Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: ALBUQUERQUE, Jeniffer Emídio de Almeida
Orientador(a): RODRIGUES, Marcelo Cairrão Araújo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Engenharia Biomedica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Engenharia Biomédica
Estimulação fótica
EEG
Paroxismos epilépticos
Método computacional
Link de acesso: https://repositorio.ufpe.br/handle/123456789/37049
Resumo: ALBUQUERQUE, Jeniffer Emídio de Almeida, também é conhecido(a) em citações bibliográficas por: ALMEIDA, Jeniffer Emídio
id UFPE_3d47092284a119ee5c4ce941e4af2fd7
oai_identifier_str oai:repositorio.ufpe.br:123456789/37049
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling ALBUQUERQUE, Jeniffer Emídio de Almeidahttp://lattes.cnpq.br/6262936771420818http://lattes.cnpq.br/8243956522121701http://lattes.cnpq.br/6413917211782026RODRIGUES, Marcelo Cairrão AraújoSANTOS, Wellington Pinheiro dos2020-03-13T12:33:57Z2020-03-13T12:33:57Z2019-02-26ALBUQUERQUE, Jeniffer Emídio de Almeida. Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação. 2019. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2019.https://repositorio.ufpe.br/handle/123456789/37049ALBUQUERQUE, Jeniffer Emídio de Almeida, também é conhecido(a) em citações bibliográficas por: ALMEIDA, Jeniffer EmídioA epilepsia é uma das doenças neurológicas mais comuns no mundo. Apresenta diversas etiologias e está associada a capacidade do cérebro em gerar crises epilépticas em decorrência de mudanças no comportamento neuronal causadas pelo disparo anormal sincrônico e rítmico de grupos neuronais. O diagnóstico é realizado com o auxílio do Eletroencefalograma, que permite visualizar eventos anormais na atividade elétrica cerebral. Apresentar atividades anormais como presença de espiculas é fundamental para o diagnóstico clínico, entretanto, para captar atividades paroxísticas epilépticas, comumente, são necessários registros mais longos, tornando o procedimento exaustivo para o profissional e paciente, desta forma, pretende-se, através do uso de aprendizagem de máquina e de trechos de foto estimulação, prever se o paciente irá apresentar paroxismos epilépticos ou não, reduzindo, desta forma, o tempo de exame. Os pacientes foram divididos em dois grupos, onde no primeiro estão os que apresentam espículas e no segundo, os que não apresentaram. Utilizou-se duas bases de dados para testar os classificadores, para cada banco de dados foram estabelecidas duas classes: uma denominada “Com espículas” e a outra “Sem espículas”, onde testou-se os classificadores SVM, linear e polinomial; Random Forest; Bayes Net e Naive Bayes. Com os testes utilizados para os classificadores durante o estudo, verificou-se taxas de acerto na classificação de 97,7% a 100%, com tempo de duração para cada teste variando de 0,55 segundos, o mais rápido, a 133,22 segundos, o mais demorado. Observou-se que, a partir dos classificadores testados com as duas bases de dados utilizadas, é possível obter boas taxas de acerto, entretanto, é possível que os números variem quando inseridos mais registros, além da possibilidade da diminuição nas taxas de acerto aumento do erro na classificação das instancias e aumento do tempo para classificação.FACEPEEpilepsy is one of the most common neurological diseases worldwide. It presents several etiologies and is associated with the brain's ability to generate epileptic seizures due to changes in neuronal behavior caused by the synchronous and rhythmic abnormal firing of neuronal groups. The diagnosis is performed with the aid of the Electroencephalogram, which allows the visualization of abnormal events in the cerebral electrical activity. The presence of abnormal activities such as spicules is fundamental for clinical diagnosis. However, in order to capture paroxysmal epileptic activities, longer records are usually necessary, making the procedure exhaustive for the professional and patient. In this way, the author aimed to use machine learning techniques combined to photo stimulation to predict whether the patient will exhibit epileptic paroxysms or not, thereby reducing the examination time. The patients were divided into two groups, the first group showed spicules and the second group did not show this marker. Two databases were used to test the classifiers; two classes were established for each database: one called "With spicules" and the other "Without spicules". The classifiers SVM, using linear and polynomial kernel; Random Forest; Bayes Net and Naïve Bayes were tested. From the study, accuracy ranged from 97.7% to 100%, with duration time for each test ranging from 0.55 seconds, for the fastest test, and 133.22 seconds, for the most time consuming one. It was found that, from the classifiers tested and the two databases used, it is possible to obtain good classification performance. However, it is possible that the results change if more data are inserted, there is a possibility of a decrease in accuracy rates, such as an increase in error and in the classification time.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia BiomedicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessEngenharia BiomédicaEstimulação fóticaEEGParoxismos epilépticosMétodo computacionalUso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/37049/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/37049/3/license.txtbd573a5ca8288eb7272482765f819534MD53ORIGINALDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdfDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdfapplication/pdf757293https://repositorio.ufpe.br/bitstream/123456789/37049/1/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdff489411e8e5db53d67ea4960b9f0627aMD51TEXTDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdf.txtDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdf.txtExtracted texttext/plain91843https://repositorio.ufpe.br/bitstream/123456789/37049/4/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdf.txtcb8796473df76154d2f99d2886d1602dMD54THUMBNAILDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdf.jpgDISSERTAÇÃO Jeniffer Emídio de Almeida Albuquerque.pdf.jpgGenerated Thumbnailimage/jpeg1260https://repositorio.ufpe.br/bitstream/123456789/37049/5/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdf.jpg3113c3af6fe24604ba00f9b6a9c89833MD55123456789/370492020-03-14 02:14:47.775oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-03-14T05:14:47Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
title Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
spellingShingle Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
ALBUQUERQUE, Jeniffer Emídio de Almeida
Engenharia Biomédica
Estimulação fótica
EEG
Paroxismos epilépticos
Método computacional
title_short Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
title_full Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
title_fullStr Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
title_full_unstemmed Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
title_sort Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação
author ALBUQUERQUE, Jeniffer Emídio de Almeida
author_facet ALBUQUERQUE, Jeniffer Emídio de Almeida
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6262936771420818
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8243956522121701
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6413917211782026
dc.contributor.author.fl_str_mv ALBUQUERQUE, Jeniffer Emídio de Almeida
dc.contributor.advisor1.fl_str_mv RODRIGUES, Marcelo Cairrão Araújo
dc.contributor.advisor-co1.fl_str_mv SANTOS, Wellington Pinheiro dos
contributor_str_mv RODRIGUES, Marcelo Cairrão Araújo
SANTOS, Wellington Pinheiro dos
dc.subject.por.fl_str_mv Engenharia Biomédica
Estimulação fótica
EEG
Paroxismos epilépticos
Método computacional
topic Engenharia Biomédica
Estimulação fótica
EEG
Paroxismos epilépticos
Método computacional
description ALBUQUERQUE, Jeniffer Emídio de Almeida, também é conhecido(a) em citações bibliográficas por: ALMEIDA, Jeniffer Emídio
publishDate 2019
dc.date.issued.fl_str_mv 2019-02-26
dc.date.accessioned.fl_str_mv 2020-03-13T12:33:57Z
dc.date.available.fl_str_mv 2020-03-13T12:33:57Z
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.citation.fl_str_mv ALBUQUERQUE, Jeniffer Emídio de Almeida. Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação. 2019. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2019.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/37049
identifier_str_mv ALBUQUERQUE, Jeniffer Emídio de Almeida. Uso da aprendizagem de máquina para predição de espículas em pacientes epilépticos submetidos à fotoestimulação. 2019. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2019.
url https://repositorio.ufpe.br/handle/123456789/37049
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv embargoedAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia Biomedica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/37049/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/37049/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/37049/1/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdf
https://repositorio.ufpe.br/bitstream/123456789/37049/4/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/37049/5/DISSERTA%c3%87%c3%83O%20Jeniffer%20Em%c3%addio%20de%20Almeida%20Albuquerque.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
f489411e8e5db53d67ea4960b9f0627a
cb8796473df76154d2f99d2886d1602d
3113c3af6fe24604ba00f9b6a9c89833
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741946024329216

Registros relacionados