Esta dissertação de mestrado tem por objetivo analisar os conjuntos-K, uma hierarquia de redes neurais biologicamente mais plausíveis, e aplicá-los ao problema de classificação de imagética motora através do eletroencefalograma (EEG). A imagética motora consiste no ato de processar um movimento motor da memória humana de longo tempo para a memória de curto prazo. A imagética motora deixa um rastro no sinal do EEG que torna possível a identificação e classificação dos diferentes movimentos motores. A tarefa de classificação de imagética motora através do EEG é reconhecida como complexa devido à não linearidade e quantidade de ruído da série temporal do EEG e da pequena quantidade de dados disponíveis para aprendizagem. Os conjuntos-K são um modelo conexionista que simula o comportamento dinâmico e caótico de populações de neurônios do cérebro e foram modelados com base em observações do sistema olfatório feitas por Walter Freeman. Os conjuntos-K já foram aplicados em diversos domínios de classificação diferentes, incluindo EEG, tendo demonstrado bons resultados. Devido às características da classificação de imagética motora, levantou-se a hipótese de que a aplicação dos conjuntos-K na tarefa pudesse prover bons resultados. Um simulador para os conjuntos-K foi construído para a realização dos experimentos. Não foi possível validar a hipótese levantada no trabalho, dado que os resultados dos experimentos realizados com conjuntos-K e imagética motora não apresentaram melhorias significativas para a tarefa nas comparações realizadas. / This dissertation aims to examine the K-sets, a hierarchy of biologically plausible neural networks, and apply them to the problem of motor imagery classification through electroencephalogram (EEG). Motor imagery is the act of processing a motor movement from long-term to short-term memory. Motor imagery leaves a trail in the EEG signal, which makes possible the identification and classification of different motor movements. Motor imagery classification is a complex problem due to non-linearity of the EEG time series, low signal-to-noise ratio, and the small amount of data typically available for learning. K-sets are a connectionist model that simulates the dynamic and chaotic behavior of populations of neurons in the brain, modeled based on observations of the olfactory system by Walter Freeman. K-sets have already been used in several different classification domains, including EEG, showing good results. Due to the characteristics of motor imagery classification, a hypothesis that the application of K-sets in the task could provide good results was raised. A simulator for K-sets was created for the experiments. Unfortunately, the hypothesis could not be validated, as the results of the conducted experiments with K-sets and motor imagery showed no significant improvements in comparison in the task performed.

The epilepsy is not a recent phenomenon, even its has being approached and Inves- tigated, this area still demands several researches and it is far away from being totally explained. The obtaining of the primordial features to di®erentiate the epileptic events of the others, in coming signs EEG of scalp, it represents a great challenge, since exist to many artifacts, and these are confused with epileptic events. In this sense, this study presents the development of architectures destined to detect events of epilepsy in coming signs EEG of scalp, capable to aid the professionals of the health in the study of this pathology To accomplish the objectives, ¯rstly was developed an application capable to visualize EEG and to segment the electroencephalogram plan to form the base of data Concerning to the detection of the pathological signs, four architectures were proposed. The architecture with analysis multi-resolution used the \ wavelet " (WT) for extraction of features, as well as neural networks and specialist system for recognition. For that architecture the best gotten results obtained a rate of 71,6 % of success, with 28,3 % of error. The sensibility was around 83,3 %, the speci¯city 70,5 % and the precision 76,9 %. The statistical architecture is directly composed of tools for features extraction of the sign. The best success rate was around 85,3 %, the obtained error was of 14,3 % and the inde¯nite ones around 1 %. The sensibility was of 97,4 %, the speci¯city 82,1 % and the precision 89,75 %. The architecture of analysis multi-resolution and AR possesses two stages for extraction of feature: the \ wavelet ", following by the AR models. For that architecture they used two AR models . The best success rate for the \ Yule-Walker"model was around 87,9 %, with order 10. Already in the results of the \ Burg"model, the best success rate was of 88,5 % with order 7. For the last architecture is a hybrid model with several tools of extraction of features in the domain of the time, frequency (FFT) and time-frequency (WT). In that architecture the success rate was in 95,1 %, the error 4,1 % the inde¯nite ones 5,5 %. The speci¯city was of 91,5 %, the obtained sensibility was of 90,5 % and the precision around 91,1 %. Therefore all of the developed systems presented quite coherent results among the phenomena demarcated by the professionals of the medical area and those revealed by the architectures, mainly