Detección de dolor apartir de señales de EEG

La evaluación de dolor es de gran importancia en el campo de la medicina ya que permite detectar condiciones médicas o definir la manera en la que se debe tratar. Su evaluación se basa en primera instancia en información que el mismo paciente entrega. Sin embargo, en algunos casos en los que el paci...

Full description

Autores:: Peñuela Calderón, Lina María
Caicedo Gutierrez, Nicolas Esteban

Tipo de recurso:: Article of journal

Fecha de publicación:: 2022

Institución:: Universidad EIA .

Repositorio:: Repositorio EIA .

Idioma:: spa

id	REIA2_62371863fe6e336d73171ddcbd01b56c
oai_identifier_str	oai:repository.eia.edu.co:11190/5186
network_acronym_str	REIA2
network_name_str	Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv	Detección de dolor apartir de señales de EEG
dc.title.translated.eng.fl_str_mv	Pain detection evaluated from electroencephalographic signals
title	Detección de dolor apartir de señales de EEG
spellingShingle	Detección de dolor apartir de señales de EEG Redes Neuronales Electroencefalografía Densidad del Espectro de Frecuencia Valor Medio Cuadrático Frecuencia Pico Escala Análoga Visual Escala de Valoración Numérica Electro-diagnóstico Neural Networks Electroencephalography Power Spectral Density Root-Mean-Square Peak Frequency Visual Analog Scale Numerical Rating Scale Electrodiagnosis
title_short	Detección de dolor apartir de señales de EEG
title_full	Detección de dolor apartir de señales de EEG
title_fullStr	Detección de dolor apartir de señales de EEG
title_full_unstemmed	Detección de dolor apartir de señales de EEG
title_sort	Detección de dolor apartir de señales de EEG
dc.creator.fl_str_mv	Peñuela Calderón, Lina María Caicedo Gutierrez, Nicolas Esteban
dc.contributor.author.spa.fl_str_mv	Peñuela Calderón, Lina María Caicedo Gutierrez, Nicolas Esteban
dc.subject.spa.fl_str_mv	Redes Neuronales Electroencefalografía Densidad del Espectro de Frecuencia Valor Medio Cuadrático Frecuencia Pico Escala Análoga Visual Escala de Valoración Numérica Electro-diagnóstico
topic	Redes Neuronales Electroencefalografía Densidad del Espectro de Frecuencia Valor Medio Cuadrático Frecuencia Pico Escala Análoga Visual Escala de Valoración Numérica Electro-diagnóstico Neural Networks Electroencephalography Power Spectral Density Root-Mean-Square Peak Frequency Visual Analog Scale Numerical Rating Scale Electrodiagnosis
dc.subject.eng.fl_str_mv	Neural Networks Electroencephalography Power Spectral Density Root-Mean-Square Peak Frequency Visual Analog Scale Numerical Rating Scale Electrodiagnosis
description	La evaluación de dolor es de gran importancia en el campo de la medicina ya que permite detectar condiciones médicas o definir la manera en la que se debe tratar. Su evaluación se basa en primera instancia en información que el mismo paciente entrega. Sin embargo, en algunos casos en los que el paciente no tiene la capacidad de expresarlo, resulta de gran utilidad métodos que permitan evaluarlo. En este artículo se propone la evaluación de presencia o ausencia de dolor a partir de características asociadas a señales electro-encefalográficas en un experimento en el que se induce dolor agudo a 14 participantes con una prueba de electro-diagnóstico, en hombres y mujeres con edades entre 18 y 33 años.&nbsp; Se utilizan redes neuronales para la clasificación, obteniendo una exactitud del 74,19 %.
publishDate	2022
dc.date.accessioned.none.fl_str_mv	2022-06-01 00:00:00 2022-06-17T20:21:38Z
dc.date.available.none.fl_str_mv	2022-06-01 00:00:00 2022-06-17T20:21:38Z
dc.date.issued.none.fl_str_mv	2022-06-01
dc.type.spa.fl_str_mv	Artículo de revista
dc.type.eng.fl_str_mv	Journal article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/article
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/ARTREF
dc.type.coarversion.spa.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_6501
status_str	publishedVersion
dc.identifier.issn.none.fl_str_mv	1794-1237
dc.identifier.uri.none.fl_str_mv	https://repository.eia.edu.co/handle/11190/5186
dc.identifier.doi.none.fl_str_mv	10.24050/reia.v19i38.1577
dc.identifier.eissn.none.fl_str_mv	2463-0950
dc.identifier.url.none.fl_str_mv	https://doi.org/10.24050/reia.v19i38.1577
identifier_str_mv	1794-1237 10.24050/reia.v19i38.1577 2463-0950
url	https://repository.eia.edu.co/handle/11190/5186 https://doi.org/10.24050/reia.v19i38.1577
