Comparação entre escalogramas e bancos de filtros Wavelet utilizados na classificação de padrões epileptiformes

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2017-04-25T04:09:29Z (GMT). No. of bitstreams: 1
345348.pdf: 4052096 bytes, checksum: 952b762d8a1b26e7b80757dfa8ca7fa7 (MD5)
Previous issue date: 2016 / A comprovação clínica do diagnóstico da epilepsia é realizada por um neurofisiologista que analisa registros de eletroencefalograma (EEG) do indivíduo com suspeita da doença, resultando em um processo demorado. Embora muitos estudos tenham proposto métodos ou sistemas de automatização da análise dos registros de EEG, ainda não existe um algoritmo ou sistema que realize este tipo de tarefa com o sucesso esperado no ambiente clínico. Uma solução adotada para aumentar o desempenho de tais classificadores é o processamento digital dos sinais de EEG. Dentre os métodos de processamento, a Transformada Wavelet tem apresentado resultados promissores. Em continuidade aos estudos desenvolvidos em uma linha de pesquisa do Instituto de Engenharia Biomédica (IEB-UFSC) da Universidade Federal de Santa Catarina (UFSC), este trabalho propõe-se a realizar uma comparação direta entre os dois métodos de aplicação da Transformada Wavelet: Banco de Filtros e Escalogramas. As funções Wavelet analisadas neste trabalho foram escolhidas de acordo com uma revisão da literatura. Uma base de dados com segmentos de sinais de EEG é processada com banco de filtros e escalogramas. A base de dados processada é aplicada à entrada de redes neurais artificiais para o reconhecimento de padrões eletrográficos característicos de pacientes com Epilepsia. Os resultados são analisados a partir de dois métodos: análise não paramétrica e análise da rede com maior eficiência obtida para cada função Wavelet. Utilizando análise não paramétrica, as funções Coif 4 e Db 4, utilizando Banco de Filtros, e Bior 3.1 e Coif 1, utilizando Escalogramas, apresentam bom desempenho. Por sua vez, fazendo análise com base em apenas uma única rede para cada função, a melhor configuração é utilizando a função Bior 3.1 com processamento por Banco de Filtros.<br> / Abstract : The clinical evidence of the diagnosis of epilepsy is performed by a neurophysiologist who analyzes the electroencephalogram (EEG) records of the individual with suspected disease, resulting in a time consuming process. Although many studies have proposed methods or automated systems for EEG record analysis, there is still no algorithm or system that performs this type of task with the expected success in the clinical setting. One solution adopted to increase the performance of such classifiers is the digital processing of the EEG signals. Among the processing methods, the Wavelet Transform has presented promising results. In continuity to the studies developed in a line of research of the Institute of Biomedical Engineering (IEB-UFSC) of the Federal University of Santa Catarina (UFSC), this work proposes to make a direct comparison between the two methods of application of the Wavelet Transform: Bank of Filters and Scalograms. The Wavelet functions analyzed in this work were chosen according to a literature review. A database with segments of EEG signals is processed with Wavelet Filter Banks and Scalograms. The processed database is applied to the input of artificial neural networks for the recognition of electrographic patterns characteristic of patients with Epilepsy. The results are analyzed using two methods: non-parametric analysis and the most efficient network obtained for each Wavelet function. Using non-parametric analysis, the Coif 4 and Db 4 functions, for Filter Banks, and the Bior 3.1 and Coif 1 functions, using Scalograms, perform well. In turn, doing the analysis based only a single network for each function, the best configuration is using the Bior 3.1 function and processing by Filter Bank.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/175089
Date January 2016
CreatorsAlmeida, Eduarda Rosado de
ContributorsUniversidade Federal de Santa Catarina, Azevedo, Fernando Mendes de
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format89 p.| il., grafs., tabs.
Sourcereponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0018 seconds