Universidade Federal do Ceará
Programa de Pós-Graduação em Engenharia de Teleinformática

Título: Comparação de Técnicas de Classificação Unária para Detecção de Crises Epilépticas em Eletroencefalogramas

Data: 19/09/2025
Horário: 13:30
Local: Laboratório SPIRAL – Bloco 732 – Campus do Pici

Banca Examinadora:
Guilherme de Alencar Barreto (UFC, Orientador)
Julio Cesar Santos dos Anjos (UFC)
João Paulo do Vale Madeiro (UFC)
Rewbenio Araujo Frota (PETROBRAS)

Resumo:
O eletroencefalograma (EEG) é um exame amplamente utilizado no apoio ao diagnóstico de distúrbios neurológicos. Entre suas aplicações, destaca-se o EEG de escalpo, um método não invasivo bastante empregado na detecção da epilepsia, realizado por meio da fixação de eletrodos na superfície do couro cabeludo. Na área do aprendizado de máquina, a identificação de crises epilépticas é uma tarefa recorrente e, para a detecção de anomalias, geralmente são adotadas duas abordagens: a classificação binária e a classificação unária. Neste contexto, o presente trabalho explora a aplicação da classificação unária (one-class classification) em sinais de EEG. Foram analisados sete métodos: distância euclidiana mínima ao centróide, distância euclidiana mínima ao centróide kernel, distância Mahalanobis mínima ao centróide, PCA, kernel PCA, one-class SVM e isolation forest. Para isso, utilizou-se o conjunto de dados público de benchmark (CHB-MIT Scalp EEG), considerando diferentes hipóteses de extração de segmentos com ocorrência de crises (EEG ictal) e sem ocorrência de crises (EEG não-ictal), para a geração dos conjuntos de treino e teste. A extração de atributos foi realizada por meio do vetor de covariâncias, um método rápido e eficiente para a tarefa em questão. Além disso, realizou-se uma análise comparativa com um trabalho da literatura que utilizou a classificação binária. A partir da análise e discussão dos resultados, observou-se que alguns classificadores unários baseados em kernel apresentaram um desempenho satisfatório quando comparados aos classificadores binários.

Palavras-chave: Crises Epilépticas; Eletroencefalograma; Detecção de Anomalias; Classificação Unária; Aprendizado de Máquinas.