Diagnóstico da doença de Alzheimer em intervalos de curta duração utilizando o EEG

• Autor(es): Rodrigues, Sérgio Daniel de Luís
• Data: 2012
• Identificador Persistente: http://hdl.handle.net/10198/8013
• Origem: Biblioteca Digital do IPB
• Assunto(s): Doença de Alzheimer; Demência; Eletroencefalograma; Rede Neuronal Artificial
• Tipo de Documento: Dissertação de mestrado
• Idioma: Português
• Orientador(es): Teixeira, João Paulo
• Contribuidor(es): Biblioteca Digital do IPB

Descrição

As condições de vida nos países desenvolvidos têm melhorado significativamente nas últimas décadas. Consequentemente aumentou a esperança média de vida e o número de doenças neurodegenerativas associadas ao envelhecimento como a Doença de Alzheimer (DA). Esta doença provoca demência, afeta o córtex cerebral e causa determinadas alterações na atividade elétrica do cérebro. Como tal, a análise dos sinais do eletroencefalograma (EEG) pode revelar carências estruturais e funcionais associadas à DA. Muito embora, diversos estudos sobre a atividade do EEG tenham revelado uma desaceleração do ritmo cerebral, juntamente com uma redução na complexidade dos sinais e uma perda de conectividade funcional do cérebro, o valor de diagnóstico ainda é muito limitado e importa por isso continuar a pesquisa para ajudar a reduzir o impacto da DA. Por conseguinte, neste estudo analisou-se a atividade espontânea do EEG de pacientes com diagnóstico de DA e um grupo de controlo composto por sujeitos cognitivamente normais, através de diferentes parâmetros espectrais. Utilizou-se a Power Spectral Density (PSD) baseada na Transformada de Fourier de Curta Duração (STFT) e a PSD baseada na Transformada de Wavelet (WT). Os melhores resultados foram obtidos com a PSD determinada pela STFT e deram uma correlação de coeficiente 0.963 no conjunto de teste com uma Rede Neuronal Artificial (RNA) desenvolvida com o algoritmo de treino Levenberg-Marquardt (trainlm), a função Logística Sigmoidal (logsig) e com 16 nós de entrada na camada escondida.As condições de vida nos países desenvolvidos têm melhorado significativamente nas últimas décadas. Consequentemente aumentou a esperança média de vida e o número de doenças neurodegenerativas associadas ao envelhecimento como a Doença de Alzheimer (DA). Esta doença provoca demência, afeta o córtex cerebral e causa determinadas alterações na atividade elétrica do cérebro. Como tal, a análise dos sinais do eletroencefalograma (EEG) pode revelar carências estruturais e funcionais associadas à DA. Muito embora, diversos estudos sobre a atividade do EEG tenham revelado uma desaceleração do ritmo cerebral, juntamente com uma redução na complexidade dos sinais e uma perda de conectividade funcional do cérebro, o valor de diagnóstico ainda é muito limitado e importa por isso continuar a pesquisa para ajudar a reduzir o impacto da DA. Por conseguinte, neste estudo analisou-se a atividade espontânea do EEG de pacientes com diagnóstico de DA e um grupo de controlo composto por sujeitos cognitivamente normais, através de diferentes parâmetros espectrais. Utilizou-se a Power Spectral Density (PSD) baseada na Transformada de Fourier de Curta Duração (STFT) e a PSD baseada na Transformada de Wavelet (WT). Os melhores resultados foram obtidos com a PSD determinada pela STFT e deram uma correlação de coeficiente 0.963 no conjunto de teste com uma Rede Neuronal Artificial (RNA) desenvolvida com o algoritmo de treino Levenberg-Marquardt (trainlm), a função Logística Sigmoidal (logsig) e com 16 nós de entrada na camada escondida. Living conditions in developed countries have improved significantly in recent decades. Consequently has increased the life expectancy and the number of neurodegenerative diseases associated with aging as Alzheimer's Disease (AD). This disease leads to dementia, affects the cerebral cortex and causes certain changes in the electrical activity of brain. Therefore, the analysis of electroencephalogram signals (EEG) may reveal structural and functional deficiencies associated with AD. Although several studies about the EEG activity revealed a slowdown of brain rhythms along with a reduction in the complexity of signals and a loss of functional connectivity of brain, the diagnosis value is still very limited and we must continue the search trying to help to reduce AD impact. Therefore, in this study was analyzed the spontaneous EEG activity of patients with AD and a control group consisting of cognitively normal subjects through different spectral parameters. We used the Power Spectral Density (PSD) based on Short Time Fourier Transform (STFT) and the PSD based on Wavelet Transform (WT). The best results were performed using the PSD determined by STFT and they gave a correlation coefficient of 0.963 in the test set with an Artificial Neural Network (ANN) developed with the training algorithm Levenberg-Marquardt (trainlm), a Logistic sigmoid function (logsig) and with 16 nodes in the hidden layer.