Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/1860
Title: Classificação de imagens de textura geradas por Gráficos de Recorrências no problema de pessoas sofrendo ataques epiléticos
Authors: Queiroz, Danielly de Moura Borba
metadata.dc.contributor.authorLattes: http://lattes.cnpq.br/7461629772562910
metadata.dc.contributor.advisor: Macário Filho, Valmir
metadata.dc.contributor.advisorLattes: http://lattes.cnpq.br/4346898674852080
Keywords: Software;Epilepsia;Algorítmos computacionais
Issue Date: 2019
Citation: QUEIROZ, Danielly de Moura Borba. Classificação de imagens de textura geradas por Gráficos de Recorrências no problema de pessoas sofrendo ataques epiléticos.2019. 69 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2019.
Abstract: Epilepsy is a neurological condition characterized by the occurrence of epileptic seizuresthat recur in variations. These seizures are clinical manifestations of an abnormal dis-charge of neurons, which are cells that make up the brain. Some features make earlydiagnosis of epilepsy a major challenge, even for the most experienced clinicians. Asmedical aid, there are tests such as electroencephalogram (EEG) represented by timeseries widely used in the diagnosis of epilepsy. Time series are present in various areasof study, such as medicine, biology, economics, among others. Your graphics exposehidden patterns and alter data such as texture patterns as well as those that can beused by texture extraction methods. In addition, there are several tools for extractingtime series information, one of which is the hit image, which is currently used to verifythe change of an unsigned pattern. This paper presents a study of texture descriptorsand classifiers in images of healthy and epileptic people generated by recurrence im-ages. The texture descriptors using this study were: Local Binary Models (LBP), LocalPhase Quantification (LPQ) and Gabor Filter Bank. To the best of our knowledge, nostudy has yet been performed, applying these descriptors to base recurrence imagesused in this work. The evaluation is performed through the average hit, precision, recalland f-measure rate resulting from the following classifiers: textit Random Forest, andtextit Support Vector Machine (SVM). The experiments showed that the SVM classi-fier using the LPQ descriptor showed promising results, obtaining 92.1% hit, recall andf-measure mean and for accuracy obtained 92.26%.
Description: A epilepsia é uma condição neurológica caracterizada pela ocorrência de crises epilépticas que se repetem em intervalos variáveis. Essas crises são manifestações clínicas de uma descarga anormal de neurônios, que são células que compõem o cérebro.Algumas particularidades tornam os diagnósticos precoces da epilepsia um grande desafio, até mesmo para clínicos mais experientes. Como auxilio médico, existem exames como o eletroencefalograma (EEG) representados por séries temporais bastante utilizado no diagnóstico da epilepsia. As séries temporais estão presentes em várias áreas de estudo, como a medicina, biologia, economia, entre outras. Seus gráficos expõem padrões ocultos e mudanças estruturais nos dados, como possuem padrões de textura bem definidos que podem ser identificados adequadamente por métodos de extração de textura. Além disso, existem diversas ferramentas para extração de informações das séries temporais, uma delas é a imagem de recorrência, que usualmente é utilizada para verificar a mudança de um padrão no sinal. Este trabalho apresenta um estudo de descritores de texturas e classificadores em imagens de pessoas saudáveis e epiléticas geradas por imagens de recorrências. Os descritores de texturas usando neste estudo foram: Padrões Binários Locais (LBP), Quantização de Fase Lo-cal (LPQ) e o Banco de Filtro de Gabor. Até o melhor do nosso conhecimento, ainda não foi realizado nenhum estudo aplicando-se esses descritores em imagens de recorrência na base utilizada neste trabalho. A avaliação é realizada através da taxa média de acerto, precisão, recall e f-measure resultante dos seguintes classificadores:Ran-dom Forest, eSupport Vector Machine(SVM). Os experimentos demonstraram que o classificador SVM usando o descritor LPQ mostrou resultados promissores, obtendo92,1% de média de acerto, recall e f-measure e para precisão obteve 92,26%.
URI: http://hdl.handle.net/123456789/1860
Appears in Collections:TCC - Ciência da Computação (Sede)

Files in This Item:
File Description SizeFormat 
tcc_daniellydemouraborbaqueiroz.pdf8,04 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.