for the case of the hybrid architecture that presented the best rates. / A identificação de fenômenos epileptogênicos por meio de registros eletroencefalográficos (EEG) não invasivos se constitui numa área de pesquisa que apresenta grandes desafios devido µa presença de diversos distúrbios (artefatos) que dificultam a análise destes registros. Tal tarefa é de extrema importância uma vez que o diagnóstico e o tratamento da epilepsia requer uma avaliação clínica baseada no EEG do paciente. Neste contexto, este trabalho apresenta alguns sistemas para melhorar a identificação dos sinais de crise epilépticas baseados em técnicas de processamento de sinais e de inteligência artificial. Estas propostas são baseadas em uma plataforma que permite a visualização e análise dos arquivos de EEG. Para a detecção de eventos patológicos, são propostas quatro arquiteturas. Na arquitetura com análise multi-resolução foram utilizadas duas famílias wavelet (WT) para a extração de características, redes neurais artificiais e sistema especialista para o reconhecimento dos sinais de crise. Com essa arquitetura, o melhor resultado conseguido foi uma taxa de acerto de 71,6% no reconhecimento dos sinais patológicos. A sensibilidade ficou em torno de 83,3%, a especificidade 70,5% e a precisão 76,9%. Já a arquitetura estatística é composta de ferramentas para extração de características diretamente do sinal. A melhor taxa de acerto ficou em torno de 85,3%, o erro obtido foi de 14,3% e os indefinidos em torno de 1%. A sensibilidade foi de 97,4%, a especificidade 82,1% e a precisão 89,75%. A arquitetura de análise multi-resolução com modelo auto-regressivo (AR) possui duas etapas para extração de características: a \wavelet" (WT), seguida do modelo AR. Para essa arquitetura foram utilizados dois modelos AR. A melhor taxa de acerto para o modelo \Yule-Walker" ficou em torno de 87,9%, com ordem 10. Já para os resultados do modelo\Burg", a melhor taxa de acerto foi de 88,5% com ordem 7. A última arquitetura é um modelo híbrido com várias ferramentas de extração de características no domínio do tempo, freqüência (FFT) e tempo-freqüência (WT). Nessa arquitetura a taxa de acerto ficou em 95,1%, o erro em 4,1% e os indefinidos em 5,5%. A especificidade foi de 91,5%, a sensibilidade obtida foi de 90,5% e a precisão em torno de 91,1%. Todos os sistemas desenvolvidos apresentaram resultados coerentes com os fenômenos demarcados pelos eletroencefalografistas e aqueles revelados pelas arquiteturas. Dentre as propostas, a arquitetura híbrida apresentou o melhor desempenho. / Doutor em Ciências

Made available in DSpace on 2016-03-15T19:38:14Z (GMT). No. of bitstreams: 1 Sandro Luiz das Chagas.pdf: 1694587 bytes, checksum: d10c7a5a95b65289731cab95f9b3478a (MD5) Previous issue date: 2009-08-27 / Electroencephalogram (EEG) is a clinical method widely used to study brain function and neurological disorders. The EEG is a temporal data series which records the electrical activity of the brain. The EEG monitoring systems create a huge amount of data; with this fact a visual analysis of the EEG is not feasible. Because of this, there is a strong demand for computational methods able to analyze automatically the EEG records and extract useful information to support the diagnostics. Herewith, it is necessary to design a tool to extract the relevant features within the EEG record and to classify the EEG based on these features. Calculation of statistics over wavelet coefficients are being used successfully to extract features from many kinds of temporal data series, including EEG signals. Support Vector Machines (SVM) are machine learning techniques with high generalization ability, and they have been successfully used in classification problems by several researches. This dissertation makes an analysis of the influence of feature vectors based on wavelet coefficients in the classification of EEG signal using different implementations of SVMs. / O eletroencefalograma (EEG) é um exame médico largamente utilizado no estudo da função cerebral e de distúrbios neurológicos. O EEG é uma série temporal que contém os registros de atividade elétrica do cérebro. Um grande volume de dados é gerado pelos sistemas de monitoração de EEG, o que faz com que a análise visual completa destes dados se torne inviável na prática. Com isso, surge uma grande demanda por métodos computacionais capazes de extrair, de forma automática, informação útil para a realização de diagnósticos. Para atender essa demanda, é necessária uma forma de extrair de um sinal de EEG as características relevantes para um diagnóstico e também uma forma de classificar o EEG em função destas características. O cálculo de estatísticas sobre coeficientes wavelet vem sendo empregado com sucesso na extração de características de diversos tipos de séries temporais, inclusive EEG. As máquinas de vetores de suporte (SVM do inglês Support Vector Machines) constituem uma técnica de aprendizado de máquina que possui alta capacidade de generalização e têm sido empregadas com sucesso em problemas de classificação por diversos pesquisadores. Nessa dissertação é feita uma análise do impacto da utilização de vetores de características baseados em coeficientes wavelet na classificação de EEG utilizando diferentes implementações de SVM.

