Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer (2013)
- Autores:
- Autor USP: KANDA, PAULO AFONSO MEDEIROS - FM
- Unidade: FM
- Sigla do Departamento: MNE
- Assuntos: ANÁLISE DE ONDALETAS; DOENÇA DE ALZHEIMER; ELETROENCEFALOGRAFIA
- Palavras-chave do autor: Alzheimer´s disease; EEG; EEG; Electroencephalography; Máquinas de vetores de suporte; Support vector machines; Wavelet transform
- Idioma: Português
- Resumo: INTRODUÇÃO. O objetivo deste estudo foi responder se a transformada wavelet Morlet e as técnicas de aprendizagem de Máquina (ML), chamada Máquinas de Vetores de Suporte (SVM) são adequadas para procurar padrões no EEG que diferenciem controles normais de pacientes com DA. Não há um teste de diagnóstico específico para a doença de Alzheimer (DA). O diagnóstico da DA baseia-se na história clínica, neuropsicológica, exames laboratoriais, neuroimagem e eletroencefalografia. Portanto, novas abordagens são necessárias para permitir um diagnóstico mais precoce e preciso e para medir a resposta ao tratamento. EEG quantitativo (EEGq) pode ser utilizado como uma ferramenta de diagnóstico em casos selecionados. MÉTODOS: Os pacientes eram provenientes do Ambulatório do Grupo de Neurologia Cognitiva e do Comportamento (GNCC) da Divisão de Clínica Neurológica do HCFMUSP ou foram avaliados pelo grupo do Laboratório de Eletrencefalografia Cognitiva do CEREDIC HC-FMUSP. Estudamos EEGs de 74 indivíduos normais (33 mulheres/41 homens, com idade média de 67 anos) e 84 pacientes com provável DA leve a moderada (52 mulheres/32 homens, idade média de 74,7 anos. A transformada wavelet e a seleção de atributos foram processadas pelo software Letswave. A análise SVM dos atributos (bandas delta, teta, alfa e beta) foi calculada usando-se a ferramenta WEKA (Waikato Ambiente para Análise do Conhecimento). RESULTADOS: Na classificação dos grupos controles e DA obteve-se Acurácia de 90,74% e área ROC de0,90. Na identificação de um único probando dentre todos os demais se conseguiu acurácia de 81,01% e área ROC de 0,80. Desenvolveu-se um método de processamento de EEG quantitativo (EEGq) para uso na diferenciação automática de pacientes com DA versus indivíduos normais. O processo destina-se a contribuir como complemento ao diagnóstico de demência provável principalmente em serviços de saúde onde os recursos sejam limitados
- Imprenta:
- Data da defesa: 07.03.2013
-
ABNT
KANDA, Paulo Afonso Medeiros. Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer. 2013. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/5/5138/tde-12042013-105244/. Acesso em: 19 abr. 2024. -
APA
Kanda, P. A. M. (2013). Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/5/5138/tde-12042013-105244/ -
NLM
Kanda PAM. Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer [Internet]. 2013 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/5/5138/tde-12042013-105244/ -
Vancouver
Kanda PAM. Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer [Internet]. 2013 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/5/5138/tde-12042013-105244/
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
