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

Página do item simplificado
dc.contributor.advisor-co1PEREIRA JÚNIOR, Antônio
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1402289786010170
dc.contributor.advisor-co1ORCIDhttps://orcid.org/0000-0002-0808-1058
dc.contributor.advisor1SOUZA, Suzana Cescon de Souza
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9388772555518702
dc.creatorFAVA, Maria Fernanda de Leão
dc.creator.Latteshttp://lattes.cnpq.br/7924399506101138
dc.date.accessioned2025-12-02T17:48:23Z
dc.date.available2025-12-02T17:48:23Z
dc.date.issued2025-08-22
dc.description.abstractThe work investigates the classification of EEG signals electroencephalogram) of individuals with autistic spectrum disorder (ASD) using convolutionary neural networks (CNN) and spectral analysis of Holo-Hilbert (HHSA). Research aims to overcome the limitations of current diagnostic methods- mostly behavioral and subjective- through a noninvasive and objective computational approach. The data, obtained from 12 participants (6 ASD and 6 Control), were converted to three-dimensional spectral maps representing the frequency and amplitude modula tion in brain channels (P3 and P4). These maps were used as an entry for a personalized CNN, trained with regularization techniques such as Dropout, Batch Normalization, Data Augmentation and Early Stopping. CNN performed promising performance even with limited database, with an average accuracy of 82,99% and AUC of 0,92 in cross validation. The results indicate the viability of the use of advanced spectrum-time representations combined with deep learning to assist in early and more accurate diagnosis of ASD.
dc.description.resumoO 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.
dc.identifier.citationFAVA, Maria Fernanda de Leão. Classificação de sinais EEG em Indivíduos com TEA utilizando redes neurais convolucionais e espectros HHSA. Orientadora: Suzana Cescon de Souza. 2025. 50f. Trabalho de Curso (Bacharelado em Engenharia Elétrica e Biomédica) – Faculdade de Engenharia Elétrica e Biomédica, Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2025. Disponível em: https://bdm.ufpa.br/handle/prefix/8920 . Acesso em:.
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/8920
dc.rightsAcesso Abertopt_BR
dc.rights.licenseAttribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.source.uriDisponível na internet via correio eletrônico: bibliotecaitec@ufpa.br
dc.subjectTranstorno do espectro autista
dc.subjectEletroencefalograma
dc.subjectAnálise holo-hilbert
dc.subjectRedes neurais convolucionais
dc.subjectClassificação automática
dc.subjectAutistic spectrum disorder
dc.subjectElectroencephalogram
dc.subjectHolo-hilbert analysis
dc.subjectConvolutionary neural networks
dc.subjectAutomatic classification
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
dc.titleClassificação de sinais EEG em Indivíduos com TEA utilizando redes neurais convolucionais e espectros HHSA
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TC_ClassificacaoSinaisIndividuos.pdf
Tamanho:
2.45 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia Elétrica e Biomédica - FEEB/ITEC
Logo do RepositórioLogo do Repositório