Classificação de eventos epileptiformes utilizando ANFIS e wavelet E.R. Pacola 1 , V.I. Quandt 2 , M.R. Delgado 2 , M.A. Sovierzoski 3 e F.K. Schneider 2 1 UTFPR/CPGEI, Curitiba, Brasil, edras.pacola@gmail.com 2 UTFPR/CPGEI, Curitiba, Brasil 3 UTFPR/DAELN, Curitiba, Brasil Abstract— This article describes an experiment using an adaptive neuro-fuzzy inference system (ANFIS) to classify epileptiform events in electroencephalographic (EEG) signals. The experiment uses Wavelet Transform (WT) to extract features from the signal. The extracted features are statistically calculated from the resulting wavelet coefficients and these data are used as inputs in a grid and clustered ANFIS. The grid ANFIS is composed by twenty inputs with three memberships each. The clustered ANFIS is composed by twenty inputs with 27 memberships grouped in 27 rules. The results are presented. This work also describes concepts regarding epilepsy and their behavior in EEG signals and does review previous works. Keywords— epilepsy, spike, ANFIS, fuzzy, wavelet. I. INTRODUÇÃO Na neurologia o exame de eletroencefalografia (EEG) é utilizado como exame auxiliar para uma série de patologias neurológicas, destacando o diagnóstico das epilepsias e os distúrbios do sono. O procedimento de análise do exame de eletroencefalografia é realizado por um profissional especia- lizado que identifica manualmente nos registros dos sinais os eventos característicos da epilepsia. Este procedimento de análise manual dos registros é cansativo e passível de erro humano por repetição, cansaço mental e visual. Um aplicativo para a identificação automática de eventos ainda hoje apresenta um índice elevado de detecções falso-positi- vo. Desta forma, devido ao baixo desempenho provocado pela detecção dos falsos-positivos, os neurologistas prefe- rem analisar todas as telas do exame ou por amostragem de telas. Diversas abordagens com ferramentas de Inteligência Artificial (Redes Neurais, Algoritmos Genéticos e Sistemas Especialistas), de Análise Tempo-Frequência (Transforma- da de Fourier, Gabor, Wavelet), dentre outras, de forma iso- lada ou combinadas (soluções híbridas) tem sido desenvol- vidas e avaliadas nos sistemas de identificação automática de eventos, sendo apresentadas na literatura. Este trabalho propõe um classificador adaptativo neuro- fuzzy para a classificação de eventos epileptiformes extraí- dos de sinais de EEG utilizando características estatísticas extraídas do sinal através da transformada Wavelet. II. REVISÃO BIBLIOGRÁFICA A. Eventos Característicos das Epilepsias A espícula é um transiente com pico pontiagudo com du- ração entre 20 e 70 milisegundos. A onda aguda é um tran- siente com pico pontiagudo com duração entre 70 e 200 mi- lisegundos. [1,2]. A espícula e a onda aguda podem ser ob- servadas na Figura 1. (a) (b) Fig. 1 (a) espícula; (b) onda aguda Artefato é definido como qualquer diferença de poten- cial de origem extra-encefálica, registrada como sinais de EEG [1,2]. Os autores [3] apresentam várias fontes de arte- fatos que corrompem o sinal de EEG. Podem ser classifica- dos como: biológicos, ambientais ou interferências externas e do equipamento. Os artefatos de origem biológica podem ser provocados por atividade muscular, movimentos mecâ- nicos dos eletrodos e interferência do batimento cardíaco. Os artefatos ambientais são provocados por interferên- cias conduzidas pela rede de energia elétrica e outros equi- pamentos no ambiente do exame e até fora do ambiente de exame, por interferência eletromagnética. Os artefatos do equipamento são gerados pela cadeia de circuitos eletrôni- cos de condicionamento e aquisição dos sinais, pelos pro- cessos de filtragem e de processamento. Um exemplo de ar- tefato devido a atividade muscular da piscada palpebral é apresentado pela Figura 2. V Latin American Congress on Biomedical Engineering CLAIB 2011, IFMBE Proceedings 33, www.springerlink.com