Título: Parametrização de Sinais de EEG para Diagnóstico de Epilepsia Usando Matrizes de Kernel
Autores: Paulo Barbosa and Guilherme Barreto
Resumo:
O presente trabalho aborda o processo de extração de atributos de sinais de eletroencefalograma (EEG), também chamado de parametrização de sinais, para o auxílio na detecção de crises epiléticas. A abordagem proposta neste trabalho é baseada na utilização de matrizes kernel para parametrizar segmentos do sinal de EEG de modo a construir vetores de atributos rotulados. Para isso, técnicas de esparsificação são usadas a fim de diminuir a dimensão das matrizes de kernel. Além disso, novas estratégias para a construção das matrizes de kernel e, consequentemente dos vetores de atributos resultantes, são também exploradas com base em três hipóteses para segmentação dos sinais de EEG e na análise isolada (intra-canal) ou conjunta (inter-canais) dos canais de EEG. Um amplo estudo comparativo avaliando o desempenho dos métodos propostos a partir da variação dos seus hiperparâmetros é executado. A partir da análise e discussão dos resultados obtidos, foi possível verificar que os métodos propostos são promissores, apresentando desempenho equivalente ou superior aos gerados por métodos clássicos de extração de atributos de sinais de EEG.
Palavras-chave:
EEG, Epilepsia, Aprendizagem de máquina, Extração de atributos, Matrizes de kernel.
Páginas: 8
Código DOI: 10.21528/CBIC2021-118
Artigo em pdf: CBIC_2021_paper_118.pdf
Arquivo BibTeX: CBIC_2021_118.bib