false-positive rate of 0.334 per hour. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.subject | Eletroencefalografia | pt_BR |
dc.subject | Wavelets (Matemática) | pt_BR |
dc.subject | Kalman, Filtragem de | pt_BR |
dc.subject | Electroencephalography | pt_BR |
dc.subject | Wavelets (Mathematics) | pt_BR |
dc.subject | Kalman filtering | pt_BR |
dc.title | Uma nova abordagem para a predição de crises epilépticas baseada nas técnicas de padrões espaciais comuns e aprendizagem de máquina | pt_BR |
dc.type | masterThesis | pt_BR |
dc.description.resumo | A epilepsia é uma das doenças neurológicas mais comuns, caracterizada por convulsões recorrentes causadas por breves distúrbios nas funções elétricas do cérebro. Em 30% dos casos, esta condição não pode ser tratada com sucesso por medicação ou ressecção, impactando diretamente na qualidade de vida do paciente. Assim, há um interesse significativo em desenvolver ferramentas confiáveis para prever convulsões, permitindo a tomada de decisões, ou pelo menos alertar os pacientes para estarem preparados quando uma convulsão se aproxima. O método proposto para previsão de convulsões é baseado na análise tempo-frequência do eletroencefalograma de escalpo (EEG) e no uso de técnicas de filtragem espacial para extrair características capazes de discriminar as atividades intercital e preictal. Os coeficientes dos ritmos teta, alfa e beta do EEG, obtidos pela decomposição da Transformada Discreta Wavelet, são submetidos à técnica de filtragem dos Padrões Espaciais Comuns. Atributos estatísticos e relacionados à entropia são extraídos e, em seguida, as características são selecionadas e aplicadas no classificador SVM com kernel Gaussiano, a fim de discriminar o estado cerebral como preictal ou não-preictal. O algoritmo proposto é avaliado em registros de superfície multicanal de 17 sujeitos com epilepsia refratária do banco de dados do Children's Hospital Boston and Massachusetts Institute of Technology (CHB-MIT). Duas técnicas, Filtro de Kalman e o Filtro de Mediana, são também comparadas em uma etapa de pós-processamento para suavizar os resultados do classificador. Uma decisão final de cada época do EEG foi tomada após um processo de nivelamento. Os melhores resultados mostraram uma precisão média de 68,8% para a classificação da amostra. O gerador de alarme reportou uma taxa de falso-positivo de 0,334 por hora. | pt_BR |
dc.degree.local | Cornélio Procópio | pt_BR |
dc.publisher.local | Cornelio Procopio | pt_BR |
dc.creator.ID | https://orcid.org/0000-0002-9562-6043 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/0053676342008558 | pt_BR |
dc.contributor.advisor1 | Agulhari, Cristiano Marcos | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4935395556663775 | pt_BR |
dc.contributor.advisor-co1 | Scalassara, Paulo Rogério | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/5016119298122922 | pt_BR |
dc.contributor.referee1 | Takahata, André Kazuo | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/5335439141754127 | pt_BR |
dc.contributor.referee2 | Agulhari, Cristiano Marcos | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/4935395556663775 | pt_BR |
dc.contributor.referee3 | Lizzi, Elisângela Aparecida da Silva | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/8487600124864253 | pt_BR |
dc.contributor.referee4 | Oliva, Jefferson Tales | - |
dc.contributor.referee4ID | http://orcid.org/0000-0003-1574-1293 | pt_BR |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/5086431818930800 | pt_BR |
dc.contributor.referee5 | Scalassara, Paulo Rogerio | - |
dc.contributor.referee5Lattes | http://lattes.cnpq.br/5016119298122922 | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.subject.capes | Engenharia Elétrica | pt_BR |
Aparece nas coleções: | CP - Programa de Pós-Graduação em Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
predicaocrisesepilepticas.pdf | 7,98 MB | Adobe PDF | ![]() Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.