Análisis y anotación de señales bioeléctricas de pacientes con epilepsia utilizando técnicas de aprendizaje automático supervisado y no supervisado.

Abstract

En Guatemala hay alrededor de 325,000 pacientes con epilepsia, no obstante, el acceso a nuevas tecnologías para el estudio de esta enfermedad sigue siendo reducido para algunos neurólogos. Con este trabajo se busca ayudar a los doctores a automatizar el proceso de diagnóstico de epilepsia, mediante una herramienta de software en MATLAB, que analice señales bioeléctricas de interés, utilizando técnicas de aprendizaje automático. Se experimentó con señales electroencefalográficas (EEG) tomadas de la base de datos de la Universidad de Bonn en Alemania y del concurso American Epilepsy Society Seizure Prediction del portal Kaggle. El desarrollo del proyecto consistió en el procesamiento de las señales, la extracción de características en dominio de la frecuencia y posteriormente el entrenamiento y evaluación del clasificador redes neuronales, para dos, tres y cuatro clases, obteniendo una exactitud superior al 99 %. También se experimentó con algoritmos de aprendizaje no supervisado, tales como: kmeans y clustering jerárquico, obteniendo una exactitud promedio del 85.51 %. Adicional a eso, se agregó a la herramienta de software una sección para procesar señales de electrocardiograma (ECG) y se obtuvo una exactitud del 90.3 % en la clasificación binaria al utilizar características obtenidas por un método no lineal. (LA)