Banca de QUALIFICAÇÃO: HANNA CARLA GURGEL ARRUDA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : HANNA CARLA GURGEL ARRUDA
DATA : 29/03/2022
HORA: 15:00
LOCAL: Sala da Pós-graduação
TÍTULO:

REDES NEURAIS APLICADAS A ANÁLISE ELETROENCEFALOGRÁFICA: UMA FERRAMENTA COMPLEMENTAR NO COMBATE AS CONSEQUÊNCIAS DO VÍRUS ZIKA

PALAVRAS-CHAVES:

EEG; Epilepsia; Redes Neurais; Síndrome Congênita da Zika; Zika Vírus.

PÁGINAS: 21
RESUMO:

O Zika Virus (ZIKV) é um Flavivírus da família Flaviviridae, que inclui vírus causadores de infecções como dengue, febre amarela e febre do Nilo ocidental. Essas infecções são transmitidas por mosquitos, sendo assim definidas como arboviroses. Uma pessoa infectada por ZIKV pode apresentar febre, mialgia, artralgia, manchas vermelhas na pele, dor nos olhos, conjuntivite, dor de cabeça e dor abdominal. Os principais agentes transmissores do ZIKV são os mosquitos das espécies Aedes africanus, Aedes albopictus, Aedes hensilli e Aedes aegypti. Coincidente com a epidemia de ZIKV no Brasil, houve um grande aumento no número de casos de microcefalia, sugerindo uma correlação entre os dois eventos. Crianças com microcefalia em decorrência da infecção congênita por ZIKV exibem diversos comprometimento neurológicos como epilepsia, malformações corticais, calcificações e deficiência intelectual, caracterizando a síndrome congênita associada ao vírus Zika (SCZ). Observou-se uma incidência elevada de epilepsia no grupo de crianças com SCZ. Um trabalho de coorte realizado em Recife com 91 crianças com SCZ nascidas entre 2015 e 2016 identificou uma incidência de epilepsia de 71,4%. Em outro estudo realizado no Maranhão com 48 crianças, 24 sofriam com crises epiléticas e 27 foram submetidas a EEG e todas apresentaram anormalidades, como descargas epileptiformes focais e multifocais. Esses estudos reforçam a necessidade de uma investigação eletroencefalográfica em neonatos e crianças de áreas endêmicas expostas ao vírus durante a gestação a fim de um diagnóstico precoce e um correto acompanhamento médico. Por outro lado, isso raramente acontece devido ao acesso deficiente da população à rede de saúde e à necessidade de pessoal especializado na análise dos resultados do exame. Nosso trabalho tem como objetivo desenvolver um algoritmo de rede neural capaz de detectar descargas epilépticas a partir da análise de espectros de eletroencefalografias (EEG). Utilizaremos a base de dados de EEG de código aberto CHB-MIT composta por registros de 184 convulsões em 23 pacientes com idade entre 1,5 e 22 anos. Os dados serão pré-processados para remoção de ruídos e artefatos utilizando a biblioteca MNE Python, específica para análises neurofisiológicas. Os dados serão segmentados em epochs de 0,5 a 2,0 segundos para alimentar a rede neural. Vamos implementar uma rede neural convolucional de uma dimensão (1D-CNN) com 6 camadas no software de machine learning Anaconda 3, na linguagem de programação Python (Versão 3.9). Dentro do Anaconda utilizaremos a biblioteca de código aberto Tensorflow para treinar e testar a rede neural. O treinamento se refere a passagem dos dados pela rede neural para que os padrões sejam aprendidos. Vamos dividir os dados em dois subconjuntos para treino (70%) e teste (30%). O subconjunto de treino será submetido à validação cruzada K-fold, K=5. Após o treinamento usamos os dados de teste para avaliar o desempenho da rede neural e sua capacidade de generalização. A performance do modelo para problemas de classificação binária será quantificada pelos parâmetros de sensibilidade, especificidade e acurácia. A capacidade de generalização para novos dados será avaliada pela comparação da acurácia obtida no treino e no teste.

MEMBROS DA BANCA:
Presidente - 1824636 - RICHARDSON NAVES LEAO
Interna - 2140860 - ROVENA CLARA GALVAO JANUARIO ENGELBERTH