Identificação de Estado Mental de Atenção Através do EEG para Aplicação em Treinamento Neurofeedback

Página do item simplificado
dc.contributor.advisor1Frizera Neto, Anselmo
dc.contributor.authorCasagrande, Wagner Dias
dc.contributor.referee1Ferreira, André
dc.contributor.referee2Souza, Mariane Lima de
dc.date.accessioned2019-05-22T02:13:14Z
dc.date.available2019-05-21
dc.date.available2019-05-22T02:13:14Z
dc.date.issued2019-02-20
dc.description.abstractAttention Deficit Hyperactivity Disorder (ADHD) is a disorder associated with neurobiolog-ical and genetic factors, beginning in childhood and can persist in adulthood, compromisingthe functioning of the person in various sectors of his life. The worldwide prevalence ratesfor ADHD are around 5.3% in children and adolescents and 2.5% in adults. Studies suggestthat 40 to 60% of affected children continue to have the disorder in adulthood. Althoughpharmacological treatment has proved effective, it still has disadvantages, such as sideeffects (anorexia), abdominal pain, headache and insomnia. Given the relatively high rateof residual symptoms, the disability generated by this disorder and the possible resistanceto pharmacological treatment, it is necessary to combine the available therapeutic arsenalwith new non-pharmacological methods. Neurofeedback has been shown through numerousstudies to significantly improve attention and provide equivalent improvements to stimulantmedications for attention deficit hyperactivity disorder (ADHD) children. This work aimsto develop a neurofeedback system aimed at supporting the conventional treatment ofchildren with ADHD, as well as the development of a serious game in order to generatevisual feedback. The same uses the electroencephalographic signals captured throughthe EEG to classify the mental task of attention. For the analysis and processing of thesignals, the Welch method and the discrete wavelet transform (DWT) were used for theextraction of characteristics, the linear discriminant analysis (LDA) was applied to reducethe dimensionality of the characteristics for each electrode and the Machine of SupportVectors (SVM) was used to classify the attention state. In this way, conventional drug-basedtreatment can be supplemented to improve patients’ final response. An experimental testprotocol was proposed and the results demonstrated that the system was able to acquire,process and classify the signals. Analysis of the accuracy of the used classifier showedthat the system was able to identify the instants in which the subjects were in a state ofattention and relaxation, with the best accuracy being 90% for the Welch method. Theresults of the processing steps of the biological signals, as well as the accuracy valueswere shown in accordance with the studied literature. Future work involves improving thetechniques used in signal processing, developing a complex environment generated by thevirtual reality technique and validating the system with children who have ADHD.eng
dc.description.resumoO Transtorno de Déficit de Atenção e Hiperatividade (TDAH) é um transtorno associadoa fatores neurobiológico e genéticos, com início na infância e que pode persistir na vidaadulta, comprometendo o funcionamento da pessoa em vários setores de sua vida. As taxasmundiais de prevalência de TDAH estão em torno de 5,3% em crianças e adolescentes e2,5% em adultos. Estudos sugerem que 40 a 60% das crianças afetadas continuam tendo otranstorno na idade adulta. Embora o tratamento farmacológico tenha se mostrado eficaz,ainda apresenta desvantagens, como efeitos colaterais (anorexia), dor abdominal, cefaleia einsônia. Dada a taxa relativamente alta de sintomas residuais, a incapacidade gerada poreste distúrbio e a possível resistência ao tratamento farmacológico, é necessário combinaro arsenal terapêutico disponível com novos métodos não farmacológicos. Oneurofeedbacktem demonstrado, através de numerosos estudos, melhorar significativamente a atençãoe proporcionar melhorias equivalentes às dos medicamentos estimulantes para criançascom transtorno de déficit de atenção e hiperatividade. Este trabalho tem como escopo odesenvolvimento de um sistemaneurofeedbackpara dar suporte ao tratamento convencionalde crianças com TDAH, bem como o desenvolvimento de um jogo sério com intuito de segerar ofeedbackvisual. O mesmo utiliza os sinais eletroencefalográficos captados atravésdo EEG para classificar a tarefa mental de atenção. Para a análise e processamento dossinais, o método de Welch e a transformada wavelet discreta (DWT) foram utilizadaspara a extração de características, a análise de discriminantes lineares (LDA) foi aplicadapara reduzir a dimensionalidade das características para cada eletrodo e a Máquina deVetores de Suporte (SVM) foi empregada para classificar o estado de atenção. Destamaneira, pode-se complementar o tratamento convencional baseado em medicamentos paramelhorar a resposta final dos pacientes. Um protocolo experimental de testes foi propostoe os resultados demonstraram que o sistema foi capaz de adquirir, processar e classificaros sinais. Análise acerca da acurácia do classificador utilizado mostrou que o sistema foicapaz de identificar os instantes em que os sujeitos estavam em um estado de atenção erelaxamento, tendo como melhor acurácia 90% para o método de Welch. Os resultadosdas etapas de processamento dos sinais biológicos, bem como os valores de acurácia semostraram em conformidade com a literatura estudada. Trabalhos futuros envolvem oaprimoramento das técnicas utilizadas no processamento dos sinais, o desenvolvimento deum ambiente complexo gerado pela técnica de realidade virtual e a validação do sistemacom crianças que possuem TDAH.
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/11166
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.subjectDiscrete Wavelet Transform (DWT)eng
dc.subjectElectroencephalographyeng
dc.subjectSupporting Vector Machine (SVM)eng
dc.subjectAttention Deficit Hyperactivity Disorder (ADHD)eng
dc.subjectNeurofeedbackpor
dc.subjectTransformada wavelet discreta (DWT)por
dc.subjectMáquina de vetores de suporte (SVM)por
dc.subjectTranstorno de déficit de atenção ehiperatividade (TDAH)por
dc.subject.br-rjbnEletroencefalografia
dc.subject.br-rjbnFourier, Transformações de
dc.subject.br-rjbnAprendizado do computador
dc.subject.br-rjbnDistúrbio da falta de atenção com hiperatividade
dc.subject.br-rjbnSistemas de controle biológico
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicos
dc.subject.udc621.3
dc.titleIdentificação de Estado Mental de Atenção Através do EEG para Aplicação em Treinamento Neurofeedback
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_12076_Dissertação - Wagner Dias Casagrande-14_05_2019.pdf
Tamanho:
2.42 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Mestrado em Engenharia Elétrica