
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Silva, Marco Aurélio Graciotto | - |
| Autor(es): dc.contributor | Hübner, Rodrigo | - |
| Autor(es): dc.contributor | Silva, Marco Aurélio Graciotto | - |
| Autor(es): dc.contributor | Hübner, Rodrigo | - |
| Autor(es): dc.contributor | Foleis, Juliano Henrique | - |
| Autor(es): dc.contributor | Kawamoto, André Luiz Satoshi | - |
| Autor(es): dc.creator | Maganino, Eduarda Vaz | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T10:52:22Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T10:52:22Z | - |
| Data de envio: dc.date.issued | 2026-05-15 | - |
| Data de envio: dc.date.issued | 2026-05-15 | - |
| Data de envio: dc.date.issued | 2025-12-03 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/40422 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1183738 | - |
| Descrição: dc.description | This work presents a systematic literature review to analyze studies utilizing Electroencephalogram (EEG) signal datasets in medical applications. The objective was to investigate how these databases and the use of machine learning contribute to the recognition and prediction of neurological and psychiatric diseases. The methodology followed the PRISMA guidelines, employing a search strategy in the Scopus and PubMed databases, with a temporal filter from 2022 until October 2025. Forty-five primary studies were selected and evaluated regarding their methodological and technical quality. The results indicate a predominance of research focused on epilepsy, with a shift from detection to seizure prediction. A growing trend in the diagnosis of neurodegenerative diseases, such as Alzheimer's, and psychiatric disorders was also observed. Technologically, the hegemony of Deep Learning techniques was identified, especially Convolutional Neural Networks (CNN) and hybrid architectures, often associated with the conversion of 1D signals into 2D visual representations. It is concluded that, although technical maturity is high, the field faces challenges related to the limited availability of public data for non-epileptic conditions and the need for greater model interpretability to facilitate effective clinical application. The full article related to this work is available at https://doi.org/10.13140/RG.2.2.26201.58723. | - |
| Descrição: dc.description | Este trabalho apresenta uma revisão sistemática da literatura para analisar estudos que utilizam datasets de sinais de Eletroencefalograma (EEG) em aplicações médicas. O objetivo foi investigar como essas bases de dados e o uso de aprendizado de máquina contribuem para o reconhecimento e a predição de doenças neurológicas e psiquiátricas. A metodologia seguiu as diretrizes do PRISMA, empregando uma estratégia de busca nas bases Scopus e PubMed, com filtro temporal de 2022 até outubro de 2025. Foram selecionados 45 estudos primários, avaliados quanto à qualidade metodológica e técnica. Os resultados indicam uma predominância de pesquisas voltadas à epilepsia, com um deslocamento do foco de detecção para a predição de crises. Observou-se também uma tendência crescente no diagnóstico de doenças neurodegenerativas, como Alzheimer, e transtornos psiquiátricos. Tecnologicamente, identificou-se a hegemonia de técnicas de Deep Learning, especialmente Redes Neurais Convolucionais (CNN) e arquiteturas híbridas, frequentemente associadas à conversão de sinais 1D em representações visuais 2D. Conclui-se que, embora a maturidade técnica seja elevada, a área enfrenta desafios relacionados à disponibilidade de dados públicos para condições não-epilépticas e à necessidade de maior interpretabilidade dos modelos para aplicação clínica efetiva. O artigo completo referente a este trabalho está disponível em https://doi.org/10.13140/RG.2.2.26201.58723. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Campo Mourao | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Departamento Acadêmico de Computação | - |
| Publicador: dc.publisher | Ciência da Computação | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Palavras-chave: dc.subject | Eletroencefalografia | - |
| Palavras-chave: dc.subject | Banco de dados | - |
| Palavras-chave: dc.subject | Cérebro - Doenças - Diagnóstico | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Electroencephalography | - |
| Palavras-chave: dc.subject | Data bases | - |
| Palavras-chave: dc.subject | Brain - Diseases - Diagnosis | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Revisão sistemática de estudos que utilizam sinais de EEG para criação de conjunto de dados aplicáveis a aplicações médicas | - |
| Título: dc.title | Systematic review of studies using EEG signals to create a dataset applicable to medical applications | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: