Parametric Models for Characterization, Quantification and Defection of Epilept...

• Author(s): Francisco António Cardoso Vaz ; José Carlos Príncipe
• Date: 2013
• Origin: Electrónica e Telecomunicações
• Subject(s): EEG; epilepsia; modelos; autoregressivos; processamento digital de sinal; EEG; epilepsia; modelos; autoregressivos; processamento digital de sinal
• Document Type: Doctoral Thesis
• Language: Portuguese

Description

This work presents an automated method based on the autoregressive (AR) modelling of the electroencephalogram (EEG). The EEG signal is divided in short segments (typically 2 seconds) and AR models subsequently evaluated. The model parameters quantify each segment and constitute features for classification using pattern recognition techniques. The method was validated with a data set including three types of epilepyic signals: petit mal(3 hours and 45 minutes; 7 patient), interictal spikes (10 minutes; 1 patient) and partial complex seizures (2 hours; 2 patients). (...)keywords: EEG; epilepsy; autoregressive modelling; digital signal processing Ph.D., 1986more info: http://opac.ua.pt/F/?func=find-b&find_code=SYS&REQUEST=000004853 Neste trabalho propõe-se um método para a análise automática do EEG baseado na  aplicação de modelos paramétricos autoregressivos (AR). O sinal de EEG é dividido em segmentos consecutivos de curta duração (tipicamente 2 segundos) e um modelo AR é çalculado para cada um. Os parâmetros assim determinados passam a caracterizar quantitativamente cada segmento, podendo-se então aplicar técnicas de reconhecimento de padrões para a sua classificação. O método foi aplicado a um conjunto de dados que se agrupam em três tipos de actividade epiléptica: sinais com crises de Pequeno Mal (3 horas e 45 minutos; 7 doentes), sinais com pontas interictais (10 minutos; 1 doente) e sinais com crises parciais complexas (2 horas; 2 doentes). (...)Tese de Doutoramento, 1986mais informação em http://opac.ua.pt/F/?func=find-b&find_code=SYS&REQUEST=000004853