Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-20T12:46:43Z (GMT). No. of bitstreams: 1
196649.pdf: 1632397 bytes, checksum: fd8698c755e68a4807c2fc37915906e5 (MD5) / O Diabetes Mellitus é uma condição crônica caracterizada por uma insuficiência ou ineficiência da insulina, o que acarreta um desequilíbrio na homeostase do controle glicêmico. Para evitar que o nível de glicose sangüínea fique acima da faixa normal, as pessoas com diabetes são tratadas com injeções diárias de insulina. A hipoglicemia (taxa de glicose sangüínea abaixo da faixa normal) é a complicação mais comum no tratamento com insulina e se não for tratada, pronta e adequadamente, provoca uma série de complicações, podendo até causar a morte. Em algumas situações, a sua detecção pelos sintomas característicos fica comprometida, portanto, diversos trabalhos têm sido desenvolvidos no intuito de construir um aparelho para detecção automática da hipoglicemia. Além disso, algumas pesquisas têm mostrado que a hipoglicemia provoca alterações no sinal de EEG (eletroencefalograma). Nessa tese, desenvolveu-se um aparelho portátil para registro do EEG e uma metodologia, utilizando técnicas de processamento digital de sinais e redes neurais artificiais (RNA), para detectar o estado hipoglicêmico, em tempo real, a partir do registro e análise de uma única derivação de EEG. Foram realizados 16 registros em 8 indivíduos (5 homens e 3 mulheres), em tratamento com insulina, com idades entre 20 e 64 anos, dos quais 10 (em 7 indivíduos) incluem períodos de glicemia normal e hipoglicemia espontânea. O resultado da classificação de segmentos de 2,1 s foi uma taxa de acerto de 71,3 %, sensibilidade de 71,1 % e especificidade de 71,5 %. A classificação de segmentos de 21 s, para o mesmo indivíduo, validando com registros não utilizados no treinamento da RNA, resultou em uma taxa de acerto de 80,6 %, sensibilidade de 77,8 % e especificidade de 83,9 %. Os resultados em tempo real apresentaram uma taxa de acerto de 85,2 %, sensibilidade de 60 % e especificidade de 100 %. Dado o exposto, concluiu-se que a metodologia proposta e implementada apresentou bons resultados, encorajando a construção de um sistema para detecção da hipoglicemia baseado no processamento e análise do EEG.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/84817 |
| Date | January 2003 |
| Creators | Iaione, Fábio |
| Contributors | Universidade Federal de Santa Catarina, 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/doctoralThesis |
| Format | xvi, 145 f.| il., tabs., grafs |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds