Banca de DEFESA: CARLA LUZIANA SILVERIO DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: CARLA LUZIANA SILVERIO DA SILVA
DATA : 12/12/2025
HORA: 09:30
LOCAL: Remota - Google Meet: meet.google.com/hoy-miwf-bev
TÍTULO:

APOIO AO DIAGNÓSTICO DE ALZHEIMER A PARTIR ELETROENCEFALOGRAMA E INTELIGÊNCIA ARTIFICIAL

PALAVRAS-CHAVES:

Eletroencefalografia; Aprendizado de Máquina; Doença de Alzheimer; Demência Frontotemporal; Diagnóstico Diferencial; Random Forest.

PÁGINAS: 30
RESUMO:

O envelhecimento populacional tem ampliado a incidência de doenças neurodegenerativas, entre elas a Doença de Alzheimer (DA) e a Demência Frontotemporal (DFT), que apresentam desafios relevantes para o diagnóstico precoce. Este estudo tem como objetivo investigar a utilização de sinais de eletroencefalografia (EEG) em estado de repouso, combinados com algoritmos de aprendizado de máquina, como ferramenta de apoio ao diagnóstico diferencial dessas condições. A base de dados analisada incluiu 88 sujeitos (36 com DA, 23 com DFT e 29 controles), coletados segundo o Sistema Internacional 10-20. O processamento envolveu três etapas principais: (1) pré-processamento dos sinais no software Octave, segmentados em janelas de 4 segundos; (2) extração de 34 atributos estatísticos nos domínios de tempo e frequência; e (3) classificação automática com Random Forest (RF) e Máquina de Vetor de Suporte (SVM). A avaliação foi realizada no software Weka, com validação cruzada estratificada de 10 folds e 30 repetições independentes. Os resultados indicaram desempenho superior do RF, que alcançou acurácia média de 95,4%, índice Kappa de 0,93, sensibilidade de 98% e especificidade de 94%, enquanto o SVM obteve acurácia de 70%. Esses achados sugerem que a integração de EEG e Random Forest pode oferecer suporte confiável ao diagnóstico diferencial de demências, com potencial para aplicação em ambientes clínicos de recursos limitados. A principal contribuição deste trabalho reside na demonstração da viabilidade de métodos baseados em inteligência artificial para traduzir sinais cerebrais em informações clinicamente relevantes, ampliando as perspectivas de diagnóstico precoce e acessível.

MEMBROS DA BANCA:
Presidente - 1202668 - JULIANA CARNEIRO GOMES CASSEMIRO
Interna - 3727505 - GISELLE MACHADO MAGALHAES MORENO
Interno - 1807632 - WELLINGTON PINHEIRO DOS SANTOS
Externa à Instituição - CECILIA CORDEIRO DA SILVA