Aplicação de métodos computacionais no estudo e na detecção da doença de Alzheimer

Abstract

A doença de Alzheimer (DA) pode ser entendida como uma demência progressiva do Sistema Nervoso Central, irreversível e de causa desconhecida. Em termos clínicos, a DA é caracterizada, principalmente, pela perda acelerada da capacidade intelectual e da memória, bem como pela desorientação no espaço e no tempo. Visto que a DA causa um grande impacto na qualidade de vida dos indivíduos e que a mesma é classificada como o tipo de demência mais recorrente entre pessoas com mais de 65 anos, o diagnóstico acurado da doença torna-se extremamente necessário para que o tratamento adequado seja iniciado. A eletroencefalografia (EEG) é uma técnica não invasiva e de baixo custo, capaz de mensurar o potencial elétrico proveniente das atividades neuronais e, por isso, tem sido amplamente empregada na investigação da DA. Nas últimas décadas, diversos métodos computacionais de análise de sinais de EEG têm sido propostos, mostrando que tais métodos podem ser utilizados com êxito no apoio ao diagnóstico e no estudo da progressão da doença. Dessa forma, o principal objetivo deste trabalho é aplicar as técnicas computacionais mais utilizadas na literatura para a detecção da DA em sinais de EEG de pacientes com e sem a doença, comparar a robustez de tais técnicas e identificar as propriedades dinâmicas dos sinais que discriminam esses grupos de pacientes.

Alzheimer’s disease (AD) can be understood as a progressive dementia of the Central Nervous System, irreversible and with unknown cause. In clinical terms, AD is characterized, primarily, by accelerated loss of intellectual capacity and memory, as well as disorientation in space and time. Since AD causes a great impact on the quality of life of individuals and that it is classified as the most recurrent type of dementia among people over 65 years of age, the accurate diagnosis of the disease becomes extremely needed so that appropriate treatment can be initiated. Electroencephalography (EEG) is a non-invasive and low-cost technique capable of measuring the electrical potential from neuronal activities and, therefore, has been widely used in the investigation of AD. In the last decades, various computational methods of EEG signals analysis have been proposed, showing that such methods can be successfully used to support the diagnosis and study the progression of the disease. Thus, the main objective of this work is to apply the most used computational techniques in the literature for detection of AD in EEG signals from patients with and without the disease, compare the robustness of such techniques and identify the dynamic properties of the signals that discriminate these groups of patients.