An exploratory study on the characterization and classification of electroencephalographic signals for the design of computer-aided epilepsy diagnosis system / Emil Darío Vega Gualán ; tutor Diego Hernán Peluffo Ordoñez

Por: Colaborador(es): Tipo de material: TextoTextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2019Descripción: 87 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2019 Resumen: La epilepsia ocurre cuando la actividad eléctrica de las neuronas sufre un desequilibrio. Esta se ha convertido en el tercer trastorno neurológico más común después del accidente cere brovascular y la demencia, -se cree que afecta al 0.5 - 1.5% de la población mundial. Afecta principalmente a niños menores de 10 años y personas mayores de 65 años, siendo más común en países en desarrollo y en clases socioeconómicas desfavorecidas. Su posible diagnóstico es a través del análisis de señales electroencefalográficas (EEG). Hoy en día, dado que se debe cumplir tanto su diagnóstico apropiado como la localización precisa de la fuente epiléptica, se utilizan sistemas computacionales para respaldar el procedimiento de diagnóstico. En términos generales, tales sis- temas realizan la asistencia de diagnóstico automático en cuatro etapas principales: adquisición de señal EEG, preprocesamiento, caracterización y clasificación. Una vez adquiridas y preproce- sadas, las señales EEG deben representarse adecuadamente para posteriormente clasificarse en categorías de diagnóstico ( ausencia o cualquier nivel de presencia de actividad convulsiva). A pesar de que existe una amplia gama de alternativas para caracterizar y clasificar las señales de EEG para fines de análisis de epilepsia, muchos aspectos clave relacionados con la precisión y la interpretación fisiológica todavía se consideran cuestiones abiertas. En este sentido, en este trabajo, se propone un estudio exploratorio de las técnicas de procesamiento de señales de EEG, con el objetivo de identificar las técnicas más adecuadas y avanzadas para caracterizar y clasificar las crisis epilépticas. Para hacerlo, se diseña y desarrolla un estudio comparativo sobre varios subconjuntos de características (medidas estadísticas tanto de las señales originales como de la transformación espectral de las mismas), así como algunos clasificadores representativos ( clasi- ficador de análisis discriminante lineal (LDC), clasificador de análisis discriminante cuadrático ( QDC), k-vecinos más cercanos (kNN) y máquina de vectores de soporte (SVM)). La validación del sistema propuesto se lleva a cabo mediante una configuración experimental exhaustiva so- bre una base de datos estándar de UCI Machine Learning Repository, denominado: "Epileptic Seizure Recognition Data Set". Como resultados notables, se demuestra experimentalmente que un proceso de caracterización basado en índices estadísticos de descomposiciones impulsadas por la transformada wavelet y el clasificador de máquina de vectores de soporte son los enfoques más adecuados para diseñar un sistema automático para identificar señales EEG diagnosticadas con epilepsia. Además, el rendimiento general del sistema de reconocimiento de patrones obtenido (para el escenario bi-clase) -en términos de mediciones basadas en matriz de confusión- asciende a 96%, 85% y 98% del rendimiento de clasificación, sensibilidad y especificidad, respectivamente.
Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.
Valoración
    Valoración media: 0.0 (0 votos)
Existencias
Tipo de ítem Biblioteca actual Signatura Copia número Estado Fecha de vencimiento Código de barras Reserva de ítems
Tesis Tesis Biblioteca Yachay Tech ECMC0005 (Navegar estantería(Abre debajo)) 1 No para préstamo T000008
Total de reservas: 0

Trabajo de integración curricular (Ingeniero en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2019

Incluye referencias bibliográficas (páginas 61-66)

Trabajo de integración curricular con acceso abierto

Texto (Hypertexto links)

La epilepsia ocurre cuando la actividad eléctrica de las neuronas sufre un desequilibrio. Esta se ha convertido en el tercer trastorno neurológico más común después del accidente cere brovascular y la demencia, -se cree que afecta al 0.5 - 1.5% de la población mundial. Afecta principalmente a niños menores de 10 años y personas mayores de 65 años, siendo más común en países en desarrollo y en clases socioeconómicas desfavorecidas. Su posible diagnóstico es a través del análisis de señales electroencefalográficas (EEG). Hoy en día, dado que se debe cumplir tanto su diagnóstico apropiado como la localización precisa de la fuente epiléptica, se utilizan sistemas computacionales para respaldar el procedimiento de diagnóstico. En términos generales, tales sis- temas realizan la asistencia de diagnóstico automático en cuatro etapas principales: adquisición de señal EEG, preprocesamiento, caracterización y clasificación. Una vez adquiridas y preproce- sadas, las señales EEG deben representarse adecuadamente para posteriormente clasificarse en categorías de diagnóstico ( ausencia o cualquier nivel de presencia de actividad convulsiva). A pesar de que existe una amplia gama de alternativas para caracterizar y clasificar las señales de EEG para fines de análisis de epilepsia, muchos aspectos clave relacionados con la precisión y la interpretación fisiológica todavía se consideran cuestiones abiertas. En este sentido, en este trabajo, se propone un estudio exploratorio de las técnicas de procesamiento de señales de EEG, con el objetivo de identificar las técnicas más adecuadas y avanzadas para caracterizar y clasificar las crisis epilépticas. Para hacerlo, se diseña y desarrolla un estudio comparativo sobre varios subconjuntos de características (medidas estadísticas tanto de las señales originales como de la transformación espectral de las mismas), así como algunos clasificadores representativos ( clasi- ficador de análisis discriminante lineal (LDC), clasificador de análisis discriminante cuadrático ( QDC), k-vecinos más cercanos (kNN) y máquina de vectores de soporte (SVM)). La validación del sistema propuesto se lleva a cabo mediante una configuración experimental exhaustiva so- bre una base de datos estándar de UCI Machine Learning Repository, denominado: "Epileptic Seizure Recognition Data Set". Como resultados notables, se demuestra experimentalmente que un proceso de caracterización basado en índices estadísticos de descomposiciones impulsadas por la transformada wavelet y el clasificador de máquina de vectores de soporte son los enfoques más adecuados para diseñar un sistema automático para identificar señales EEG diagnosticadas con epilepsia. Además, el rendimiento general del sistema de reconocimiento de patrones obtenido (para el escenario bi-clase) -en términos de mediciones basadas en matriz de confusión- asciende a 96%, 85% y 98% del rendimiento de clasificación, sensibilidad y especificidad, respectivamente.

Textos en inglés con resúmenes en español e inglés

No hay comentarios en este titulo.

para colocar un comentario.

Ayuda

X

Correo: bibliotecayachaytech@yachaytech.edu.ec
Teléfono:+593 6299 9500 Ext. 2517

Horario de atención:

X

BIBLIOTECA UNIVERSIDAD YACHAY TECH

  • Área: Fondo Impreso
    Lunes a Viernes de 08h00 a 20h30
    Sábado de 08h00 a 16h30
  • Área: Ingenio
    Abierto 24 horas 7 días
  • Área: Bloque de Servicios, 2do. Piso
    Espacios de Estudio Grupal e Individual, abierto 24 horas 7 días

Recuerda que los espacios son compartidos por toda la comunidad, por lo que debes hacer un uso adecuado
del tiempo que los ocupes, mantenerlos limpios y evitar el daño a las instalaciones y bienes materiales.

También puedes usar nuestros canales de comunicación:

Correo: bibliotecayachaytech@yachaytech.edu.ec
Teléfono: +593 6299 9500 Ext. 2517
Ubicación: San Miguel de Urcuquí, Hacienda San José s/n y Proyecto Yachay

Video

X