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)
