Predição de Crise Epiléptica pelo uso de Técnicas de Aprendizado de Máquinas em Sinais de Eletroencefalograma

Nome: JADE BARBOSA KILL
Tipo: Tese de doutorado
Data de publicação: 18/04/2022
Orientador:

Nomeordem decrescente Papel
PATRICK MARQUES CIARELLI Orientador

Banca:

Nomeordem decrescente Papel
EVANDRO OTTONI TEATINI SALLES Examinador Interno
JUGURTA ROSA MONTALVÃO FILHO Examinador Externo
LUIZ ALBERTO PINTO Examinador Externo
PATRICK MARQUES CIARELLI Orientador
RODRIGO VAREJÃO ANDREÃO Examinador Interno

Resumo: A epilepsia é um distúrbio cerebral caracterizado por convulsões recorrentes não provocadas. A imprevisibilidade das convulsões afeta negativamente a vida dos pacientes, causando insegurança nas atividades diárias e pode causar lesões ou mesmo a morte. Sua predição pode prevenir, por meio de
medicação ou preparação segura, uma série de problemas psicológicos, sociais e físicos que são consequências diretas dessa doença, como acidentes e transtornos mentais. Neste trabalho é apresentada uma proposta de predição on-line e generalizada de crises usando a abordagem de análise de microestados e banco de filtros com Wavelet Packet nos sinais de Eletroencefalograma (EEG). Ambos os métodos explorados foram analisados com redução do número de canais do EEG. Nos experimentos realizados com
apenas oito eletrodos no escalpo, os melhores resultados alcançados com 10 pacientes da base de dados CHB-MIT foram de 100,00% de sensibilidade e FPR de 0,00 h -1, sendo possível predize um evento epiléptico com média de 1,88 hora de antecedência. Essa proposta tem potencial para contribuir significativamente para o desenvolvimento de dispositivos portáteis, com a redução do número de eletrodos, capazes de predizer quando uma crise epiléptica ocorrerá, aumentando a qualidade de vida desses pacientes.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910