ANÁLISIS DE SEÑALES EEG PARA LA DETECCIÓN DE EPILEPSIA

Autor: Perla Janeth Sáenz Sánchez
Coautor(es): Adrián Talamantes Román Dra. Graciela María de Jesús Ramírez Alonso
En este trabajo se desarrolló un análisis de señales de electroencefalograma (EGG) a pacientes saludables y pacientes con diagnóstico de epilepsia, mediante una variedad de algoritmos de aprendizaje máquina para su clasificación. A partir de la transformada de wavelet se extrae un conjunto de características para representar la distribución de los coeficientes de wavelet. Posteriormente se realiza una reducción de la dimensionalidad del vector con el algoritmo de Análisis de Componentes Principales. Una vez definidas las características, se implementaron diferentes algoritmos de clasificación como Naive Bayes, Análisis Discriminante Lineal LDA, K-Vecinos Cercanos, K-medias. El algoritmo que logró un mejor desempeño fue el de LDA separación cuadrática, con un resultado mayor del 98% de exactitud. Este proyecto fue desarrollado en la Facultad de Ingeniería de la Universidad Autónoma de Chihuahua UACH en la asignatura Reconocimiento de Patrones, esto con la finalidad de que el alumno aprendiera a procesar señales de EEG y que también conociera los distintos métodos de algoritmos de procesamiento que existen en la actualidad, se sabe que aunque en esta área la ciencia se encuentra muy avanzada ya que se han realizado diversas investigaciones se requiere que el alumno se interese y conozca un área en la cual también se es posible trabajar y por supuesto aprender más cada día.