COMPARAÇÃO ENTRE MÉTODOS DE EXTRAÇÃO DE CARACTERÍSTICAS PARA SISTEMA DE PREVISÃO DE SURTOS EPILÉPTICOS

Resumo

A epilepsia é uma doença caracterizada pela ocorrência de surtos causados por distúrbios na atividade elétrica do cérebro, medida na forma do eletroencefalograma (EEG). Na literatura, verifica-se grande interesse no desenvolvimento de sistemas usando Inteligência Artificial para a previsão da ocorrência dos surtos epilépticos, a fim de serem usados pelos pacientes em suas vidas cotidianas. Naqueles trabalhos, busca-se identificar se o sinal EEG está em um período iminente ou distante de um surto. Uma particularidade de cada trabalho foi a escolha do método de extração de características dos sinais EEG para a montagem de vetores para um classificador automático. Porém, além das variações na escolha dos métodos de extração de características, há também diferenças nos métodos usados nas etapas seguintes do processo de classificação e nos seus parâmetros, o que impossibilita que se chegue a uma conclusão segura sobre o melhor método de extração de características para tal finalidade. Por essa razão, o objetivo geral deste projeto é o de comparar métodos de montagem de vetores de características para um sistema de previsão de surtos epilépticos usando Inteligência Artificial e avaliar o impacto de cada um deles na acurácia da previsão dos surtos. As transformadas Wavelet e Fourier foram empregadas e apresentaram resultados muito distintos: com a primeira, obteve-se acurácia maior do que 90% para diferentes formas de onda e níveis de detalhe, enquanto a segunda mostrou-se inviável usando-se o sistema aqui proposto. A forma como se determina os chamados estados interictal e pré-ictal provou ser uma etapa limitante na escolha do método a ser empregado para a construção dos vetores de características.