Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo
En el presente artículo se presenta un detector de neuropatologías, a partir del electroencefalograma (EEG) del paciente. La detección se basa en la clasificación de imágenes de HOSA (siglas en inglés para análisis de estadísticas de orden superior o “High Order Statistical Analysis”) derivadas de...
Main Authors: | , , , , |
---|---|
Format: | Article |
Language: | Spanish |
Published: |
Universidad de Carabobo
2021-05-01
|
Series: | Revista Ingeniería UC |
Subjects: | |
Online Access: | https://www.revistas.uc.edu.ve/index.php/revinguc/article/view/14 |
_version_ | 1797944757291319296 |
---|---|
author | César Seijas Sergio Villazana Guillermo Montilla Egilda Pérez Ricardo Montilla |
author_facet | César Seijas Sergio Villazana Guillermo Montilla Egilda Pérez Ricardo Montilla |
author_sort | César Seijas |
collection | DOAJ |
description |
En el presente artículo se presenta un detector de neuropatologías, a partir del electroencefalograma (EEG) del paciente. La detección se basa en la clasificación de imágenes de HOSA (siglas en inglés para análisis de estadísticas de orden superior o “High Order Statistical Analysis”) derivadas de series de tiempo correspondientes a EEG de pacientes humanos. El clasificador es un modelo de aprendizaje profundo DL (“Deep Learning”) con la arquitectura de la CNN (Red Neuronal Convolucional o “Convolutional Neural Networks”) pre-entrenada: “Inception”. El conjunto de entrenamiento y prueba de la CNN son imágenes de HOSA, que representan los cumulantes de tercer orden de segmentos no lineales y no gaussianos, de señales correspondientes al canal seleccionado del EEG de pacientes con neuropatologías (específicamente, epilepsia) o sanos. El desempeño del clasificador es muy satisfactorio, presentando una exactitud de aproximadamente 94 % en la detección de epilepsia.
|
first_indexed | 2024-04-10T20:43:41Z |
format | Article |
id | doaj.art-65abefdd72f6476bb5b3de8eb17c9d91 |
institution | Directory Open Access Journal |
issn | 1316-6832 2610-8240 |
language | Spanish |
last_indexed | 2024-04-10T20:43:41Z |
publishDate | 2021-05-01 |
publisher | Universidad de Carabobo |
record_format | Article |
series | Revista Ingeniería UC |
spelling | doaj.art-65abefdd72f6476bb5b3de8eb17c9d912023-01-24T12:05:15ZspaUniversidad de CaraboboRevista Ingeniería UC1316-68322610-82402021-05-0128110.54139/revinguc.v28i1.14Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje ProfundoCésar Seijas 0Sergio Villazana 1Guillermo Montilla 2Egilda Pérez 3Ricardo Montilla 4Centro de Procesamiento de Imágenes, Facultad de Ingeniería, Universidad de Carabobo, Valencia, Venezuela.Centro de Procesamiento de Imágenes, Facultad de Ingeniería, Universidad de Carabobo, Valencia, Venezuela.Yttrium-Technology Corp., Panamá, PanamáCentro de Procesamiento de Imágenes, Facultad de Ingeniería, Universidad de Carabobo, Valencia, Venezuela.Yttrium-Technology Corp., Panamá, Panamá. En el presente artículo se presenta un detector de neuropatologías, a partir del electroencefalograma (EEG) del paciente. La detección se basa en la clasificación de imágenes de HOSA (siglas en inglés para análisis de estadísticas de orden superior o “High Order Statistical Analysis”) derivadas de series de tiempo correspondientes a EEG de pacientes humanos. El clasificador es un modelo de aprendizaje profundo DL (“Deep Learning”) con la arquitectura de la CNN (Red Neuronal Convolucional o “Convolutional Neural Networks”) pre-entrenada: “Inception”. El conjunto de entrenamiento y prueba de la CNN son imágenes de HOSA, que representan los cumulantes de tercer orden de segmentos no lineales y no gaussianos, de señales correspondientes al canal seleccionado del EEG de pacientes con neuropatologías (específicamente, epilepsia) o sanos. El desempeño del clasificador es muy satisfactorio, presentando una exactitud de aproximadamente 94 % en la detección de epilepsia. https://www.revistas.uc.edu.ve/index.php/revinguc/article/view/14EEGestadísticas de orden superioraprendizaje profundored neuronal convolucional pre-entrenada Inception. |
spellingShingle | César Seijas Sergio Villazana Guillermo Montilla Egilda Pérez Ricardo Montilla Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo Revista Ingeniería UC EEG estadísticas de orden superior aprendizaje profundo red neuronal convolucional pre-entrenada Inception. |
title | Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo |
title_full | Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo |
title_fullStr | Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo |
title_full_unstemmed | Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo |
title_short | Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo |
title_sort | detector de neuropatologias en eeg usando estadisticas de orden superior y aprendizaje profundo |
topic | EEG estadísticas de orden superior aprendizaje profundo red neuronal convolucional pre-entrenada Inception. |
url | https://www.revistas.uc.edu.ve/index.php/revinguc/article/view/14 |
work_keys_str_mv | AT cesarseijas detectordeneuropatologiaseneegusandoestadisticasdeordensuperioryaprendizajeprofundo AT sergiovillazana detectordeneuropatologiaseneegusandoestadisticasdeordensuperioryaprendizajeprofundo AT guillermomontilla detectordeneuropatologiaseneegusandoestadisticasdeordensuperioryaprendizajeprofundo AT egildaperez detectordeneuropatologiaseneegusandoestadisticasdeordensuperioryaprendizajeprofundo AT ricardomontilla detectordeneuropatologiaseneegusandoestadisticasdeordensuperioryaprendizajeprofundo |