Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista

• Ano de defesa: 2024
• Autor(a) principal: Sousa Neto, Josias Lira de
• Outros Autores: http://lattes.cnpq.br/2528494734648761
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Faculdade de Tecnologia; Brasil; UFAM; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: .; ENGENHARIAS: ENGENHARIA ELETRICA; EEG; Transtorno do espectro autista; CNN; RNN; Ordenação por diferença percentual
• Link de acesso: https://tede.ufam.edu.br/handle/tede/10096

Pesquisas recentes indicam um crescente número de crianças diagnosticadas com o transtorno do espectro autista (TEA), doença caracterizada por sintomas que impactam diretamente os campos de comportamento, comunicação e interação social. Segundo o centro de controle de prevenção de doenças (CDC), 1 em cada 36 crianças de 8 anos são autistas nos Estados Unidos, número 22% maior em relação à pesquisa anterior, de 2021. Estes fatos têm impulsionado o desenvolvimento de novas ferramentas para o diagnóstico da doença, o qual é essencialmente clínico (observação comportamental e entrevista), uma vez que não há exigência de exame específico. O presente trabalho explora uma abordagem com CNN e RNN, combinadas com técnicas de pré-processamento de sinais, tal como a ordenação por diferença percentual, com o objetivo de auxiliar no diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma (EEG). Utilizando-se a base de dados dos estudos de Milne et al., da Universidade de Sheffield, mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 63%, o que corrobora a capacidade do sistema em distinguir entre indivíduos com TEA e tipicamente desenvolvidos.