Clasificación de ataques epilépticos mediante aprendizaje automático basado en EEG

Título original:

Machine Learning Classification of Epileptic Seizures Based on EEG

Contenido del libro:

Clasificación por aprendizaje automático de crisis epilépticas basadas en electroencefalogramas utilizando cumulantes de tercer orden y técnicas de análisis fractal adaptativo1 IntroducciónLa epilepsia es una de las enfermedades neurológicas más graves del mundo. De hecho, la detección precoz de los ataques epilépticos prolongará la vida de los pacientes epilépticos.

En este sentido, se han realizado muchos esfuerzos para predecir los ataques epilépticos basándose en las señales de electroencefalografía (EEG). En la literatura se citan muchos métodos de clasificación de crisis basados en características. Ningún método ha demostrado ser capaz de captar perfectamente un conjunto estándar de características con la dinámica de las señales.

Es un trastorno neurológico común causado por la liberación anormalmente rápida de las células nerviosas del cerebro que se caracteriza por convulsiones. Las señales de electroencefalograma (EEG) del cuero cabelludo o intracraneales obtenidas en la clínica suelen presentar características como caos, no linealidad, etc.

Las redes neuronales profundas han logrado avances significativos en el campo del aprendizaje automático durante la última era. El modelo puede aprender representaciones eficaces a partir de datos brutos tanto en contextos supervisados como no supervisados mediante la creación de una estructura jerárquica o "profunda".