Submitted by ALINE MARQUES DA SILVA BRAGA null (aline.sms@gmail.com) on 2016-04-25T12:49:55Z No. of bitstreams: 1 Tese.pdf: 9976474 bytes, checksum: 81dc65bf9ee24fbf48e0fdf4972b2582 (MD5) / Rejected by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: O arquivo submetido está sem a ficha catalográfica. A versão submetida por você é considerada a versão final da dissertação/tese, portanto não poderá ocorrer qualquer alteração em seu conteúdo após a aprovação. Corrija esta informação e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-04-27T16:55:50Z (GMT) / Submitted by ALINE MARQUES DA SILVA BRAGA null (aline.sms@gmail.com) on 2016-05-16T12:39:41Z No. of bitstreams: 1 Tese Aline.pdf: 9957836 bytes, checksum: 6bc924ddc7c437583c8bda4fb0a99ab3 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-05-16T14:36:42Z (GMT) No. of bitstreams: 1 braga_ams_dr_bot.pdf: 9957836 bytes, checksum: 6bc924ddc7c437583c8bda4fb0a99ab3 (MD5) / Made available in DSpace on 2016-05-16T14:36:42Z (GMT). No. of bitstreams: 1 braga_ams_dr_bot.pdf: 9957836 bytes, checksum: 6bc924ddc7c437583c8bda4fb0a99ab3 (MD5) Previous issue date: 2016-02-18 / Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT) / Fundamento: Evidências experimentais de modelos animais de crises de ausência sugerem focalidades no início das descargas generalizadas. Estudos clínicos indicam que pacientes com o diagnóstico de epilepsia generalizada idiopática (EGI) exibem anormalidades focais que envolvem o circuito tálamo-cortical no eletroencefalograma (EEG) e na neuroimagem. Objetivos: Investigar a presença de características focais nas descargas generalizadas interictais usando análise quantitativa do EEG (EEGq) e avaliar o córtex do giro do cíngulo usando múltiplas abordagens quantitativas de neuroimagem. Métodos: 75 EEGs de 64 pacientes foram analisados. A primeira espícula generalizada inequívoca foi marcada para cada descarga. Três métodos de análise de fonte geradora da atividade observada foram aplicados: transformação do dipolo em imagem (dipole source imaging-DSI), abordagem LORETA aplicada iterativamente (CLARA), e análise de dipolo equivalente de componentes independentes com análise de agrupamentos. Após processamento do EEG, 32 pacientes (18 mulheres, 32 ± 11) fizeram ressonância magnética. Foram utilizados três métodos para comparar o giro do cíngulo de pacientes e controles: morfometria baseada em voxel (VBM), análise cortical e análise de formato. Resultados: 753 descargas generalizadas foram analisadas. Usando as três técnicas, o lobo frontal foi a principal fonte das descargas (70%), seguido pelos lobos parietal e occipital (14%) e, por fim, os núcleos da base (12%). As principais fontes anatômicas das descargas generalizadas foram o córtex da porção anterior do giro do cíngulo (36%) e giro frontal medial (23%). A VBM mostrou atrofia de substância cinzenta na porção anterior do giro do cíngulo (972 mm3) e no istmo (168 mm3). Análises individuais do córtex do giro do cíngulo mostraram resultados semelhantes. Comparações de superfície mostraram anormalidades principalmente na porção posterior do giro do cíngulo (718.12 mm2). A análise de formato demonstrou uma predominância de anormalidades nas porções anterior e posterior do giro do cíngulo. Discussão: A análise de fonte não mostrou uma fonte única comum a todas as descargas generalizadas mas indicou predominância do giro do cíngulo e lobo frontal. Além disso, o estudo sugere a existência de anormalidades estruturais sutis no giro do cíngulo, principalmente nas porções anterior e posterior. / Background: Experimental evidence from animal models of absence seizures suggests a focal source for the initiation of generalized spike-and-wave (GSW) discharges. Clinical studies indicate that patients diagnosed with idiopathic generalized epilepsy (IGE) exhibit focal electroencephalographic and subtle structural abnormalities, which involve the thalamo-cortical circuitry. Aims: The objectives of the current investigation were to investigate whether interictal generalized discharges exhibit focal characteristics using qEEG analysis and to perform a comprehensive analysis of the cingulate cortex using multiple quantitative structural