Navegando por Autor "Silva, Amanda Brito Oliveira da"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Análise de sinais se EEG utilizando a transformada Wavelet como subsídio para identificação de TDAH em crianças de idade escolar(Universidade Federal do Rio Grande do Norte, 2022-12-22) Silva, Amanda Brito Oliveira da; Arrais Junior, Ernano; http://lattes.cnpq.br/4024477389642547; http://lattes.cnpq.br/7278583747216821; Avila, Giuliana Maria Gonçalves; http://lattes.cnpq.br/9237395039688813; Barros, Daniele Montenegro da Silva; http://lattes.cnpq.br/7753316780095100; Paula, Maria Eduarda Franklin da Costa de; http://lattes.cnpq.br/2750863224639300; Alves, Denis Keuton; http://lattes.cnpq.br/7109075850257262O Transtorno de Déficit de Atenção/Hiperatividade (TDAH) é um distúrbio neurobiológico que se caracteriza por um padrão persistente de desatenção/hiperatividade-impulsividade. Em crianças na fase escolar a influência desse transtorno pode implicar em baixo rendimento acadêmico, no entanto, o principal fator é a interferência na vida social, acadêmica e profissional do indivíduo. Assim, este trabalho propõe desenvolver um sistema de análise baseado no sinal de Eletroencefalograma (EEG) para incentivo de desenvolvimento de ferramentas de identificação de sinais sugestivos relacionado ao TDAH em crianças na fase escolar. Para isso, o classificador é baseado na técnica de Threshold utilizando Transformada Wavelet Discreta Redundante para extração de características do sinal. O ambiente de simulação usando foi o sotware MATLAB (2015a). O conjunto de dados analisados foi do banco de dados do IEEE Dataport. Para alcançar o objetivo do trabalho, as faixas de frequência delta e teta dos coeficientes wavelet foram utilizadas como parâmetros para o método threshold, além do mais, os eletrodos analisados foram da região frontal do cérebro. O modelo proposto apresentou um desempenho com sensibilidade de 88,58 % e preditividade positiva de 73,26 % para um conjunto de 40 dados analisados. Dentre os aspectos identificados, verifica-se que a performance do algoritmo foi satisfatória, no entanto, para um volume de dados pequeno.