Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista
| Primeiro orientador dc.contributor.advisor1 | Silva Júnior, Waldir Sabino da | |
| Currículo Lattes do primeiro orientador dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2925380715531711 | eng |
| Segundo orientador dc.contributor.advisor2 | Furtado, Silvania da Conceição | |
| Currículo Lattes do segundo orientador dc.contributor.advisor2Lattes | http://lattes.cnpq.br/8161931812320948 | eng |
| Primeiro membro da banca dc.contributor.referee1 | Lima Filho, Eddie Basta de | |
| Currículo Lattes do primeiro membro da banca dc.contributor.referee1Lattes | http://lattes.cnpq.br/7827981023232761 | eng |
| Segundo membro da banca dc.contributor.referee2 | Amorim, Robson Luis Oliveira de | |
| Currículo Lattes do segundo membro da banca dc.contributor.referee2Lattes | http://lattes.cnpq.br/0601048137391786 | eng |
| Autor dc.creator | Sousa Neto, Josias Lira de | |
| Currículo Lattes do autor dc.creator.Lattes | http://lattes.cnpq.br/2528494734648761 | eng |
| Data de defesa/publicação dc.date.issued | 2024-02-29 | |
| Resumo / Abstract dc.description.abstract | Recent research indicates a growing number of children diagnosed with autism spectrum disorder (ASD), a disease characterized by symptoms that directly impact the fields of behavior, communication and social interaction. According to the Centers for Disease Control and Prevention (CDC), 1 in every 36 8-year-old children are autistic in the United States, a number 22% higher than in the previous survey in 2021. These facts have driven the development of new tools to the diagnosis of the disease, which is essentially clinical (behavioral observation and interview), since there is no requirement for a specific exam. The present work explores an approach with CNN and RNN, combined with signal pre-processing techniques, such as ordering by percentage difference, with the aim of assisting in the diagnosis of ASD, based on the classification of electroencephalogram (EEG) signals. Using the database of studies by Milne et al., from the University of Sheffield, it is shown that the best proposed model achieved a classification accuracy of 99, 63%, which corroborates the system’s ability to distinguish between individuals with ASD and typically developed. | eng |
| Resumo (português) dc.description.resumo | 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. | eng |
| Sugestão / Dificuldades dc.description.sugestao | Sem dificuldades, tudo muito prático. | eng |
| Formato dc.format | application/pdf | * |
| Referência (citação) dc.identifier.citation | SOUSA NETO, Josias Lira de. Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista. 2024. 102 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2024. | eng |
| Endereço permanente (URI) dc.identifier.uri | https://tede.ufam.edu.br/handle/tede/10096 | |
| Idioma dc.language | por | eng |
| Instituição / Editora dc.publisher | Universidade Federal do Amazonas | eng |
| País dc.publisher.country | Brasil | eng |
| Faculdade, Instituto ou Departamento dc.publisher.department | Faculdade de Tecnologia | eng |
| Sigla da instituição dc.publisher.initials | UFAM | eng |
| Programa de Pós-Graduação dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica | eng |
| Tipo de acesso dc.rights | Acesso Aberto | |
| Licença (endereço) dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| Palavras-chave dc.subject | EEG | por |
| Palavras-chave dc.subject | Transtorno do espectro autista | por |
| Palavras-chave dc.subject | CNN | por |
| Palavras-chave dc.subject | RNN | por |
| Palavras-chave dc.subject | Ordenação por diferença percentual | por |
| Área de conhecimento (CNPq) dc.subject.cnpq | ENGENHARIAS: ENGENHARIA ELETRICA | eng |
| Miniatura (endereço) dc.thumbnail.url | https://tede.ufam.edu.br/retrieve/75198/DISS_JosiasSousaNeto_PPGEE.pdf.jpg | * |
| Título dc.title | Método de classificação de sinais de eletroencefalograma para auxílio ao diagnóstico do transtorno do espectro autista | eng |
| Título alternativo dc.title.alternative | Method for classifying electroencephalogram signals to aid the diagnosis of autistic spectrum disorder | eng |
| Tipo de documento dc.type | Dissertação | eng |