Please use this identifier to cite or link to this item:
https://repositorio.ufpb.br/jspui/handle/123456789/16071| Type: | TCC |
| Title: | Potencial diagnóstico não invasivo da esquizofrenia com redes neurais artificiais: EEG e estímulos visuais acromáticos |
| Author(s): | Sá, Bruno Adônis de |
| Advisor: | Siebra, Clauirton de Albuquerque |
| Abstract: | A esquizofrenia é uma doença mental que afeta cerca de 1% da população mundial. O diagnostico desta doença ainda é dependente da entrevista direta com o paciente. Um dos principais desafios é criar uma metodologia eficaz não invasiva para classificar a esquizofrenia. Este estudo teve como objetivo desenvolver um teste de classificação da esquizofrenia através da Rede Neural Artificial (RNA) com base na resposta do eletroencefalograma (EEG) durante a estimulação visual (Potencial Visual Provocado). Trinta e seis voluntários participaram do estudo, 18 esquizofrênicos e 18 não esquizofrênicos. Utilizamos um sistema EEG (actiCHamp) com 32 eletrodos ativos durante um estimulo de xadrez. Para RNA, o classificador usado era um Perceptron Multilayer. A arquitetura RNA usada contem uma camada de entrada com dez características, uma camada oculta com três neurônios e um resultado composto de dois neurônios, um para cada classe: controle ou esquizofrênico. Para a validação RNA, foi utilizada validação cruzada (K = 2). Os resultados mostram uma precisão de 83,333% para o modelo geral. Os seguintes resultados foram observados para os esquizofrênicos: True-Positive-Rate = .889; Falso- Positivo = .222; Precisão = .800; Recall = .889. Para não esquizofrênicos, obtiveram-se os seguintes valores: True-Positive-Rate = 0,778; False-Positive = .111; Precisão = .875; Recall = .778. Outro experimento foi realizado dividindo as instancias em 66% para o conjunto de treinamento e 33% para o conjunto de teste, obtendo uma acurácia media de acerto de 91.7%. Acreditamos que o estimulo utilizado aumenta a qualidade, precisão e diminui o tempo de coleta de dados, que são aspectos importantes para os procedimentos de pesquisa com populações clinicas. Estudos como este podem contribuir para o diagnostico futuro da esquizofrenia, uma doença heterogênea e crônica cujo diagnostico ainda é falho. |
| Abstract: | Schizophrenia is a mental illness that a effcts about 1% of the world's population. The diagnosis of this illness is still dependent of direct interview with patients. One of the main challenges is to create an effective non-invasive methodology to classify schizophrenia. This study aimed at developing a classification test of schizophrenia through Artificial Neural Network (ANN) based on the EEG (Visual Provoked Potential) response over visual stimulation. Thirty-six volunteers participated in the study, 18 schizophrenics and 18 non-schizophrenics. We used an EEG system (actiCHamp) with 32 active electrodes during a checkerboard stimuli. Our ANN was a Multilayer Perceptron and its architecture was composed of an input layer with ten features, a hidden layer with three neurons and an output layer with two neurons representing the control and schizophrenics classes. Furthermore, cross validation (K = 2) was used as validation method. The results show an accuracy of 83.333% for the general model. The following results were observed for the Schizophrenics: True-Positive-Rate = .889; False-Positive = .222; Precision = .800; Recall = .889. For Non-schizophrenic the next values were obtained: True-Positive-Rate = .778; False-Positive = .111; Precision = .875; Recall = .778. A further experiment was performed by dividing the instainces into a 66% training set and a 33% test set, where we obtained a mean accuracy of 91.7%. We believe that the used stimulus increases quality and accuracy; while decreases the time of data collection. These features are important aspects for research procedures with clinical populations. Studies like that may contribute to future diagnosis of schizophrenia, a heterogeneous and chronic disease whose diagnosis is still inaccurate. |
| Keywords: | Rede neural artificial Esquizofrenia Diagnostico Eletroencefalogra fia |
| CNPq: | CNPQ::ENGENHARIAS |
| Language: | por |
| Country: | Brasil |
| Publisher: | Universidade Federal da Paraíba |
| Institution Abbreviation: | UFPB |
| Department: | Sistemas de Computação |
| Access Type: | Acesso aberto Attribution-NoDerivs 3.0 Brazil |
| URI: | http://creativecommons.org/licenses/by-nd/3.0/br/ |
| URI: | https://repositorio.ufpb.br/jspui/handle/123456789/16071 |
| Issue Date: | 5-Feb-2018 |
| Appears in Collections: | TCC - Engenharia de Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| BAS05022018.pdf | 575 kB | Adobe PDF | View/Open |
This item is licensed under a
Creative Commons License
