| A epilepsia é uma doença cerebral neurológica, sendo uma das mais comuns e incapacitantes, que atinge cerca de 1% da humanidade. Esta doença ocasiona, devido a uma atividade anormal do cérebro, sintomas chamados de convulsões, os quais podem variar de perda total da consciência a pequenos desvios de atenção. Dado o caráter inesperado de uma crise epilética, a sua predição acarretaria em uma melhoria da qualidade de vida do paciente, assim como ajudaria no tratamento deste. Este projeto tem como propósito o desenvolvimento e implementação de um algoritmo aplicado a sinais de eletroencefalograma (EEG) baseado em Deep Learning para a predição de crises epiléticas. O algoritmo deve detectar e diferenciar o período preictal do período interictal com precisão e antecedência, de modo a garantir a sua aplicabilidade em tempo real. Serão utilizados sinais já existentes de EEG do banco de dados do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto, devidamente anonimizados de modo a garantir a proteção de identidade dos pacientes, e de base de dados aberta, sendo que estes sinais são obtidos através do posicionamento de eletrodos no couro cabeludo de pacientes reais. Serão realizados testes com diferentes arquiteturas de rede, utilizando ferramentas como convolutional neural networks e células de long short-term memory para extrair e aprender características espaciais e temporais. Os resultados obtidos serão comparados entre si e com os estudos mais recentes e relevantes no contexto da predição de crises epiléticas. | ||
Atualizado em
05 de Março de 2021, 11:16
Pesquisador Responsável