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Grabowski, S. R., & Tortora, G. J. (2000). Principles of anatomy and physiology. New York/Chichester: Wiley. Tortora, G. J., & Nielsen, M. T. (1995). Human Anatomy. Harper Collins College Pub. Ilana, E. (1979). Pain terms; a list with definitions and notes on usage. Pain, 6, 249. Manworren, R. C., & Stinson, J. (2016). Pediatric pain measurement, assessment, and evaluation. In Seminars in pediatric neurology (Vol. 23, No. 3, pp. 189-200). WB Saunders. DOI: https: / / doi .org /10.1016/j.spen.2016.10.001. Kagita, J., & Mitsukura, Y. (2018). Quantification of pain degree by frequency features of single-chanelled EEG. In 2018 IEEE 15th International Workshop on Advanced Motion Control (AMC) (pp. 359-363). IEEE. Tatum IV, W. O. (2021). Handbook of EEG interpretation. Springer Publishing Company. Bonotis, P. A., Tsouros, D. C., Smyrlis, P. N., Tzallas, A. T., Giannakeas, N., Glavas, E., & Tsipouras, M. G. (2019). Automated Assessment of Pain Intensity based on EEG Signal Analysis. In 2019 IEEE 19th International Conference on Bioinformatics and Bioengineering (BIBE) (pp. 583-588). IEEE. Panavaranan, P., & Wongsawat, Y. (2013). EEG-based pain estimation via fuzzy logic and polynomial kernel support vector machine. In The 6th 2013 Biomedical Engineering International Conference (pp. 1-4). IEEE. Nir, R. R., Sinai, A., Raz, E., Sprecher, E., & Yarnitsky, D. (2010). Pain assessment by continuous EEG: association between subjective perception of tonic pain and peak frequency of alpha oscillations during stimulation and at rest. Brain research, 1344, 77-86. Cao, T., Wang, Q., Liu, D., Sun, J., & Bai, O. (2020). Resting state EEG-based sudden pain recognition method and experimental study. Biomedical Signal Processing and Control, 59, 101925. Tatum IV, W. O. (2021). Handbook of EEG interpretation. Springer Publishing Company. Bai, Y., Hu, Y., & Zhang, Z. (2016). Spontaneous EEG-based normalization of pain-evoked neural responses: Effect on improving the accuracy of pain prediction. In 2016 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA) (pp. 1-4). IEEE. Yu, M., Sun, Y., Zhu, B., Zhu, L., Lin, Y., Tang, X., ... & Dong, M. (2020). Diverse frequency band-based convolutional neural networks for tonic cold pain assessment using EEG. Neurocomputing, 378, 270-282.
dc.relation.bitstream.none.fl_str_mv	https://revistas.eia.edu.co/index.php/reveia/article/download/1577/1482
dc.relation.citationedition.spa.fl_str_mv	Núm. 38 , Año 2022 : .
dc.relation.citationendpage.none.fl_str_mv	18
dc.relation.citationissue.spa.fl_str_mv	38
dc.relation.citationstartpage.none.fl_str_mv	3829 pp. 1
dc.relation.citationvolume.spa.fl_str_mv	19
dc.relation.ispartofjournal.spa.fl_str_mv	Revista EIA
dc.rights.spa.fl_str_mv	Revista EIA - 2022
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Revista EIA - 2022 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Fondo Editorial EIA - Universidad EIA
dc.source.spa.fl_str_mv	https://revistas.eia.edu.co/index.php/reveia/article/view/1577
institution	Universidad EIA .
bitstream.url.fl_str_mv	https://repository.eia.edu.co/bitstreams/6f450310-ae94-4d3a-91c2-6e456fad9963/download
bitstream.checksum.fl_str_mv	974923ed36ea646423ef19059c24e8da
bitstream.checksumAlgorithm.fl_str_mv	MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1808400288623624192
spelling	Peñuela Calderón, Lina Maríaf0e82802d37e1df921ecd115838f5f0d300Caicedo Gutierrez, Nicolas Esteban7d3cccc8d186b0989394cbf3b6fe854c3002022-06-01 00:00:002022-06-17T20:21:38Z2022-06-01 00:00:002022-06-17T20:21:38Z2022-06-011794-1237https://repository.eia.edu.co/handle/11190/518610.24050/reia.v19i38.15772463-0950https://doi.org/10.24050/reia.v19i38.1577La evaluación de dolor es de gran importancia en el campo de la medicina ya que permite detectar condiciones médicas o definir la manera en la que se debe tratar. Su evaluación se basa en primera instancia en información que el mismo paciente entrega. Sin embargo, en algunos casos en los que el paciente no tiene la capacidad de expresarlo, resulta de gran utilidad métodos que permitan evaluarlo. En este artículo se propone la evaluación de presencia o ausencia de dolor a partir de características asociadas a señales electro-encefalográficas en un experimento en el que se induce dolor agudo a 14 participantes con una prueba de electro-diagnóstico, en hombres y mujeres con edades entre 18 y 33 años.