Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2011 / Made available in DSpace on 2012-10-25T18:02:27Z (GMT). No. of bitstreams: 1
293402.pdf: 9601951 bytes, checksum: ac37470d80f4164a670944b9ee05a003 (MD5) / O presente trabalho se insere na área de processamento de sinais de eletroencefalograma (EEG) com aplicação de técnicas de Inteligência Artificial para detecção automática de eventos epileptiformes. A proposta deste trabalho consiste na avaliação de descritores morfológicos desenvolvidos em estudos anteriores através de métodos estatísticos. Para a realização da avaliação dos descritores foi utilizada a Análise da Correlação e Análise de Componentes Principais (PCA). A utilização destas duas ferramentas estatísticas teve como objetivo eliminar a redundância de informação dentro do conjunto de descritores e diminuir sua dimensão através da exclusão de elementos ou transformação do conjunto através de PCA. O desenvolvimento da metodologia proposta foi realizado com o auxílio de software comercial de análise estatística e a validação foi realizada através da utilização de Redes Neurais Artificiais (RNA). As redes foram utilizadas para a verificação do desempenho do conjunto de descritores final em fornecer informação suficiente para que seja possível realizar a classificação, em eventos epileptiformes e não-epileptiformes, dos sinais de EEG apresentados à rede. Como resultado, obteve-se uma redução positiva da dimensão do conjunto de descritores sem que houvesse redução da representatividade do conjunto e, utilizando o conjunto reduzido, a rede neural apresentou 82% de sensibilidade, 85% de especificidade, eficiência de 83,5% e 4,5 falsos positivos por minuto. Sendo assim, comparando os resultados apresentados pelo conjunto de descritores original e reduzido, observa-se que a redução de dimensionalidade alcançada com a metodologia proposta não afeta, de modo significativo, o desempenho do classificador utilizado.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/94919 |
| Date | January 2011 |
| Creators | Boos, Christine Fredel |
| Contributors | Universidade Federal de Santa Catarina, Azevedo, Fernando Mendes de, Marques, Jefferson Luiz Brum |
| Publisher | Florianópolis, SC |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 92 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds