Resumen

La epilepsia del lóbulo frontal nocturno (NFLE) es una forma de epilepsia en la que las convulsiones ocurren principalmente durante el sueño. En otras formas de epilepsia, el enfoque clínico comúnmente utilizado implica principalmente la inspección manual de las señales de encefalografía (EEG), un proceso laborioso y que consume mucho tiempo que a menudo requiere la contribución de más de un neurólogo experimentado. En las últimas décadas, se han propuesto numerosos enfoques para automatizar esta detección y, más recientemente, el aprendizaje automático ha mostrado un rendimiento muy prometedor. En este artículo, se propone una arquitectura original de Red Neuronal Convolucional (CNN) para desarrollar modelos de detección de convulsiones específicos para tres pacientes afectados por NFLE. Las actuaciones, en términos de precisión, sensibilidad y especificidad, superan en varios puntos porcentuales a las de la literatura más reciente. También se ha probado la capacidad de los modelos específicos del paciente para comparar

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Epilepsia del lóbulo frontal nocturno; Convulsiones; Aprendizaje automático; Red neuronal convolucional; Modelos específicos del paciente; Transfer-learning.
• Keywords:Nocturnal frontal lobe epilepsy; Seizures; Machine learning; Convolutional neural network; Patient-specific models; Transfer-learning.