Author(s): Martins, Hélder José Pedrosa de Abreu
Date: 2016
Persistent ID: http://hdl.handle.net/10400.22/10979
Origin: Repositório Científico do Instituto Politécnico do Porto
Subject(s): Classificação; Data mining; Motifs; Classification; Sistemas Computacionais
A epilepsia atinge cerca de 1% da população mundial, e é caracterizada pela ocorrência de crises espontâneas. Pretende-se detetar (e prever) convulsões analisando os dados obtidos a partir de eletroencefalogramas (EEG). Para que os sistemas de deteção/previsão baseados em EEG funcionem de forma eficaz, os algoritmos computacionais devem identificar com segurança os períodos de maior probabilidade de ocorrência de convulsão. Se estes estados cerebrais de alerta fossem detetados, os pacientes poderiam evitar atividades potencialmente perigosas, como conduzir ou natação, e poderia ser administrada medicação somente quando necessário para evitar crises iminentes, reduzindo os efeitos colaterais globais. O objetivo deste trabalho é produzir um método/algoritmo capaz de classificar sinais resultantes do EEG, para deteção de convulsões epiléticas. Existem várias técnicas utilizadas para processamento dos sinais EEG e para os classificar. Pretende-se que sejam aplicadas neste trabalho técnicas utilizadas previamente, em trabalhos desenvolvidos anteriormente, em dados de sons cardíacos para deteção de patologia cardíaca.
Epilepsy is present in about 1% of world’s population and it is characterized by the occurrence of spontaneous seizures. The goal is to detect (and predict) seizures by analyzing data captured from electroencephalograms (EEG). In order for systems that detect/predict seizures base in EEG data work properly is necessary that computational algorithms reliably detect the periods of increased probability of seizure occurrence. If these cerebral states of warning can be identified, the patients could avoid potential dangerous activities like driving or swimming and medications could be administrated only when needed to prevent imminent seizures, reducing the overall side effects. The objective of this work is to develop a method/algorithm able to classify signs received from EEG data for detection of epilepsy seizures. There are many techniques used for processing and classifying the signals of EEG data. One of the goals of this work is to use techniques already used, in previous works with cardiac sounds for detection of cardiac pathologies.
