O sinal EEG, cujas informações descrevem o comportamento elétrico do córtex cerebral, apesar de ser bastante utilizado para diagnósticos, principalmente de patologias como epilepsia, no Brasil ainda não é usual o monitoramento contínuo em ambiente de UTI em hospitais públicos. Diante disso, e partindo do pressuposto que estudos sobre o EEG normal, registrado em pessoas sem problemas neurológicos, são escassos, a criação de uma base de registros de EEG normal e análise quantitativa da mesma se faz necessária para que, por meio dos resultados obtidos, padrões normais possam ser estabelecidos e por meio deles a identificação de parâmetros patológicos se torne mais eficaz. Nesse projeto foi elaborada uma base de dados de EEG, com total de 100 registros válidos, advindos de voluntários normais e saudáveis. E a partir desses registros a situação de vigília e olhos fechados foi analisada sob o aspecto de três quantificadores distintos, sendo eles, Porcentagem de Contribuição de Potência (PCP), Frequência Mediana (FM) e Coerência, ambos avaliando o sinal no domínio da frequência. A fim de obter comparações para os resultados obtidos pela análise dos dados do EEG normal, foram utilizados 128 registros de EEG em situação de coma, com diferentes tipos de etiologias e desfechos. Os ritmos que apresentaram maiores distinções entre normal e coma foram Delta e Alfa, principalmente para o quantificador FM. Notou-se que o PCP avaliou características de potência e portanto sintetizou as informações de energia de cada ritmo cerebral tanto em EEG normal quanto em EEG coma. Já FM traz informações de valores de frequências em que há maior concentração de potência, e por fim o quantificador coerência informa o grau de semelhança entre o hemisfério direito e o esquerdo do cérebro. Sendo assim não foi possível afirmar qual dos quantificadores apresentou melhores resultados, visto que cada um trata-se de uma características distintas. / The EEG signal, whose information describes the electrical behavior of the cerebral cortex, although it is widely used for diagnoses, mainly of pathologies such as epilepsy, in Brazil it is still not usual to monitor the ICU environment in public hospitals. Considering this, and assuming that studies on normal EEG, registered in people without neurological problems, are scarce, the creation of a base of normal EEG registers and quantitative analysis of it is necessary so that, through the obtained results, Normal patterns can be established and through them, the identification of pathological parameters becomes more effective. In this project, an EEG database was developed, with 100 valid records from normal and healthy volunteers. In addition, from these records, the waking and closed eyes situation was analyzed under the aspect of three distinct quantifiers, being: Power Contribution Percentage (PCP), Median Frequency (FM) and Coherence, both evaluating the signal in the frequency domain. In order to obtain comparisons for the results obtained by the analysis of the normal EEG data, 128 EEG records were used in coma, with different types of etiologies and outcomes. The rhythms that presented the highest distinctions between normal and coma were Delta and Alpha, mainly for the FM quantifier. It was noted that PCP evaluated power characteristics and therefore synthesized the energy information of each brain rhythm in both normal EEG and EEG coma. Already FM brings information of values of frequencies in which there is greater concentration of power, and finally the quantifier coherence informs the degree of similarity between the right and left hemisphere of the brain. Thus, it was not possible to say which of the quantifiers presented better results, since each one is a distinct characterization. / Dissertação (Mestrado)

