PREDIÇÃO DE CRISES DE EPILEPSIA UTILIZANDO APRENDIZAGEM DE MÁQUINA

Resumo

Pessoas que possuem epilepsia sofrem de convulsões devido à perturbação da atividade das células nervosas do cérebro. Para diagnosticar a epilepsia é utilizada a eletroencefalografia, que faz o registo da atividade cerebral,  amplamente usado em diagnósticos clínicos por ser realizado de forma não invasiva, além de permitir a captação e alta resolução temporal. No entanto, o eletroencefalograma(EEG) fornece dados muito extensos, uma vez que é feita durante horas de captura, consequentemente, ao realizar a análise é necessário uma extensa inspeção visual. A pesquisa propôs a criação de um sistema automatizado para realizar a classificação dos sinais do EEG. A pesquisa seguiu etapa para a criação do sistema, como a seleção da  base de dados do CHB-MIT Scalp EEG Database, pré-processamento, extração de características implementação dos modelos de classificação K-Nearest Neighbors(KNN), Support Vector Machine(SVM), Decision Trees(DTs), Random Forest(RF) e Logistic regression(LR). Em conclusão, o objetivo é a criação de um sistema automatizado para predição de crises de epilepsia com dados coletados pelo EEG, uma vez que o EEG é composto de extensos dados, o que torna a análise manual uma tarefa árdua. A pesquisa utiliza técnicas computacionais para uma classificação de forma mais autônoma e precisa. Portanto, essa pesquisa contribui de maneira valiosa para a compreensão e o tratamento da epilepsia e estabelece um precedente importante para futuras investigações neste domínio.