Seizure prediction with specialized classifiers and image processing

Bibliographic Details
Main Author: Leal, Tiago de Almeida Pinto da Cunha
Publication Date: 2021
Format: Master thesis
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: https://hdl.handle.net/10316/96021
Summary: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_757e51c85b9fc7012dbb4625666abcc6
oai_identifier_str oai:estudogeral.uc.pt:10316/96021
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Seizure prediction with specialized classifiers and image processingPREVISÃO DE CRISES EPILÉTICAS USANDO MULTI-CLASSIFICADORES ESPECIALIZADOS E PROCESSAMENTO DE IMAGEMPrevisão de Crises EpiléticasAprendizagem Computacional ProfundaProcessamento de ImagemMulti-Classificadores ProfundosSinal EEG BrutoSeizure PredictionDeep LearningImage ProcessingDeep Multi-ClassifiersRaw EEGDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaEm 30% das cerca de 70 milhões de pessoas que sofre de epilepsia, nem cirurgia nem medicação impede a ocorrência de crises epiléticas. Uma solução para melhorar a sua qualidade de vida passa pelo uso de dispositivos transportáveis que as prevejam. Pretende-se desenvolver um algoritmo de previsão de crises com aprendizagem computacional, usando sinais EEG sem extração tradicional de caraterísticas ajudando na construção desses dispositivos.A literatura mostrou que, apesar dos resultados promissores de estudos com abordagens semelhantes, nenhum foi capaz de os traduzir num funcionamento em tempo-real em ambiente clínico e, muito menos, em ambulatório. Tal ocorre, em grande medida, pela falta de acesso a um grande conjunto de dados essenciais. Também foi visto que nenhum trabalho utilizou várias CNNs a prever em conjunto, nem processamento de imagem.Assim, a base de dados EPILEPSIAE foi usada para superar a necessidade de muitos dados contínuos e de longo prazo. Foram desenvolvidos vários algoritmos que usam sinal EEG bruto para treinar CNNs especializadas, e foram testados vários métodos para classificar, criar e processar imagens.As experiências mostraram que processar a imagem ajudou a melhorar a performance numa arquitetura onde várias AlexNets especializadas foram usadas para prever, numa abordagem de “transfer learning”. No entanto, os resultados obtidos de 62% de sensibilidade e 0.25 de FPR/h (False Positive Rate per Hour) estão ainda longe da aplicabilidade clínica e não são melhores do que outros publicados. No entanto, dado que nesses se usam dados substancialmente diferentes, não tem grande significado fazer comparações diretas.Há ainda muitas variações do algoritmo que se podem testar. Devido à sua complexidade, o valor ideal para algumas variáveis não pode ser ainda encontrado e alguns métodos não puderam ser testados. No entanto, constatou-se que há potencial em prever as crises com métodos de aprendizagem computacional profunda e processamento de imagem.For 30% of the 70 million people that suffer from epilepsy, neither surgery nor medication prevent seizures. A promissing solution to improve their quality of life is the use of transportable devices that can predict them.This thesis aims to develop a new seizure prediction algorithm based on deep learning techniques, using the raw EEG signal with no traditional feature extraction, helping in the construction of these devices.Literature review showed that, even though various studies with similar approaches obtained good results, none could translate them into real-time operation in a clinical environment, much less in an outpatient setting. This happens due to a lack of a sizeable essential data for the predictor. Also, none neither tried several specialized CNNs working together nor applied image processing methods to improve performance. So, EPILEPSIAE database is be used to overcome the need of a lot of continuous long-term data. Various algorithms using raw signal to train several specialized CNNs were trained along with several methods to classify, create and process images.Results showed that image processing helped to improve performance on an architecture where several specialized AlexNets were used to predict seizures, in a transfer learning approach. However, the results obtained of 62% sensitivity and 0.25 FPR/h are still far away from clinical use are not better than other published works. However, because of substantially different data used in this work, it is not significant to make a direct comparison.There are still variations of the algorithm created to be tried. Due to its complexity, the ideal value for most variables could not be found and other methods could not be tested. Nonetheless, there is potential in predicting seizures with deep learning methods and image processing.Universidade de Coimbra - Bolsa de investigação CISUC-AC- 726806- 1, com o tema “Previsão de Crises Epiléticas com Multi-classificadores Profundos”.2021-09-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttps://hdl.handle.net/10316/96021https://hdl.handle.net/10316/96021TID:202778312engLeal, Tiago de Almeida Pinto da Cunhainfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2022-05-25T03:56:08Zoai:estudogeral.uc.pt:10316/96021Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T05:44:22.605804Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Seizure prediction with specialized classifiers and image processing
PREVISÃO DE CRISES EPILÉTICAS USANDO MULTI-CLASSIFICADORES ESPECIALIZADOS E PROCESSAMENTO DE IMAGEM
title Seizure prediction with specialized classifiers and image processing
spellingShingle Seizure prediction with specialized classifiers and image processing
Leal, Tiago de Almeida Pinto da Cunha
Previsão de Crises Epiléticas
Aprendizagem Computacional Profunda
Processamento de Imagem
Multi-Classificadores Profundos
Sinal EEG Bruto
Seizure Prediction
Deep Learning
Image Processing
Deep Multi-Classifiers
Raw EEG
title_short Seizure prediction with specialized classifiers and image processing
title_full Seizure prediction with specialized classifiers and image processing
title_fullStr Seizure prediction with specialized classifiers and image processing
title_full_unstemmed Seizure prediction with specialized classifiers and image processing
title_sort Seizure prediction with specialized classifiers and image processing
author Leal, Tiago de Almeida Pinto da Cunha
author_facet Leal, Tiago de Almeida Pinto da Cunha
author_role author
dc.contributor.author.fl_str_mv Leal, Tiago de Almeida Pinto da Cunha
dc.subject.por.fl_str_mv Previsão de Crises Epiléticas
Aprendizagem Computacional Profunda
Processamento de Imagem
Multi-Classificadores Profundos
Sinal EEG Bruto
Seizure Prediction
Deep Learning
Image Processing
Deep Multi-Classifiers
Raw EEG
topic Previsão de Crises Epiléticas
Aprendizagem Computacional Profunda
Processamento de Imagem
Multi-Classificadores Profundos
Sinal EEG Bruto
Seizure Prediction
Deep Learning
Image Processing
Deep Multi-Classifiers
Raw EEG
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-09-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10316/96021
https://hdl.handle.net/10316/96021
TID:202778312
url https://hdl.handle.net/10316/96021
identifier_str_mv TID:202778312
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833602455767613440

Similar Items