Classificação de Sinais de EEG para Diagnóstico do Transtorno do Espectro Autista utilizando CNN e RNN

Waldir Silva, Josias Lira de Sousa Neto, Silvania Conceição Furtado, Wheidima Melo, Eddie B de Lima Filho

DOI: 10.14209/sbrt.2023.1570913770

Evento: XLI Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2023)

Keywords:

Abstract

Pesquisas recentes indicam um crescente número de crianças diagnosticadas com TEA o que impulsiona a pesquisa e desenvolvimento de novas ferramentas para diagnóstico precoce, para tratamento nos primeiros anos, desta doença. O presente trabalho explora uma abordagem com CNN e RNN combinadas com técnicas de pré-processamento e extração de características, para o diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma. Utilizando-se a base de dados de Milne et al. [1], mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 51%, o que corrobora a capacidade do sistema proposto em distinguir indivíduos com TEA dos tipicamente desenvolvidos.

Download