1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Sistemas de Informação (Monte Carmelo)

Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto
Título:	Aplicação de aprendizado de máquina na detecção de convulsões epiléptica em sinais de EEG
Autor(es):	Silva, Vanessa Machado
Primeiro orientador:	Carvalho, Daniele Oliveira
Primeiro membro da banca:	Rocha, Adriano Mendonça
Segundo membro da banca:	Caetano, Daniel Stefany Duarte
Resumo:	A epilepsia é uma doença neurológica que afeta cerca de 50 milhões de pessoas no mundo, sendo caracterizada pela ocorrência de crises epilépticas. O uso de técnicas de inteligência artificial tem-se mostrado uma ferramenta promissora na detecção e classifi- cação de sinais neurais. Neste trabalho, foram utilizados dados de eletroencefalograma (EEG) de 22 pacientes, com aproximadamente 23 canais por registro. Devido à longa duração das gravações e à curta duração das crises, foi necessário balancear as classes por meio do recorte de períodos específicos de cada estado. Os sinais foram filtrados e segmentados em janelas de 15 segundos para extração e seleção de características, com o objetivo de reduzir informações irrelevantes à predição. Na etapa de classificação, foram realizados diversos testes para definir os melhores parâmetros e otimizar o desempenho dos modelos. O objetivo foi identificar os períodos de transição das crises epilépticas, incluindo os estados ictal, interictal e pré-ictal. Foram avaliados algoritmos de aprendi- zado de máquina, como Random Forest (RF), Decision Tree (DT), K-Nearest Neighbors (KNN), Support Vector Machine (SVM) e Logistic Regression (LR), além de modelos de aprendizado profundo, como Convolutional Neural Network (CNN) e Long Short-Term Memory (LSTM). Os melhores resultados foram obtidos na classificação das classes in- terictal e ictal, com destaque para a CNN, que atingiu 95,27% de acurácia, seguida pela RF (94%) e pela LSTM (93,32%). A LR obteve 91%, a DT 89%, o SVM 88,3% e o KNN 83%. Os resultados evidenciam o bom desempenho dos métodos propostos, especialmente os modelos de aprendizagem profunda, além de permitirem uma comparação clara entre as diferentes abordagens.
Palavras-chave:	Epilepsia EEG Aprendizado de maquina Aprendizado profundo
Área(s) do CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	SILVA, Vanessa Camargo. Aplicação de aprendizado de máquina na detecção de convulsões epiléptica em sinais de EEG. 2025. 65 f. Trabalho de Conclusão de Curso ( Graduação em Sistema de Informação) - Universidade Federal de Uberlândia. Uberlândia. 2025.
URI:	https://repositorio.ufu.br/handle/123456789/46749
Data de defesa:	5-Mai-2025
Aparece nas coleções:	TCC - Sistemas de Informação (Monte Carmelo)

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.