Descritores morfológicos para identificação automática de padrões epileptiformes em sinais de EEG

• Main Author: Sousa, Mayara de
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: 2016
• Subjects: Engenharia elétrica; Eletroencefalografia; Epilepsia; Processamento de sinais; Técnicas digitais; Inteligência artificial; Sistemas de reconhecimento de padrões
• Online Access: https://repositorio.ufsc.br/xmlui/handle/123456789/168262

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. === Made available in DSpace on 2016-09-20T05:08:09Z (GMT). No. of bitstreams: 1 342002.pdf: 3326806 bytes, checksum: 906a4f936e6786e9e984b45819036fdf (MD5) Previous issue date: 2016 === Na investigação da epilepsia, a análise de sinais de eletroencefalograma (EEG) é uma importante ferramenta para a confirmação clínica do diagnóstico, uma vez que a ocorrência de uma atividade eletrográfica específica neste sinal é um forte indicativo da presença da patologia. Estudos comparativos dos diversos métodos de detecção de padrões epileptiformes apontaram que os melhores resultados foram obtidos quando se utilizaram métodos que empregam alguma forma de parametrização dos sinais. Existem inúmeros estudos referentes à utilização de descritores morfológicos para a caracterização de sinais de EEG, entretanto, faz-se necessária uma análise detalhada quanto à contribuição de cada conjunto de descritores na detecção das descargas epileptiformes com uma mesma base de dados e metodologia. Dentro deste cenário o presente trabalho propõe-se a realizar uma revisão bibliográfica dos conjuntos de descritores morfológicos existentes na literatura e avaliar sua contribuição para a identificação automática de padrões epileptiformes. Para cada conjunto de descritores foi desenvolvido um algoritmo para calcular os descritores de forma automática, implementado uma rede neural para avaliar sua contribuição para a classificação dos padrões. E realizada a utilização de índices estatísticos sobre os conjuntos de descritores morfológicos. Com isso foi possível afirmar que quase todos os autores analisados apresentam resultados promissores, exceto um deles por não se tratar diretamente de descritores morfológicos no domínio do tempo e sim descritores morfológicos do padrão no domínio da frequência. Adicionalmente, os conjuntos que contém somente os descritores básicos mostram resultados equivalentes aos que resultaram de operação aritmética ou associação desses descritores básicos.<br> === Abstract : In epilepsy research, analysis of electroencephalographic signals (EEG) is an important clinical tool for confirming the diagnosis, since the occurrence of a specific electrographic activity in this signal is a strong indication of its presence. Comparative studies of different detection methods of epileptiform patterns showed that the best results were obtained when the methods employ some form of signal parametrization. There are numerous studies on the use of morphological descriptors for characterizing EEG signals, however, it is necessary a detailed analysis on the contribution of each set of descriptors to the detection of epileptiform discharges using the same database and methodology. Within this scenario, the present work is proposed to conduct a literature review of existing sets of morphological descriptors in the literature and assess their contribution to the automatic identification of epileptiform patterns. For each set of descriptors it was developed an algorithm to automatically extract the descriptors and a neural network was implemented to assess their contribution to the classification of patterns. Some statistical indexes were used to quantify the classification performance. It was possible to notice that almost all authors analyzed showed promising results, except one of them, probably because its morphological descriptors are not directly extracted from the time domain. They are based on variables linked to the frequency domain. Also, the sets containing only the basic descriptors showed results equivalent to the ones that employ association or arithmetic operation of the basic descriptors.