Classificação diagnóstica de sinais eletromiográficos por redes neurais artificiais.

• Ano de defesa: 2005
• Autor(a) principal: Pires, Paulo Henrique
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Electromyography; Eletromiografia; Neural networks; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-25102024-105117/

As doenças neuromusculares causam um grande impacto na qualidade de vida, podendo, inclusive, oferecer risco de vida. Portanto, o diagnóstico dessas doenças é de extrema importância. Uma das ferramentas de auxílio ao diagnóstico de doenças neuromusculares é a análise dos sinais eletromiográficos, objeto de estudo desta dissertação. A literatura apresenta resultados contraditórios em relação ao uso dos coeficientes auto-regressivos para a classificação de sinais eletromiográficos. Por isso, nesta dissertação buscou-se verificar o potencial de contribuição dos coeficientes auto-regressivos, para auxílio ao diagnóstico de doenças neuromusculares, pela classificação de sinais eletromiográficos de agulha por redes neurais artificiais. Também foi avaliada a contribuição de outras variáveis obtidas a partir da modelagem auto-regressiva (como os coeficientes cepstrais, o coeficiente de curtose, o coeficiente de assimetria e a freqüência mediana). Os resultados desta dissertação indicam que as redes neurais artificiais podem ser usadas em conjunto com os atributos extraídos pela análise de componentes principais de 33 coeficientes auto-regressivos para classificar trechos de longa duração (800 ms) de sinais eletromiográficos de agulha, fornecendo uma taxa de classificação de 66,7%. O uso conjunto dos coeficientes auto-regressivos, cepstrais e parâmetros espectrais é recomendado, pois aumenta a taxa de classificação para 85,2%.