Extracción y selección de características discriminantes para la detección de TDAH en registros de potenciales evocados cognitivos

La adecuada representación de eventos fisiológicos subyacentes, es una condición fundamental en la detección automática de patologías que ha motivado la búsqueda de una representación efectiva de datos. Asimismo, hallar patrones descriptivos convenientes de señales como los potenciales relacionados a eventos (ERPs) puede marcar la diferenciar entre la correcta o errada discriminación de sujetos sanos y pacientes que presentan trastorno por déficit de atención y/o hiperactividad (TDAH). En este trabajo se presenta un estudio comparativo de diferentes técnicas de extracción y selección de características que permite evaluar la calidad de los atributos representativos de las señales ERP, con el fin de definir un conjunto adecuado de patrones que conlleve a la identificación de sujetos sanos y enfermos. El aporte principal de este estudio es la identificación de las condiciones bajo las cuales un conjunto conformado por características morfológicas y espectrales, puede alcanzar una alta capacidad discriminante, que conduce a una mayor separabilidad de las dos clases evaluadas. Las pruebas efectuadas en este estudio se llevaron a cabo sobre una única base de datos conformada por niños entre 4 y 15 años pertenecientes a instituciones educativas del municipio de Manizales, Colombia, evaluados en las modalidades auditiva y visual, bajo el paradigma oddball. Estas pruebas comprenden la aplicación de métodos supervisados y no supervisados que incluyen técnicas como clustering, que permite evaluar la calidad de agrupamientos formados sobre el espacio de características previamente definido; además, se emplea el error de clasificación para cuantificar la capacidad discriminate del conjunto inicial de características. Como aporte adicional significativo de esta investigación se incluye, en primera instancia, el desarrollo de una metodología de reducción de dimensión, que se basa en una búsqueda heurística sobre una nueva representación de los datos originales para determinar las variables relevantes. Asimismo, en esta tesis se propone la implementación de un algoritmo para la localización temporal del componente P300 basado en criterios médicos reales, y la definición de una medida de desempeño no supervisada que estima la distancia relativa que separa los agrupamientos generados por un algoritmo de clustering / Abstract : Adequate representation of underlying physiological events is a fundamental condition for the automatic detection of pathologies, which have motivated the search for effective representation of data. Likewise, find convenient descriptive patterns of signals as event related potentials (ERPs) can make the difference between right or wrong discrimination of healthy subjects and patients with attention deficit hyperactivity disorder (ADHD). This work presents a comparative study of different extraction and selection techniques of features to evaluate the quality of representative attributes of the ERP signals, in order to define an appropriate set of patterns that lead to the identification of healthy and ill subjects. The main contribution of this study is the identification of conditions under which a set consisting of morphological and spectral characteristics, can achieve high discriminatory power, leading to greater separability of two evaluated classes. Tests done in this work were carried out on an unique database composed of children between 4 and 15 years belonging to educational institutions in the city of Manizales, Colombia. These tests consider the implementation of supervised and unsupervised methods that include techniques such as clustering, which evaluates the quality of clusters formed on the previously defined feature space. Also, classification error was used to quantify the ability to discriminate the initial set of features. As a significant additional contribution of this research is included the development of a methodology that performs a heuristic search in a new representation of the original data to determine the relevant variables. Additionally, this master’s thesis presents the implementation of an algorithm for on time location of P300 component based on real medical criteria, and the definition of an unsupervised performance measure that estimates the relative distance that separates the clusters generated by an clustering algorithm.

• Autores: Castro Cabrera, Paola Alexandra
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/7434
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/7434; http://bdigital.unal.edu.co/3815/
• Palabra clave: 61 Ciencias médicas; Medicina / Medicine and health; 62 Ingeniería y operaciones afines / Engineering; Electrónica médica, TDAH, Señales ERPs, Características wavelet-morfológicas-espectrales, Agrupamiento, Reducción de dimensión, Selección/extracción de características,Función objetivo, Signals, Wavelet-morphological-spectral features, Clustering, Dimension reduction, Feature selection/extraction, Objective function
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional