Análisis y reconocimiento de patrones de señales biomédicas de pacientes con epilepsia.

Abstract

Se calcula que hay 50 millones de afectados por la epilepsia en todo el mundo. Sin embargo, el estudio de esta enfermedad sigue siendo reservado a minorías de neurólogos. El análisis de señales EEG de pacientes epilépticos es un área de estudio de constante investigación. El siguiente trabajo de graduación tiene como objetivo aplicar técnicas y algoritmos de aprendizaje de máquina a señales biomédicas de pacientes con epilepsia con el fin de encontrar características y patrones para detectar la presencia de crisis epilépticas en dichas señales. Para ello, se implementaron algoritmos de clasificación basados en máquinas de vectores de soporte y redes neuronales artificiales en la herramienta MATLAB. El desarrollo consistió en el procesamiento de las señales, extracción de características, entrenamiento y evaluación de los clasificadores. Además, se evaluaron técnicas de aprendizaje no supervisado a las señales. Se utilizaron tres diferentes bases de datos, “UBonn EEG Dataset”, “CHB-MIT” y datos obtenidos del Centro de Epilepsia y Neurocirugía Funcional (HUMANA). Adicionalmente, se desarrolló una herramienta de software para facilitar la manipulación de señales biomédicas y la implementación de los algoritmos utilizados. El algoritmo de predicción obtuvo rendimientos por encima del 90 %, llegando al 100% en algunos casos. (A)