Este artigo apresenta uma proposta de sistema computacional automático para detecção e classificação de transientes epileptogênicos em eletroencefalograma, visando auxiliar no diagnóstico de Epilepsia. Devido à grande variabilidade das morfologias destes eventos, ferramentas convencionais de reconhecimento de padrões não são capazes de distinguir entre a atividade normal e a epileptogênica, e a análise visual é uma tarefa bastante demorada. Então, as ferramentas e métodos normalmente utilizados para detectar estes eventos tentam imitar o procedimento e o raciocínio de especialistas humanos. As detecções falso-positivas representam um grande impedimento para o uso extensivo de sistemas automáticos, por parte de eletroencefalografistas. O sistema proposto aplica Transformada Wavelet para extrair apenas as características epileptogênicas dos sinais de EEG, e um grupo de Redes Neurais Artificiais (RNAs) para distinguir entre eventos tipo espícula e onda aguda da atividade normal de fundo. Duas RNAs são usadas em conjunto, permitindo maior flexibilidade no ajuste da sensibilidade e da especificidade do sistema, como forma de aumentar o desempenho deste. Quando os valores de sensibilidade e especificidade são igualados, o desempenho do sistema atinge 80%.
Detecção Automática; Epilepsia; Espícula; Redes Neurais; Transformada Wavelet
