Contribuição ao estudo do reconhecimento automático de padrões epileptiformes em sinais de EEG utilizando a teoria da ressonância adaptativa

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.Epilepsia é um transtorno do cérebro, caracterizado por uma predisposição duradoura a crises epiléticas e pelas consequências neurobiológicas, sociais, cognitivas e psicológicas desta condição. O eletroencefalograma (EEG) é amplamente utilizado na comprovação clínica do diagnóstico da epilepsia. A confirmação clínica utilizando o EEG é realizada pela análise criteriosa dos registros em busca de algumas manifestações eletrográficas que, quando presentes com determinada frequência, são um forte indicativo desta condição (epilepsia). O presente trabalho tem como objetivo avaliar a viabilidade da Teoria da Ressonância Adaptativa (ART) na identificação automática de padrões epileptiformes em sinais de EEG. Dentre as redes da família ART, foi escolhida a rede ART2 por permitir estímulos de entrada com valores binários (zero ou um) e valores contínuos. A análise e simulações neste estudo utilizou uma base de dados de sinal EEG com gravações de dez pacientes epilépticos e um paciente sem epilepsia. Estes sinais foram separados em dois conjuntos, com segmentos distintos entre si, e utilizados no treinamento e teste da rede. O algoritmo da rede ART2 foi implementado no software Matlab®. Os resultados dos testes gerados pelas redes ART2 foram avaliados por meio de índices de desempenho de Sensibilidade, Especificidade e Eficiência. As redes analisadas obtiveram valores máximos de 98,34% de Sensibilidade, 86,94% de Especificidade e 85,65% de Eficiência. Os resultados alcançados pelas redes foram promissores e satisfatórios. A rede neural ART2 foi capaz de reconhecer padrões epileptiformes, podendo ser uma boa opção para o uso em sistemas computacionais para o diagnóstico da epilepsia.Abstract : Epilepsy is a disorder of the brain characterized by a predisposition to seizures and lasting neurobiological, social, psychological and cognitive consequences of this condition. The electroencephalogram (EEG) is widely used for the clinical confirmation of epilepsy diagnosis. This is performed by careful analysis of EEG recordings in search of specific electrographic activity than, when present with certain frequency, are a strong indication of this condition (epilepsy). This study aims to assess the feasibility of Adaptive Resonance Theory (ART) in the automatic identification of epileptiform patterns in EEG signals. Among the ART family networks, the ART2 was selected because it allows input stimuli with both binary (zeros and ones) and continuous values. The analysis and simulations preformed in this study used an EEG signal database with recordings from ten epileptic patients and one epilepsy free patient. These EEG signals were separated in two different sets used for training and testing of the network. The ART2 network algorithm was implemented in Matlab® software. The test results generated by ART2 networks were evaluated by sensitivity, specificity and efficiency performance metrics. The analyzed networks obtained maximum values of 98.34% sensitivity, 86.94% specificity and 85.65% efficiency. The results achieved by the networks can be considered promising and satisfactory. The ART2 neural network was able to identify epileptiform patterns and could be a good option for use in computer aided systems for the diagnosis of epilepsy