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)
