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

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.