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-13T16:22:35Z No. of bitstreams: 1 WASHINGTON CÉSAR DE ALMEIDA COSTA - TESE PPGEE 2012..pdf: 6463355 bytes, checksum: 40d8703ef8a6dd3ef05acde3025cf628 (MD5) / Made available in DSpace on 2018-08-13T16:22:35Z (GMT). No. of bitstreams: 1 WASHINGTON CÉSAR DE ALMEIDA COSTA - TESE PPGEE 2012..pdf: 6463355 bytes, checksum: 40d8703ef8a6dd3ef05acde3025cf628 (MD5) Previous issue date: 2012-11-09 / Patologias na laringe podem afetar a qualidade vocal, prejudicando a comunicação humana. As técnicas objetivas tradicionais para o diagnóstico dessas patologias fazem uso de exames considerados invasivos, causando certo desconforto ao paciente. Análise acústica, utilizando técnicas de processamento digital de sinais de voz, pode ser utilizada para o desenvolvimento de ferramentas não invasivas de auxílio ao diagnóstico de patologias laríngeas. A precisão do diagnóstico, contudo, depende da escolha das características e parâmetros da fala que melhor representem a desordem vocal provocada por uma determinada patologia. Este trabalho trata da caracterização e da classificação de sinais de vozes saudáveis e vozes afetadas por diferentes patologias laríngeas (edema, paralisia e nódulos nas pregas vocais), por meio da análise dinâmica não linear (e teoria do caos), como também por meio da análise de quantificação de recorrência. No processo de caracterização é investigado, por meio de testes estatísticos, o potencial de cada característica em discriminar os tipos de sinais de voz considerados. Para a classificação é empregada a técnica de análise discriminante com as funções linear ou quadrática, com validação cruzada, sendo considerado um intervalo de confiança de 95% para as médias das taxas de acuraria do classificador. A partir da combinação de características dos conjuntos das medidas de análise não linear (MNL) e das medidas de quantificação de recorrência (MQR), as médias da taxa de acurácia obtidas variaram nos intervalos de confiança: [95,44%; 100%) para a classificação entre vozes saudáveis e patológicas; [94,75%; 100%] entre vozes saudáveis e afetadas por edema, e entre saudáveis e nódulos. Para a classificação entre saudável e paralisia, obteve-se uma acurácia de 100% . Também são avaliados os efeitos do uso de vetores híbridos formados por características MNL, MQR e coeficientes extraídos da análise preditiva linear (LPC). Neste caso. as taxas de acurácia variaram nos intervalos de confiança: [95,02%; 97,62%] na discriminação entre vozes afetadas por paralisia e edema; [98,29%; 99,93%] para paralisia versus nódulos e [97,98%; 99,84%] para edema versus nódulos. Os resultados encontrados indicam que o método utilizado é promissor, podendo ser empregado no desenvolvimento de uma ferramenta computacional para apoio ao diagnóstico de patologias laríngeas. / Laryngeal pathologies may affect the voice quality, harniing human communication. The traditional objective techniques for diagnosing these pathologies make use of exams, considered invasive, causing discomfort to the patient. Acoustic analysis, using digital speech signal processing techniques. can be used for the development of non-invasive tools in order to aid laryngeal diseases diagnosis. The accuracy of diagnosis, however. depends on the choice of parameters and the speech characteristics diat better represent the voice disorder caused by a given pathology. This work deals with the characterization and classification of healthy voice signals and voices affecied by different laryngeal diseases (edema, paralysis and vocal fold nodules), by means of nonlinear dynamic analysis (and chãos theory) as well as recurrence quantification analysis. In the characterization process, the potential of each feature is investigated to discriminate the types of voice signals considered, by means of statistical tests. For the classification, the technique of discriminam analysis is employed with linear or quadratic functions, with cross-validation. A 95% confidence levei was considered for the average of accuracy rates of the classifier performance. From the feature combination of the set of nonlinear analysis measures (MNL) and the quantification recurrence measures (MQR). the average of accuracy rates varied in the following confidence intervals: [95.44%; 100%] for healthy and pathologícal classification: [94.75%; 100%] between healdiy and edema voices, and also between healthy and nodules. The accuracy rate was 100% between healthy and paralysis. We also evaluated the effects of using hybrid vectors formed by MNL, MQR and linear predictive coding (LPC) coefficients. In this case, the accuracy rates ranged in the confidence intervals: [95.02%; 97.62%] in the paralysis versus edema voices discrimination; [98.29%; 99.93%] for paralysis versus nodules and [97.98%; 99.84%] for edema versus nodules. Obtained results indicate that the used method is promising and it can even be used to develop a computational tool to support diagnosis of laryngeal diseases.