dc.contributor |
Universidade Federal de Santa Catarina |
pt_BR |
dc.contributor.advisor |
Azevedo, Fernando Mendes de |
pt_BR |
dc.contributor.author |
Boos, Christine Fredel |
pt_BR |
dc.date.accessioned |
2012-10-25T18:02:27Z |
|
dc.date.available |
2012-10-25T18:02:27Z |
|
dc.date.issued |
2011 |
|
dc.date.submitted |
2011 |
pt_BR |
dc.identifier.other |
293402 |
pt_BR |
dc.identifier.uri |
http://repositorio.ufsc.br/xmlui/handle/123456789/94919 |
|
dc.description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2011 |
pt_BR |
dc.description.abstract |
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. |
pt_BR |
dc.format.extent |
92 p.| il., grafs., tabs. |
pt_BR |
dc.language.iso |
por |
pt_BR |
dc.publisher |
Florianópolis, SC |
pt_BR |
dc.subject.classification |
Engenharia eletrica |
pt_BR |
dc.subject.classification |
Eletroencefalografia |
pt_BR |
dc.subject.classification |
Engenharia biomedica |
pt_BR |
dc.subject.classification |
Analise de componentes principais |
pt_BR |
dc.subject.classification |
Processamento de sinais |
pt_BR |
dc.title |
Avaliação de descritores morfológicos de eventos epileptiformes utilizando análise de componentes principais |
pt_BR |
dc.type |
Dissertação (Mestrado) |
pt_BR |
dc.contributor.advisor-co |
Marques, Jefferson Luiz Brum |
pt_BR |