neuroimaging techniques. Methods: 75 EEG recordings from 64 patients were analyzed. The first unequivocally confirmed generalized spike was marked for each discharge. Three methods of source imaging analysis were applied: dipole source imaging (DSI), classical LORETA analysis recursively applied (CLARA), and equivalent dipole of independent components with cluster analysis. After EEG analysis, 32 patients (18 women, 30± 10 years) and 36 controls (18 women, 32 ±11 years) were imaged by 3 Tesla magnetic resonance (MRI). We used three models to compare cingulate gyrus of patients and the control group: voxel-based morphometry (VBM), cortical analyses and shape analyses. Results: A total of 753 GSW discharges were spatiotemporally analyzed. Source analysis using all three techniques revealed that the frontal lobe was the principal source of GSW discharges (70%), followed by the parietal and occipital lobes (14%), and the basal ganglia (12%). The main anatomical sources of the generalized discharges were the anterior cingulate cortex (36%) and the medial frontal gyrus (23%). VBM analyses of cingulate gyrus showed areas of gray matter atrophy, mainly in the anterior cingulate gyrus (972 mm3) and the isthmus (168 mm3). Individual analyses of the cingulate cortex were similar between patients with IGE and controls. Surface- based comparisons revealed abnormalities located mainly in the posterior cingulate cortex (718.12 mm2). Shape analyses demonstrated a predominance of abnormalities in the anterior and posterior portions of cingulate gyrus abnormalities. Discussion: Source analysis did not reveal a common focal source of generalized discharges. However, there was a predominance of GSW discharges originating from the cingulate gyrus and the frontal lobe. Furthermore, this study suggests that patients with IGE have structural abnormalities in the cingulate gyrus mainly localized at the anterior and posterior portions. This finding is subtle and variable among patients. / FAPEMAT: 11/16452-2

Orientador: Luiz Eduardo Gomes Garcia Betting / Resumo: Fundamento: Evidências experimentais de modelos animais de crises de ausência sugerem focalidades no início das descargas generalizadas. Estudos clínicos indicam que pacientes com o diagnóstico de epilepsia generalizada idiopática (EGI) exibem anormalidades focais que envolvem o circuito tálamo-cortical no eletroencefalograma (EEG) e na neuroimagem. Objetivos: Investigar a presença de características focais nas descargas generalizadas interictais usando análise quantitativa do EEG (EEGq) e avaliar o córtex do giro do cíngulo usando múltiplas abordagens quantitativas de neuroimagem. Métodos: 75 EEGs de 64 pacientes foram analisados. A primeira espícula generalizada inequívoca foi marcada para cada descarga. Três métodos de análise de fonte geradora da atividade observada foram aplicados: transformação do dipolo em imagem (dipole source imaging-DSI), abordagem LORETA aplicada iterativamente (CLARA), e análise de dipolo equivalente de componentes independentes com análise de agrupamentos. Após processamento do EEG, 32 pacientes (18 mulheres, 32 ± 11) fizeram ressonância magnética. Foram utilizados três métodos para comparar o giro do cíngulo de pacientes e controles: morfometria baseada em voxel (VBM), análise cortical e análise de formato. Resultados: 753 descargas generalizadas foram analisadas. Usando as três técnicas, o lobo frontal foi a principal fonte das descargas (70%), seguido pelos lobos parietal e occipital (14%) e, por fim, os núcleos da base (12%... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Background: Experimental evidence from animal models of absence seizures suggests a focal source for the initiation of generalized spike-and-wave (GSW) discharges. Clinical studies indicate that patients diagnosed with idiopathic generalized epilepsy (IGE) exhibit focal electroencephalographic and subtle structural abnormalities, which involve the thalamo-cortical circuitry. Aims: The objectives of the current investigation were to investigate whether interictal generalized discharges exhibit focal characteristics using qEEG analysis and to perform a comprehensive analysis of the cingulate cortex using