Um método de avaliação da amplitude do potencial P300 comparando indivíduos com alto risco e baixo risco para o alcoolismo
AUTOR(ES)
Lopes, Carla Diniz
DATA DE PUBLICAÇÃO
2010
RESUMO
A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR.
ASSUNTO(S)
processamento de sinais eeg classification wavelet transform redes neurais artificiais eletroencefalografia artificial neural network transformadas wavelet alcoholism alcoolismo
ACESSO AO ARTIGO
http://hdl.handle.net/10183/26863Documentos Relacionados
- Potencial cognitivo P300 em indivíduos com diabetes mellitus
- Síndrome da apneia obstrutiva do sono e o potencial auditivo P300
- P300 em indivíduos com perda auditiva sensorioneural
- Correlação do potencial evocado P300 com aspectos cognitivos e depressivos do envelhecimento
- Latência e amplitude do P300 auditivo na doença de Alzheimer: uma revisão sistemática