Exploração de padrões no eletroencefalograma com RQA e PCA: uma estratégia de aprendizado não supervisionado
Carregando...
Data
Autores
Orientador
Rybarczyk Filho, José Luiz 
Coorientador
Pós-graduação
Curso de graduação
Botucatu - IBB - Física Médica
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
A aplicação de técnicas para processamento, análise e extração de características de sinais eletroencefalográficos contribui de forma significativa para o avanço na compreensão das atividades cerebrais. Nesse contexto, destaca-se também o desenvolvimento de ferramentas de auxílio diagnóstico e de monitoramento da atividade cerebral, possibilitando a criação de dispositivos de interface cérebro–computador. Entre as ferramentas de auxílio diagnóstico, diversos métodos matemáticos podem ser empregados, como a análise espectral do sinal por meio da Transformada de Fourier, implementada pelo algoritmo da Transformada Rápida de Fourier (FFT). Entretanto, a FFT apresenta limitações na análise de sinais dinâmicos e não lineares, como os sinais de eletroencefalograma (EEG). Diante disso, este estudo investigou a aplicabilidade de um método não linear já consolidado na análise de sinais biomédicos, com o objetivo de avaliar sua eficiência como complemento ou alternativa aos métodos tradicionais. A Análise de Quantificação de Recorrência (RQA) foi utilizada para a caracterização do ritmo alfa em sinais de EEG durante o efeito Berger, associado à condição de olhos fechados. Foram analisados sinais de EEG de 60 participantes, de ambos os sexos, utilizando os eletrodos da região occipital (O1 e O2). O protocolo experimental envolveu dois momentos distintos: olhos abertos (atividade) e olhos fechados (repouso). Para a análise estatística, foi calculada a média dos 10 blocos experimentais para cada voluntário e canal, resultando em um conjunto final de dados composto por 120 pares de sinais. Para a aplicação do método não linear, foram otimizados os valores dos parâmetros de incorporação, incluindo atraso temporal, dimensão de embedding e limiar de recorrência, a fim de obter melhores resultados para a análise e classificação dos dados. Após a adequada parametrização do método, foram extraídas treze métricas de RQA: Taxa de Recorrência, Determinismo, Comprimento Médio Diagonal, Maior Linha Diagonal, Entropia, Laminaridade, Tempo de Aprisionamento, Maior Linha Vertical, Tempo Máximo de Recorrência, Tempo Médio de Recorrência, Entropia do Tempo de Recorrência, Coeficiente de Clusterização e Transitividade. Em seguida, testes estatísticos foram realizados para avaliar a significância das métricas extraídas, por meio de análises pareadas utilizando os testes t e de Wilcoxon. Os resultados indicaram que, embora onze métricas não tenham apresentado significância estatística, o estudo foi bem-sucedido em identificar o Determinismo e o Tempo Máximo de Recorrência como biomarcadores estatisticamente relevantes. Para reforçar esses achados, foi aplicada a Análise de Componentes Principais (PCA), cujo biplot confirmou que as métricas Determinismo e Tempo Máximo de Recorrência foram os principais vetores responsáveis pela separação entre os grupos de atividade e repouso.
Resumo (inglês)
The application of techniques for processing, analysis, and feature extraction of electroencephalogram (EEG) signals effectively contributes to advancements in understanding brain activity. Based on this, one can also cite the creation of diagnostic aid and brain activity monitoring tools that enable the development of brain-computer interface devices. Among the diagnostic tools, several mathematical methods can be considered, such as spectral analysis of the signal using the Fourier Transform (FT) through the Fast Fourier Transform (FFT) algorithm. However, FFT has limitations in analyzing dynamic and non-linear signals, as is the case with EEG signals. In this study, we investigated the applicability of a known non-linear method for analyzing biomedical signals to test its efficiency in complementing or replacing traditional methods.Recurrence Quantification Analysis (RQA) was used as a method to characterize the alpha rhythm of EEG signals during the Berger effect. EEG signals obtained from 60 participants of both sexes were analyzed, using electrodes from the occipital region (O1 and O2). The experimental protocol involved two distinct moments: eyes open (activity) and eyes closed
(rest). For the statistical analysis, the mean of the 10 experimental blocks was calculated for each volunteer and channel, resulting in a final dataset of N = 120 pairs. For the application of the non-linear method, the optimal values for the embedding parameters (delay, dimension, and threshold) were optimized to enable the best classification results. After proper parametrization of the method, thirteen measures were obtained: Recurrence Rate (RR), Determinism (DET), Mean Diagonal Line Length (Lmean), Max Diagonal Line Length (Lmax), Entropy (ENTR), Laminarity (LAM), Trapping Time
(TT), Max Vertical Line Length (Vmax), Max Recurrence Time (RTmax), Mean Recurrence Time (T2), Recurrence Time Entropy (RTE), Clustering Coefficient (Clust), and Transitivity (Trans). After obtaining the thirteen RQA metrics, statistical tests were performed to verify the statistical significance of these metrics. These tests consisted of a paired analysis (t-test and Wilcoxon). The analysis revealed that, although 11 metrics showed a null result, the study was successful in ident ifying Determinism (DET) and Maximum Recurrence Time (RTmax) as significant statistical biomarkers. To confirm the results obtained by these tests, Principal Component Analysis (PCA) was applied, where a Biplot confirmed that DET and RTmax were the main vectors responsible for the group separation.
Descrição
Palavras-chave
Eletroencefalograma, Análise de quantificação de recorrência, Efeito Berger, EEG, Berger effect, Recurrence quantification analysis
Idioma
Português
Citação
PEREIRA, Luís Felipe. Exploração de padrões no eletroencefalograma com RQA e PCA: uma estratégia de aprendizado não supervisionado. Orientador: José Luiz Rybarczyk Filho. 2025. Trabalho de conclusão de curso ( Bacharelado em Física Médica) - Instituto de Biociências, Universidade Estadual Paulista (UNESP), Botucatu 2026.
