Submitted by (edna.saturno@ufrpe.br) on 2017-03-30T14:56:43Z
No. of bitstreams: 1
RohgiToshio Meneses Chikushi.pdf: 6493487 bytes, checksum: b95c0c692d050783c78c20f7a212f0e6 (MD5) / Made available in DSpace on 2017-03-30T14:56:43Z (GMT). No. of bitstreams: 1
RohgiToshio Meneses Chikushi.pdf: 6493487 bytes, checksum: b95c0c692d050783c78c20f7a212f0e6 (MD5)
Previous issue date: 2014-08-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The electroencephalogram (EEG) is still an important tool in the diagnosis of neurodiseases. As recording technique offers an excellent temporal resolution, instantly capturing brain electrical activity. Recent studies suggest that non-linear dynamic time series as EEG can be transformed into complex networks by the methods of visibility graph and the recurrence network. The builded complex network allows many parameters or network metrics to characterize normal and epleptics. In this work, we transform EEG signals to complex networks and identify the metrics to find statistical diferences between normal and epleptical groups. We show that exist significant statistical differences in the network metrics from the normals and epileptics conditions. We conclude that the transformation of the EEG signal in complex networks provide a helpful tool to diagnostic the brain states. / O eletroencefalograma (EEG) ainda é uma ferramenta importante no diagnóstico de desordens neurológicas. Como técnica de registro, oferece uma excelente resolução temporal, capturando instantaneamente a atividade cerebral. Estudos recentes em dinâmica não linear sugerem que séries temporais como o EEG podem ser transformadas em redes complexas por meio de mapeamentos como o método de visibilidade e o de recorrência. Essas redes, em analogia às rede neuronais, representam as características de complexidade dinâmica do sistema nervoso. Neste trabalho, transformamos sinais de EEG em redes complexas derivadas da reconstrução dos espaços de fase, com base no conceito de recorrência. A aplicação de redes complexas na análise não linear da dinâmica da atividade cerebral, possibilitou diferenciar estados normais e epilépticos por meio da comparação das medidas topológicas dessas redes. Identificamos diferenças significativas ao compararmos os registros de EEG em condições normais e epilépticas usando as métricas das redes e concluímos que a transformação do EEG em redes complexas fornece um grande número de parâmetros úteis para caracterização e possível diagnóstico dos estados do comportamento cerebral normal e epiléptico.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede2/6720 |
| Date | 29 August 2014 |
| Creators | CHIKUSHI, Rohgi Toshio Meneses |
| Contributors | BARBOSA, Catão Temístocles de Freitas, BOCANEGRA, Silvana, ARAÚJO, Aluizo Fausto Ribeiro, FERREIRA, Tiago Alessandro Espínola |
| Publisher | Universidade Federal Rural de Pernambuco, Programa de Pós-Graduação em Informática Aplicada, UFRPE, Brasil, Departamento de Estatística e Informática |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRPE, instname:Universidade Federal Rural de Pernambuco, instacron:UFRPE |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -8268485641417162699, 600, 600, 600, 600, -6774555140396120501, 3671711205811204509, 2075167498588264571 |
Page generated in 0.0027 seconds