Diagnóstico da doença de Alzheimer com base no electroencefalograma

• Author(s): Rodrigues, Pedro Miguel
• Date: 2011
• Persistent ID: http://hdl.handle.net/10198/3126
• Origin: Biblioteca Digital do IPB
• Subject(s): Doença de Alzheimer; Electroencefalograma; Rede neuronal artificial; Transformada de Wavelet
• Document Type: Master thesis
• Language: Portuguese
• Advisor(s): Teixeira, João Paulo; Hornero, Roberto; Poza Crespo, Jesús
• Contributor(s): Biblioteca Digital do IPB

Description

A Doença de Alzheimer (DA) é a forma mais comum de demência. A esperança média de vida está a aumentar e esta patologia surge associada à idade, o que é preocupante. Para se alcançar um diagnóstico precoce e preciso desta doença é necessário optimizar os métodos da sua detecção. A análise de sinais do electroencefalograma (EEG) pode ser reveladora de deficiências estruturais e funcionais associadas à DA. Por conseguinte, este trabalho teve por finalidade a análise de EEGs da actividade espontânea de doentes com diagnóstico provável de DA e um grupo de controlo, usando diferentes parâmetros espectrais, bem como a criação de um sistema baseado em Redes Neuronais Artificiais (RNA), de modo a discriminar sinais de EEG, entre pacientes com probabilidade de DA e sujeitos de controlo. Assim, foram aplicadas três metodologias diferentes e variações, consoante o tipo de processamento de sinal aplicado. A análise dos registros de EEGs foi realizada recorrendo à função Densidade Espectral de Potências (PSD) baseada na Transformada de Fourier de Curta Duração (STFT), à PSD baseada na Transformada de Wavelet (WT) e à aplicação da Transformada Discreta de Wavelet (DWT). A PSD baseada na WT apresentou-se neste trabalho, como uma técnica pioneira no processamento do sinal EEG e permitiu obter melhores resultados do que os conseguidos por técnicas tradicionais, como a PSD baseada na STFT e a DWT. A melhor classificação foi realizada pela RNA usando a PSD WT Biortogonal 3.5, com 0.97 de AROC, sensibilidade de 92.1%, especificidade de 90.8% e 91.5% de precisão. Alzheimer’s disease (AD) is the most common form of dementia. The average life expectancy is increasing and this disease arise associated with aging, which is worrying. To achieve an early and accurate diagnosis of this disease is necessary to optimize the methods of detection. The signal analysis of the electroencephalogram (EEG) may reveal structural and functional disability associated with AD. Therefore, this work aimed at the analysis of spontaneous EEGs activity of patients diagnosed with probable AD and a control group, using different spectral parameters, as well as the creation of a system based on Artificial Neural Networks (ANN) in order to discriminate the EEG signals, among patients with AD and control subjects. Three different methodologies and variations were applied, depending on the type of signal processing applied. The EEG recording analisys was performed using the Power Spectral Density (PSD) function based on Short Time Fourier Transform (STFT), the PSD based on Wavelet Transform (WT) and the application of Discrete Wavelet Transform (DWT). The PSD obtained by WT was presented in this work as a pioneer technique in the EEG signal processing and achieve better results than those obtained by traditional techniques, such as the PSD based on STFT and DWT. The best classification was performed by the ANN using PSD of WT Biorthogonal 3.5 with 0.97 of AROC , 92.1% of sensitivity, 90.8% of specificity and 91.5% of accuracy.