Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Medicina: Previsão de EEG | Resolver Problemas Reais
Análise de Séries Temporais
course content

Conteúdo do Curso

Análise de Séries Temporais

Análise de Séries Temporais

1. Séries Temporais: Vamos Começar
2. Processamento de Séries Temporais
3. Visualização de Séries Temporais
4. Modelos Estacionários
5. Modelos Não Estacionários
6. Resolver Problemas Reais

Medicina: Previsão de EEG

E a última tarefa que vamos considerar é a previsão do sinal EEG. Séries temporais na medicina são dados muito importantes, cuja análise pode resolver muitos problemas. Um deles é a análise do sinal EEG para a previsão de crises epilépticas. O exemplo que vamos observar utiliza o modelo preditivo ARIMA-GARCH.

Não entraremos em detalhes sobre o funcionamento deste modelo, mas apenas mencionamos que o modelo GARCH pode capturar o período estável e o período de flutuação das séries temporais.

O processamento de dados temporais médicos não difere de um algoritmo normal de processamento de dados: você ainda precisa remover o ruído, preencher os dados ausentes e transformar dados não estacionários em dados estacionários.

Esta pequena seção foi dedicada a uma breve visão geral de vários problemas do mundo real para os quais, como você compreende, modelos como média móvel, modelo autorregressivo e ARIMA são apenas um ponto de partida. No futuro, esses modelos serão modificados dependendo do tipo de problema e, às vezes, eles não são eficazes o suficiente para resolver certos problemas.

É possível resolver o problema de prever o sinal de EEG utilizando uma abordagem semelhante à utilizada na previsão do comportamento de clientes (em substituição a clientes - registros individuais de pacientes)?

Selecione a resposta correta

Tudo estava claro?

Seção 6. Capítulo 5
We're sorry to hear that something went wrong. What happened?
some-alt