Detecção de Transtorno Mental via EEG, Microestados e Redes Neurais de Grafos
Nome: DANIEL RIBEIRO CANDEIA
Data de publicação: 27/05/2025
Banca:
Nome |
Papel |
|---|---|
| KLAUS FABIAN COCO | Examinador Interno |
| PATRICK MARQUES CIARELLI | Presidente |
| RICHARD JUNIOR MANUEL GODINEZ TELLO | Examinador Externo |
Resumo: O eletroencefalograma (EEG) é uma técnica não invasiva e de baixo custo, amplamente utilizada para o estudo da atividade cerebral e diagnóstico de doenças neurológicas. No entanto, a análise visual de sinais de EEG é complexa e demanda expertise, o que justifica a necessidade de sistemas automatizados para auxiliar no diagnóstico. Neste contexto, o presente trabalho propõe um modelo de rede neural baseado em grafos para a detecção de transtornos mentais a partir de sinais de EEG, utilizando a análise de microestados. O modelo proposto combina redes neurais de grafos (GNN) com a análise de microestados, que representam padrões transitórios e estáveis da atividade cerebral. A base de dados utilizada foi a TUH Abnormal EEG Corpus (TUAB), contendo sinais de EEG normais e anormais. O processo incluiu a extração de microestados, a criação de grafos a partir da correlação de Spearman entre os canais de EEG, a extração de features dos sinais de EEG e a aplicação da Análise de Componentes Principais (PCA) para reduzir a dimensionalidade dessas features. Três redes neurais de grafos foram treinadas, cada uma associada a sinais de cada microestado, e os resultados foram combinados por meio de uma técnica de ensemble. O modelo final alcançou uma acurácia de 97,46% no conjunto de testes, superando os resultados de outros métodos existentes na literatura. Os resultados demonstram a eficácia da abordagem proposta, destacando o potencial das GNNs e da análise de microestados para a detecção de transtornos mentais a partir de sinais de EEG.
