Classificação de sinal EEG entre focal e não-focal por meio de aprendizado profundo

• Processo: 20/15129-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de março de 2021
• Data de Término da vigência: 30 de junho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Acordo de Cooperação: IBM Brasil
• Pesquisador responsável: Zhao Liang
• Beneficiário: Luan Vinícius de Carvalho Martins
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Empresa: Universidade de São Paulo (USP). Centro de Inovação da USP (INOVA)
• Vinculado ao auxílio: 19/07665-4 - Centro de Inteligência Artificial, AP.eScience.CPE
• Assunto(s): Aprendizado computacional Mineração de dados Aprendizagem profunda Eletroencefalografia Epilepsia Rede nervosa
• Palavra(s)-Chave do Pesquisador: brain networks | Deep Learning | EEG signal classification | Graph Neural Networks | Seizure signal classification | Aprendizado de máquina e mineração de dados

Resumo

A Epilepsia é uma condição neurológica caracterizada pela ocorrência repetida de convulsões, que pode afetar gravemente a qualidade de vida dos pacientes. Para tanto, a classificação precisa dos sinais de Eletroencefalografia (EEG), que é um exame não invasivo, é de grande interesse nas pesquisas de IA em saúde. Neste projeto, pretendemos avançar na classificação de sinais de EEG para análise de Epilepsia. Iremos pesquisar uma nova estrutura de classificação baseada em aprendizado profundo que roda em grafos: um modelo de representação de dados amplamente utilizado por sua capacidade de representar relações funcionais e topológicas em dados e que tem sido empregado no estudo de redes cerebrais. Este campo recém-surgido é denominado Graph Neural Networks e tem obtido resultados estado da arte em muitas tarefas de classificação devido à sua capacidade de representar sistemas complexos relacionais (tal como Redes Cerebral) nativamente para tarefas de aprendizagem profunda. Investigaremos o desenvolvimento de redes cerebrais representativas e as combinaremos com dados estruturados de EEG para classificar se um determinado sinal de EEG é focal ou não focal. Os sinais focais (FEEG) estão relacionados à zona de início e são adquiridos de regiões onde as primeiras alterações ictais de EEG são observadas. Os sinais não focais de EEG (NFEEG) são obtidos de regiões do cérebro que não contribuem para o início das crises. A combinação de dados relacionais (Brain Network) e dados estruturados (gravações de EEG) pode ter vantagens inerentes na classificação dos sinais e possivelmente na identificação de sua localização inicial (zona de início) para cirurgia. (AU)