&nbsp; Se utilizan redes neuronales para la clasificación, obteniendo una exactitud del 74,19 %.The evaluation of pain allows the detection of medical conditions and defines the procedure to treat them. Medical staff measures pain by patient´s self-report. Nevertheless, in some cases, it is difficult or impossible for the patient to communicate the level of pain perceived. In these cases, it is useful to evaluate pain employing different techniques. In this paper, we propose the evaluation of pain through a procedure based on the analysis of the electroencephalographic signals. The algorithms were evaluated in an experiment with 14 participants where the pain was induced with an electrodiagnostic system. The participants were males and females between 18 and 33 years old. To classify between pain and no pain, we employed neural networks with an accuracy of 74,19 %. &nbsp;application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2022https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1577Redes NeuronalesElectroencefalografíaDensidad del Espectro de FrecuenciaValor Medio CuadráticoFrecuencia PicoEscala Análoga VisualEscala de Valoración NuméricaElectro-diagnósticoNeural NetworksElectroencephalographyPower Spectral DensityRoot-Mean-SquarePeak FrequencyVisual Analog ScaleNumerical Rating ScaleElectrodiagnosisDetección de dolor apartir de señales de EEGPain detection evaluated from electroencephalographic signalsArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85Grabowski, S. R., & Tortora, G. J. (2000). Principles of anatomy and physiology. New York/Chichester: Wiley.Tortora, G. J., & Nielsen, M. T. (1995). Human Anatomy. Harper Collins College Pub. Ilana, E. (1979). Pain terms; a list with definitions and notes on usage. Pain, 6, 249.Manworren, R. C., & Stinson, J. (2016). Pediatric pain measurement, assessment, and evaluation. In Seminars in pediatric neurology (Vol. 23, No. 3, pp. 189-200). WB Saunders. DOI: https: / / doi .org /10.1016/j.spen.2016.10.001.Kagita, J., & Mitsukura, Y. (2018). Quantification of pain degree by frequency features of single-chanelled EEG. In 2018 IEEE 15th International Workshop on Advanced Motion Control (AMC) (pp. 359-363). IEEE.Tatum IV, W. O. (2021). Handbook of EEG interpretation. Springer Publishing Company. Bonotis, P. A., Tsouros, D. C., Smyrlis, P. N., Tzallas, A. T., Giannakeas, N., Glavas, E., & Tsipouras, M. G. (2019). Automated Assessment of Pain Intensity based on EEG Signal Analysis. In 2019 IEEE 19th International Conference on Bioinformatics and Bioengineering (BIBE) (pp. 583-588). IEEE.Panavaranan, P., & Wongsawat, Y. (2013). EEG-based pain estimation via fuzzy logic and polynomial kernel support vector machine. In The 6th 2013 Biomedical Engineering International Conference (pp. 1-4). IEEE. Nir, R. R., Sinai, A., Raz, E., Sprecher, E., & Yarnitsky, D. (2010). Pain assessment by continuous EEG: association between subjective perception of tonic pain and peak frequency of alpha oscillations during stimulation and at rest. Brain research, 1344, 77-86.Cao, T., Wang, Q., Liu, D., Sun, J., & Bai, O. (2020). Resting state EEG-based sudden pain recognition method and experimental study. Biomedical Signal Processing and Control, 59, 101925.Tatum IV, W. O. (2021). Handbook of EEG interpretation. Springer Publishing Company.Bai, Y., Hu, Y., & Zhang, Z. (2016). Spontaneous EEG-based normalization of pain-evoked neural responses: Effect on improving the accuracy of pain prediction. In 2016 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA) (pp. 1-4). IEEE.Yu, M., Sun, Y., Zhu, B., Zhu, L., Lin, Y., Tang, X., ... & Dong, M. (2020). Diverse frequency band-based convolutional neural networks for tonic cold pain assessment using EEG. Neurocomputing, 378, 270-282.https://revistas.eia.edu.co/index.php/reveia/article/download/1577/1482Núm. 38 , Año 2022 : .18383829 pp. 119Revista EIAPublicationOREORE.xmltext/xml2529https://repository.eia.edu.co/bitstreams/6f450310-ae94-4d3a-91c2-6e456fad9963/download974923ed36ea646423ef19059c24e8daMD5111190/5186oai:repository.eia.edu.co:11190/51862023-07-25 16:49:10.412https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2022metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com

Detección de dolor apartir de señales de EEG

Publicaciones similares