multiple quantitative structural neuroimaging techniques. Methods: 75 EEG recordings from 64 patients were analyzed. The first unequivocally confirmed generalized spike was marked for each discharge. Three methods of source imaging analysis were applied: dipole source imaging (DSI), classical LORETA analysis recursively applied (CLARA), and equivalent dipole of independent components with cluster analysis. After EEG analysis, 32 patients (18 women, 30± 10 years) and 36 controls (18 women, 32 ±11 years) were imaged by 3 Tesla magnetic resonance (MRI). We used three models to compare cingulate gyrus of patients and the control group: voxel-based morphometry (VBM), cortical analyses and shape analyses. Results: A total of 753 GSW discharges were spatiotemporally analyzed. Source analysis using all three techniques revealed that the frontal lobe was the principal ... (Complete abstract click electronic access below) / Doutor

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation aims to make a study and processing of two types of signs of neuronal electrical activity. The first was recorded from multielectrode arrays (MEA), in reference to spontaneous activity of neuronal groups grown in cultures. We analyzed two cultures considered inactive, meaning, cultures that after a few days in vitro, there was not a connection between neurons. It was applied two mathematical tools, autocorrelation and power spectral density, allowing an analysis of the signal in time domain and frequency, respectively, trying to verify whether the data recorded from these inactive cultures could be considered as noise from instrumentation. In fact, the results indicate that these signals have similar characteristics to white noise, which disturbs any computer analysis usually performed by researchers in computational neuroscience. Another source of signals used for this study were records of electroencephalography (EEG), collected on 20 patients from the Clinical Hospital of Uberlândia under prior consent. After a clinical examination by qualified professional, an analysis was performed using computational Fourier transform and power spectral density. Through amplitude graphics (Fourier transform) and spectral density, we have realized that the signal energy is concentrated around the frequencies more representative and, in some cases, there was presence of noise from power network. With the phase spectrum, it was possible to conclude that signals with similar frequencies have spectra of similar phase. / Esta dissertação tem como objetivo fazer um estudo e processamento de dois tipos de sinais de atividade elétrica neuronal. O primeiro foi registrado a partir de matrizes multieletrodos (MEA), referentes a atividade espontânea de grupos neuronais em cultura. Foram analisadas duas culturas consideradas como inativas, ou seja, culturas que após alguns dias in vitro, não se verificou a conexão entre os neurônios. Foram aplicadas duas ferramentas matemáticas, autocorrelação e densidade espectral de potência, permitindo uma análise do sinal no domínio do tempo e freqüência, respectivamente, procurando verificar se os dados registrados destas culturas inativas poderiam ser considerados como ruído de instrumentação. De fato, os resultados apontam que estes sinais apresentam características semelhantes ao ruído branco, o qual perturba qualquer análise informática normalmente realizada por pesquisadores em neurociência computacional. Outra fonte de sinais utilizados para este estudo foram registros de eletroencefalografia (EEG), coletados em 20 pacientes do Hospital de Clínicas de Uberlândia sob prévio consentimento destes. Após uma análise clínica por profissional qualificado, foi realizada uma análise computacional utilizando transformada de Fourier e densidade espectral de potência. Através dos gráficos de amplitude (transformada de Fourier) e densidade espectral, percebeu-se que a energia do sinal está concentrada em torno das freqüências mais representativas e, em alguns casos, observou-se presença de ruído de rede elétrica. Com o espectro de fase, foi possível concluir que sinais com freqüências semelhantes apresentam espectros de fase semelhantes. / Mestre em Ciências