Automatic seizure detection based on imaged-EEG signals through statistical learning

"En este trabajo se propuso un método para la detección automática de crisis epilépticas, usando una representación de imagen de señales cerebrales. Se analizaron registros de EEG de dos bases de datos: CHB-MIT scalp EEG y EPILEPSIAE, la cual incluye registros intracraneales. Para cambiar del dominio de señales a imágenes, definimos la amplitud de la señal de EEG como el atributo del píxel, y se segmentaron los registros en ventanas de 4 segundos que corresponden a periodos de actividad ictal e interictal. Se usaron redes completamente convolucionales para hacer predicciones en registros de longitud variable. Se entrenaron 3 tipos de modelos multi-paciente: validación cruzada (3FCV), un paciente fuera (LOO) y primeras crisis. Para la evaluación, se utilizaron las métricas de un problema de detección: precisión, cobertura, F-medida y precisión promedio. En los pacientes de PhysioNet (modelo LOO), la F-medida promedio fue de 46.6% al evaluar en todos los registros (n=642)." -- Tomado del Formato de Documento de Grado.

• Autores: Gómez Caballero, Catalina
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/35055
• Acceso en línea: http://hdl.handle.net/1992/35055
• Palabra clave: Epilepsia - Prevención y control - Procesamiento de datos - Investigaciones; Electroencefalografía - Procesamiento de señales - Investigaciones; Redes neurales (Neurobiología) - Investigaciones; Convoluciones (Matemáticas) - Investigaciones; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/