Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/64883

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorRODRIGUES, Marco Aurelio Benedetti-
dc.contributor.authorALVES, Gilson José-
dc.date.accessioned2025-08-06T15:45:04Z-
dc.date.available2025-08-06T15:45:04Z-
dc.date.issued2025-02-28-
dc.identifier.citationALVES, Gilson José. Sistema para auxílio diagnóstico da doença de Alzheimer: uma aplicação com rede neural artificial adaptativa. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/64883-
dc.description.abstractAs doen ̧cas neurol ́ogicas (DNs) s ̃ao dist ́urbios que afetam o Sistema Nervoso Central (SNC), composto pelo enc ́efalo e pela medula espinhal, respons ́aveis pelo processamento e transmiss ̃ao de informa ̧c ̃oes no organismo. Existem mais de 600 tipos de DNs, incluindo tumores cerebrais, epilepsia, doen ̧ca de Alzheimer (DA) e acidente vascular cerebral (AVC). As causas dessas enfermidades s ̃ao variadas, considerando a complexidade do SNC, e podem incluir fatores gen ́eticos, estilo de vida, infec ̧c ̃oes e les ̃oes f ́ısicas. Altera ̧c ̃oes na atividade el ́etrica cerebral s ̃ao comuns em muitas DNs e, em alguns casos, podem ser detectadas antes do surgimento de sintomas cl ́ınicos evidentes. A DA, em particular, apresenta desafios no diagn ́ostico precoce, pois seus sinais cl ́ınicos geralmente emergem em est ́agios avan ̧cados. Este estudo prop ̃oe um sistema de aux ́ılio diagn ́ostico para a DA, baseado em inteligˆencia artificial, utilizando uma rede neural artificial (RNA) associada ao processamento digital de sinais. O sistema analisa sinais de eletroencefalograma (EEG), extraindo padr ̃oes nas bandas de frequˆencia delta δ , teta θ , alfa α e beta β . Esses padr ̃oes, obtidos por meio de parˆametros como densidade espectral e coerˆencia, s ̃ao utilizados como entrada para a RNA, treinada para distinguir indiv ́ıduos com e sem DA. Os testes realizados demonstraram a efic ́acia do sistema na discrimina ̧c ̃ao entre porta- dores e n ̃ao portadores da DA, com sensibilidade de 80%, especificidade de 94,59% e acur ́acia de 94%. Para a distin ̧c ̃ao entre indiv ́ıduos saud ́aveis e n ̃ao saud ́aveis, os valores obtidos foram: sensibilidade de 80%, especificidade de 96,66% e acur ́acia de 70%. Esses resultados representam uma contribui ̧c ̃ao efetiva aos m ́etodos di- agn ́osticos de DNs. As poss ́ıveis aplica ̧c ̃oes desse sistema incluem o suporte `as equi- pes m ́edicas no diagn ́ostico precoce da DA, possibilitando a ado ̧c ̃ao de interven ̧c ̃oes que possam retardar ou limitar sua progress ̃ao. Dessa forma, o estudo contribui para a melhoria da qualidade de vida dos pacientes e de seus familiares, al ́em de aprimorar as abordagens cl ́ınicas no manejo da doen ̧ca.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectRede neural artificialpt_BR
dc.subjectdoença de Alzheimerpt_BR
dc.subjectreconhecimento de padrõespt_BR
dc.subjectEEGpt_BR
dc.titleSistema para auxílio diagnóstico da doença de Alzheimer: uma aplicação com rede neural artificial adaptativapt_BR
dc.typedoctoralThesispt_BR
dc.contributor.advisor-coARAÚJO, Renato Evangelista de-
dc.contributor.advisor-coAZEVEDO, Gustavo Medeiros de Souza-
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2448324832915432pt_BR
dc.publisher.programPrograma de Pos Graduacao em Engenharia Eletricapt_BR
dc.description.abstractxNeurological diseases (NDs) are disorders that affect the Central Nervous System (CNS), which consists of the brain and spinal cord, responsible for processing and transmitting information throughout the body. There are over 600 types of NDs, including brain tumors, epilepsy, Alzheimer’s disease (AD), and stroke. The causes of these diseases are diverse, considering the complexity of the CNS, and may include genetic factors, lifestyle, infections, and physical injuries. Changes in brain electrical activity are common in many NDs and, in some cases, can be detected before the emergence of evident clinical symptoms. AD, in particular, poses challenges for early diagnosis, as its clinical signs generally appear in advanced stages. This study proposes a diagnostic support system for AD based on artificial intelligence, utilizing an artificial neural network (ANN) combined with digital signal processing. The system analyzes electroencephalogram (EEG) signals, extracting patterns in delta δ , theta θ , alpha α and beta β frequency bands. These patterns, derived from parameters such as spectral density and coherence, serve as inputs for the ANN, which is trained to distinguish between individuals with and without AD. The tests conducted demonstrated the system’s effectiveness in differentiating between AD carriers and non-carriers, achieving a sensitivity of 80%, specificity of 94.59%, and accuracy of 94%. For distinguishing between healthy and non-healthy individuals, the obtained values were: sensitivity of 80%, specificity of 96.66%, and accuracy of 70%. These results represent a significant contribution to diagnostic methods for NDs. The potential applications of this system include assisting medical teams in the early diagnosis of AD, enabling the adoption of interventions that may delay or limit disease progression. Thus, this study contributes to improving the quality of life of patients and their families, as well as enhancing clinical approaches in disease management.pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/6149477863429826pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/8570418647952512pt_BR
Aparece nas coleções:Teses de Doutorado - Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE Gilson Jose Alves.pdf5,34 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons