Detecção de sonolência através de aproximação não-linear associada ás transformadas wavelet e de Fourier

Abstract

Neste estudo, o método de melhor aproximação por m termos, MAmT, é utilizado na classificação de parâmetros de um sinal de EEG relacionados à sonolência. Esses parâmetros são obtidos através da: (i) série de Fourier do sinal de EEG, considerando as frequências correspondentes aos ritmos alfa e beta; (ii) série wavelet do sinal, considerando determinados níveis da transformada wavelet discreta de Daubechies. Os estados cognitivos são então classificados com base em um conjunto de pesos definidos através da MAmT. Quando aplicadas a sinais reais de EEG e comparadas com a classificação clínica, a metodologia utilizando MAmT e coeficientes wavelet apresentou uma taxa de acerto de 93% e efetividade 47% maior em relação à outra, utilizando coeficientes de Fourier. A associação da MAmT à transformada wavelet de um sinal de EEG mostra-se, portanto, um método bastante efetivo e de baixa complexidade para a detecção de sonolência.