Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet

El análisis de señales EEGs tiene gran importancia clínica, principalmente en el diagnóstico y tratamiento de trastornos neurológicos como la epilepsia. Por tal motivo este trabajo presenta las técnicas más utilizadas en el análisis y extracción de características discriminantes de las señales EEG,...

Full description

Autores:
Arcila Armero, Lina Andrea
Cajas Hoyos, Liceth Yuliana
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2016
Institución:
Universidad del Cauca
Repositorio:
Repositorio Unicauca
Idioma:
spa
OAI Identifier:
oai:repositorio.unicauca.edu.co:123456789/1546
Acceso en línea:
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1546
Palabra clave:
Señales EEGs
Extracción de características
Transformada Wavelet Discreta
Reducción de dimensionalidad
Clasificación de patrones
Rights
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
id REPOCAUCA2_39ea307e20e51737c51ae7466768407a
oai_identifier_str oai:repositorio.unicauca.edu.co:123456789/1546
network_acronym_str REPOCAUCA2
network_name_str Repositorio Unicauca
repository_id_str
dc.title.spa.fl_str_mv Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
title Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
spellingShingle Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
Señales EEGs
Extracción de características
Transformada Wavelet Discreta
Reducción de dimensionalidad
Clasificación de patrones
title_short Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
title_full Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
title_fullStr Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
title_full_unstemmed Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
title_sort Análisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada Wavelet
dc.creator.fl_str_mv Arcila Armero, Lina Andrea
Cajas Hoyos, Liceth Yuliana
dc.contributor.author.none.fl_str_mv Arcila Armero, Lina Andrea
Cajas Hoyos, Liceth Yuliana
dc.subject.spa.fl_str_mv Señales EEGs
Extracción de características
Transformada Wavelet Discreta
Reducción de dimensionalidad
Clasificación de patrones
topic Señales EEGs
Extracción de características
Transformada Wavelet Discreta
Reducción de dimensionalidad
Clasificación de patrones
description El análisis de señales EEGs tiene gran importancia clínica, principalmente en el diagnóstico y tratamiento de trastornos neurológicos como la epilepsia. Por tal motivo este trabajo presenta las técnicas más utilizadas en el análisis y extracción de características discriminantes de las señales EEG, tanto temporales como espectrales basadas en wavelets, esto por medio de la Transformada Wavelet Discreta, lo anterior se realiza con el fin de clasificar ciertos estados que se presentan en una señal electroencefalográfica. Así mismo, se hace referencia a la técnica de reducción de dimensionalidad y clasificación de patrones, y finalmente se ilustra el desempeño de la extracción de características a través del error de clasificación de los patrones EEGs; utilizando como herramienta de simulación Matlab.
publishDate 2016
dc.date.issued.none.fl_str_mv 2016-08
dc.date.accessioned.none.fl_str_mv 2019-11-18T15:52:28Z
dc.date.available.none.fl_str_mv 2019-11-18T15:52:28Z
dc.type.spa.fl_str_mv Trabajos de grado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1546
dc.identifier.instname.none.fl_str_mv
dc.identifier.reponame.none.fl_str_mv
dc.identifier.repourl.none.fl_str_mv
url http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1546
identifier_str_mv
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.creativecommons.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
dc.publisher.spa.fl_str_mv Universidad del Cauca
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería Electrónica y Telecomunicaciones 
dc.publisher.program.spa.fl_str_mv Ingeniería Electrónica y Telecomunicaciones
institution Universidad del Cauca
bitstream.url.fl_str_mv http://repositorio.unicauca.edu.co/bitstream/123456789/1546/1/AN%c3%81LISIS%20DE%20SE%c3%91ALES%20EEG%20CON%20REGISTROS%20DE%20EPILEPSIA%20MEDIANTE%20RECONOCIMIENTO%20DE%20PATRONES%20Y%20TRANSFORMADA%20WAVELET.pdf
http://repositorio.unicauca.edu.co/bitstream/123456789/1546/2/license.txt
bitstream.checksum.fl_str_mv 45815dd00c67047c310c9a985fec64a8
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Dspace - Universidad del Cauca
repository.mail.fl_str_mv biblios@unicauca.edu.co
_version_ 1808396262597197824
spelling Arcila Armero, Lina AndreaCajas Hoyos, Liceth Yuliana2019-11-18T15:52:28Z2019-11-18T15:52:28Z2016-08http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1546El análisis de señales EEGs tiene gran importancia clínica, principalmente en el diagnóstico y tratamiento de trastornos neurológicos como la epilepsia. Por tal motivo este trabajo presenta las técnicas más utilizadas en el análisis y extracción de características discriminantes de las señales EEG, tanto temporales como espectrales basadas en wavelets, esto por medio de la Transformada Wavelet Discreta, lo anterior se realiza con el fin de clasificar ciertos estados que se presentan en una señal electroencefalográfica. Así mismo, se hace referencia a la técnica de reducción de dimensionalidad y clasificación de patrones, y finalmente se ilustra el desempeño de la extracción de características a través del error de clasificación de los patrones EEGs; utilizando como herramienta de simulación Matlab.spaUniversidad del CaucaFacultad de Ingeniería Electrónica y Telecomunicaciones Ingeniería Electrónica y Telecomunicacioneshttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2Señales EEGsExtracción de característicasTransformada Wavelet DiscretaReducción de dimensionalidadClasificación de patronesAnálisis de señales EEG con registros de epilepsia mediante reconocimiento de patrones y transformada WaveletTrabajos de gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALANÁLISIS DE SEÑALES EEG CON REGISTROS DE EPILEPSIA MEDIANTE RECONOCIMIENTO DE PATRONES Y TRANSFORMADA WAVELET.pdfANÁLISIS DE SEÑALES EEG CON REGISTROS DE EPILEPSIA MEDIANTE RECONOCIMIENTO DE PATRONES Y TRANSFORMADA WAVELET.pdfapplication/pdf2189682http://repositorio.unicauca.edu.co/bitstream/123456789/1546/1/AN%c3%81LISIS%20DE%20SE%c3%91ALES%20EEG%20CON%20REGISTROS%20DE%20EPILEPSIA%20MEDIANTE%20RECONOCIMIENTO%20DE%20PATRONES%20Y%20TRANSFORMADA%20WAVELET.pdf45815dd00c67047c310c9a985fec64a8MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.unicauca.edu.co/bitstream/123456789/1546/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/1546oai:repositorio.unicauca.edu.co:123456789/15462021-05-28 10:54:53.898Dspace - Universidad del Caucabiblios@unicauca.edu.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

Publicaciones similares