Classificação de sinais EEG em Indivíduos com TEA utilizando redes neurais convolucionais e espectros HHSA

O trabalho investiga a classificação de sinais EEG (eletroencefalograma) de indivíduos com Transtorno do Espectro Autista (TEA) utilizando Redes Neurais Convolucionais (CNN) e Análise Espectral de Holo-Hilbert (HHSA). A pesquisa objetiva superar as limitações dos métodos diagnósticos atuais — majoritariamente comportamentais e subjetivos — por meio de uma abordagem computacional não invasiva e objetiva. Os dados, obtidos de 12 participantes (6 TEA e 6controle), foram convertidos em mapas espectrais tridimensionais representando a modulação de frequência e amplitude em canais cerebrais (P3 e P4). Esses mapas foram utilizados como entrada para uma CNN personalizada, treinada com técnicas de regularização como Dropout, Batch Normalization, Data Augmentation e Early Stopping. A CNN apresentou desempenho promissor mesmo com base de dados limitada, com acurácia média de 82,99% e AUC de 0,92 na validação cruzada. Os resultados indicam a viabilidade do uso de representações espectro temporais avançadas combinadas com aprendizado profundo para auxiliar no diagnóstico precoce e mais preciso do TEA.