Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Sousa Neto, Josias Lira de
Outros Autores: http://lattes.cnpq.br/2528494734648761
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
.
ENGENHARIAS: ENGENHARIA ELETRICA
EEG
Transtorno do espectro autista
CNN
RNN
Ordenação por diferença percentual
Link de acesso: https://tede.ufam.edu.br/handle/tede/10096
Resumo: Pesquisas recentes indicam um crescente número de crianças diagnosticadas com o transtorno do espectro autista (TEA), doença caracterizada por sintomas que impactam diretamente os campos de comportamento, comunicação e interação social. Segundo o centro de controle de prevenção de doenças (CDC), 1 em cada 36 crianças de 8 anos são autistas nos Estados Unidos, número 22% maior em relação à pesquisa anterior, de 2021. Estes fatos têm impulsionado o desenvolvimento de novas ferramentas para o diagnóstico da doença, o qual é essencialmente clínico (observação comportamental e entrevista), uma vez que não há exigência de exame específico. O presente trabalho explora uma abordagem com CNN e RNN, combinadas com técnicas de pré-processamento de sinais, tal como a ordenação por diferença percentual, com o objetivo de auxiliar no diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma (EEG). Utilizando-se a base de dados dos estudos de Milne et al., da Universidade de Sheffield, mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 63%, o que corrobora a capacidade do sistema em distinguir entre indivíduos com TEA e tipicamente desenvolvidos.
id UFAM_97e7dbc3773a25cf9ce56a3696bf04b9
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/10096
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str
spelling Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autistaMethod for classifying electroencephalogram signals to aid the diagnosis of autistic spectrum disorder.ENGENHARIAS: ENGENHARIA ELETRICAEEGTranstorno do espectro autistaCNNRNNOrdenação por diferença percentualPesquisas recentes indicam um crescente número de crianças diagnosticadas com o transtorno do espectro autista (TEA), doença caracterizada por sintomas que impactam diretamente os campos de comportamento, comunicação e interação social. Segundo o centro de controle de prevenção de doenças (CDC), 1 em cada 36 crianças de 8 anos são autistas nos Estados Unidos, número 22% maior em relação à pesquisa anterior, de 2021. Estes fatos têm impulsionado o desenvolvimento de novas ferramentas para o diagnóstico da doença, o qual é essencialmente clínico (observação comportamental e entrevista), uma vez que não há exigência de exame específico. O presente trabalho explora uma abordagem com CNN e RNN, combinadas com técnicas de pré-processamento de sinais, tal como a ordenação por diferença percentual, com o objetivo de auxiliar no diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma (EEG). Utilizando-se a base de dados dos estudos de Milne et al., da Universidade de Sheffield, mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 63%, o que corrobora a capacidade do sistema em distinguir entre indivíduos com TEA e tipicamente desenvolvidos.Recent research indicates a growing number of children diagnosed with autism spectrum disorder (ASD), a disease characterized by symptoms that directly impact the fields of behavior, communication and social interaction. According to the Centers for Disease Control and Prevention (CDC), 1 in every 36 8-year-old children are autistic in the United States, a number 22% higher than in the previous survey in 2021. These facts have driven the development of new tools to the diagnosis of the disease, which is essentially clinical (behavioral observation and interview), since there is no requirement for a specific exam. The present work explores an approach with CNN and RNN, combined with signal pre-processing techniques, such as ordering by percentage difference, with the aim of assisting in the diagnosis of ASD, based on the classification of electroencephalogram (EEG) signals. Using the database of studies by Milne et al., from the University of Sheffield, it is shown that the best proposed model achieved a classification accuracy of 99, 63%, which corroborates the system’s ability to distinguish between individuals with ASD and typically developed.Sem dificuldades, tudo muito prático.Universidade Federal do AmazonasFaculdade de TecnologiaBrasilUFAMPrograma de Pós-graduação em Engenharia ElétricaSilva Júnior, Waldir Sabino dahttp://lattes.cnpq.br/2925380715531711Lima Filho, Eddie Basta dehttp://lattes.cnpq.br/7827981023232761Amorim, Robson Luis Oliveira dehttp://lattes.cnpq.br/0601048137391786Sousa Neto, Josias Lira dehttp://lattes.cnpq.br/25284947346487612024-07-10T20:49:48Z2024-02-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSOUSA NETO, Josias Lira de. Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista. 2024. 102 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2024.https://tede.ufam.edu.br/handle/tede/10096porhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2024-07-11T05:03:48Zoai:https://tede.ufam.edu.br/handle/:tede/10096Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922024-07-11T05:03:48Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
Method for classifying electroencephalogram signals to aid the diagnosis of autistic spectrum disorder
title Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
spellingShingle Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
Sousa Neto, Josias Lira de
.
ENGENHARIAS: ENGENHARIA ELETRICA
EEG
Transtorno do espectro autista
CNN
RNN
Ordenação por diferença percentual
title_short Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
title_full Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
title_fullStr Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
title_full_unstemmed Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
title_sort Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
author Sousa Neto, Josias Lira de
author_facet Sousa Neto, Josias Lira de
http://lattes.cnpq.br/2528494734648761
author_role author
author2 http://lattes.cnpq.br/2528494734648761
author2_role author
dc.contributor.none.fl_str_mv Silva Júnior, Waldir Sabino da
http://lattes.cnpq.br/2925380715531711
Lima Filho, Eddie Basta de
http://lattes.cnpq.br/7827981023232761
Amorim, Robson Luis Oliveira de
http://lattes.cnpq.br/0601048137391786
dc.contributor.author.fl_str_mv Sousa Neto, Josias Lira de
http://lattes.cnpq.br/2528494734648761
dc.subject.por.fl_str_mv .
ENGENHARIAS: ENGENHARIA ELETRICA
EEG
Transtorno do espectro autista
CNN
RNN
Ordenação por diferença percentual
topic .
ENGENHARIAS: ENGENHARIA ELETRICA
EEG
Transtorno do espectro autista
CNN
RNN
Ordenação por diferença percentual
description Pesquisas recentes indicam um crescente número de crianças diagnosticadas com o transtorno do espectro autista (TEA), doença caracterizada por sintomas que impactam diretamente os campos de comportamento, comunicação e interação social. Segundo o centro de controle de prevenção de doenças (CDC), 1 em cada 36 crianças de 8 anos são autistas nos Estados Unidos, número 22% maior em relação à pesquisa anterior, de 2021. Estes fatos têm impulsionado o desenvolvimento de novas ferramentas para o diagnóstico da doença, o qual é essencialmente clínico (observação comportamental e entrevista), uma vez que não há exigência de exame específico. O presente trabalho explora uma abordagem com CNN e RNN, combinadas com técnicas de pré-processamento de sinais, tal como a ordenação por diferença percentual, com o objetivo de auxiliar no diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma (EEG). Utilizando-se a base de dados dos estudos de Milne et al., da Universidade de Sheffield, mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 63%, o que corrobora a capacidade do sistema em distinguir entre indivíduos com TEA e tipicamente desenvolvidos.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-10T20:49:48Z
2024-02-29
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 SOUSA NETO, Josias Lira de. Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista. 2024. 102 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2024.
https://tede.ufam.edu.br/handle/tede/10096
identifier_str_mv SOUSA NETO, Josias Lira de. Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista. 2024. 102 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2024.
url https://tede.ufam.edu.br/handle/tede/10096
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1851781314932375552

Registros relacionados