USO DE MAPAS AUTO-ORGANIZÁVEIS NA PREVISÃO DE SURTOS EPILÉTICOS COM BASE NA ANÁLISE CONTÍNUA DO EEG

Resumo

A epilepsia é um transtorno neurológico que, geralmente, causa convulsões frequentes naqueles afetados, inibindo-os de praticar atividades que requerem atenção constante ou completo controle, como dirigir ou nadar. A predição de surtos pode conferir maior segurança a esses pacientes, alertando-os sobre surtos iminentes. Neste trabalho, uma rede neural não supervisionada conhecida como Mapa Auto-Organizável (SOM, do inglês, Self-Organizing Maps) é utilizada para identificar e classificar intervalos dos sinais de Eletroencefalograma (EEG) de forma contínua com o objetivo de produzir um método de detecção de surtos de forma antecipada. Isso implica na distinção de características presentes nos sinais de EEG à medida que uma crise se aproxima. Os dados são pré-processados utilizando a transformada de Wavelet e usados para treinar um SOM. Três diferentes topologias de mapas são avaliadas assim como três diferentes quantidades de dados de treino. O método foi investigado em diferentes pacientes do banco de dados público Physionet - CHB-MIT e, nos melhores casos, obteve-se acurácia de 98,9%, sensibilidade de 100% e especificidade de 98,5%.