dc.contributor | Azevedo, Fernando Mendes de | |
dc.contributor | Marques, Jefferson Luiz Brum | |
dc.contributor | Universidade Federal de Santa Catarina | |
dc.creator | Boos, Christine Fredel | |
dc.date | 2012-10-25T18:02:27Z | |
dc.date | 2012-10-25T18:02:27Z | |
dc.date | 2011 | |
dc.date | 2011 | |
dc.date.accessioned | 2017-04-03T21:10:22Z | |
dc.date.available | 2017-04-03T21:10:22Z | |
dc.identifier | 293402 | |
dc.identifier | http://repositorio.ufsc.br/xmlui/handle/123456789/94919 | |
dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/712024 | |
dc.description | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2011 | |
dc.description | 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. | |
dc.format | 92 p.| il., grafs., tabs. | |
dc.language | por | |
dc.publisher | Florianópolis, SC | |
dc.subject | Engenharia eletrica | |
dc.subject | Eletroencefalografia | |
dc.subject | Engenharia biomedica | |
dc.subject | Analise de componentes principais | |
dc.subject | Processamento de sinais | |
dc.title | Avaliação de descritores morfológicos de eventos epileptiformes utilizando análise de componentes principais | |
dc.type | Tesis | |