Revisão sistemática de estudos que utilizam sinais de EEG para criação de conjunto de dados aplicáveis a aplicações médicas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSilva, Marco Aurélio Graciotto-
Autor(es): dc.contributorHübner, Rodrigo-
Autor(es): dc.contributorSilva, Marco Aurélio Graciotto-
Autor(es): dc.contributorHübner, Rodrigo-
Autor(es): dc.contributorFoleis, Juliano Henrique-
Autor(es): dc.contributorKawamoto, André Luiz Satoshi-
Autor(es): dc.creatorMaganino, Eduarda Vaz-
Data de aceite: dc.date.accessioned2026-08-11T10:52:22Z-
Data de disponibilização: dc.date.available2026-08-11T10:52:22Z-
Data de envio: dc.date.issued2026-05-15-
Data de envio: dc.date.issued2026-05-15-
Data de envio: dc.date.issued2025-12-03-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/40422-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1183738-
Descrição: dc.descriptionThis 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.descriptionEste 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.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCampo Mourao-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Computação-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectEletroencefalografia-
Palavras-chave: dc.subjectBanco de dados-
Palavras-chave: dc.subjectCérebro - Doenças - Diagnóstico-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectElectroencephalography-
Palavras-chave: dc.subjectData bases-
Palavras-chave: dc.subjectBrain - Diseases - Diagnosis-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleRevisão sistemática de estudos que utilizam sinais de EEG para criação de conjunto de dados aplicáveis a aplicações médicas-
Título: dc.titleSystematic review of studies using EEG signals to create a dataset applicable to medical applications-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.