Predição de Crises Epilépticas Utilizando Rede Neural Sem Peso Wisard
Autores
|
5612 |
2582,131,163
|
|
|
5613 |
2582,131,163
|
|
|
5614 |
2582,131,163
|
Informações:
Publicações do PESC
De acordo com a Organização Mundial de Saúde (OMS) , a epilepsia é uma das doenças primárias do sistema nervoso central mais comuns no mundo. A Epilepsia afeta gravemente a rotina de uma pessoa acometida por ela, visto que causa restrições às atividades diárias desenvolvidas por esta, impactando sua vida de maneira negativa. Tal fato agrava-se pelo caráter repentino que caracteriza a ocorrência de um evento epiléptico.
A possibilidade de se prever um episódio de crise epiléptica aparece como um elemento atenuante para os efeitos desagradáveis decorrentes deste acontecimento. Tal fato se daria pela eliminação da característica súbita destes eventos, dando aqueles que são portadores dessa desordem, uma chance para tomar decisões e atitudes que venham resguardar sua integridade fí sica. Ou pelo menos, que estas pessoas tenham a possibilidade de minimizar os danos que uma crise pode acarretar.
Nesse contexto, a presente dissertação apresenta um método capaz de prever a iminência de uma crise epiléptica com um certo período de antecedência, baseado na avaliação da atividade neuronal do paciente, acrescida de registros de seus batimentos cardíacos, movimentos oculares e musculares. Para atingir este fim, além de um devido tratamento dos dados, uma rede neural do tipo sem peso foi implementada para análise e classificação dos padrões formados por estes dados, tornando possível a predição de uma crise propriamente dita. O modelo de rede neural sem peso presente na metodologia de predição desta dissertação é o modelo WiSARD. Nos experimentos realizados com redes WiSARD personalizadas para cada paciente, os altos percentuais de acerto alcançados na predição de crises epilépticas sugerem seu uso em aplicações assistivas.
According to World Health Organization (WHO), epilepsy is one of the most common primary diseases of the central nervous system worldwide, affecting in a hard way, the routine of a person affected by it. This is because epilepsy causes restrictions to daily activities carried out by those who suffer from this disturb, impacting their lives negatively. This fact is aggravated by the sudden factor that characterizes the occurrence of an epileptic event.
The ability to predict an episode of seizure appears as a mitigating factor to the unpleasant effects arising from this event. And would eliminate the abrupt feature of it, giving those who are carriers of this disorder, a chance to make decisions and attitudes that will hopefully safeguard their physical integrity. Or at least, provide to the those people with epilepsy, a chance to minimize the harms that a seizure can bring about.
In this context, this master’s thesis presents a method to predict the imminence of an epileptic seizure with a period of antecedence, which is based on the evaluation of the neuronal activity of the patient, plus records about his heart rate and his movements from eyes and muscles. To achieve this purpose, including a proper treatment of the patients data, a weightless neural network has been implemented, in order to analyse these data and perform classification of patterns formed by data previously mentioned, making possible the prediction of a future crisis. The weightless neural network present in the prediction methodology of this dissertation is the WiSARD model. In the experiments performed with WiSARD networks customized for each patient, the high percentages of success achieved in the prediction of epileptic seizures suggest its use in assistive applications.