Resumen

Motivación. La detección de anomalías en el EEG es un problema de larga data en el análisis de señales de EEG. La premisa básica de este problema es la consideración de la similitud entre dos grabaciones de EEG no estacionarias. Un esquema bien establecido se basa en el emparejamiento de secuencias, que suele incluir tres pasos: extracción de características, medida de similitud y toma de decisiones. Los enfoques actuales se centran principalmente en la extracción de características del EEG y la toma de decisiones, y pocos de ellos incluyen la medida/cuantificación de la similitud. Por lo general, diseñar una métrica de similitud adecuada, que sea compatible con el problema/datos considerados, es también una cuestión importante en el diseño de dichos sistemas de detección. Sin embargo, es imposible aplicar directamente esas métricas existentes a la detección de anomalías en el EEG sin tener en cuenta la especificidad del dominio. Metodología. El objetivo principal de este trabajo es investigar el impacto de diferentes métricas de similitud en la detección de anomalías en el EEG. Se han recogido algunas métricas potencialmente disponibles para el análisis del EEG de otras áreas mediante una cuidadosa revisión de los trabajos relacionados. El llamado espectro de potencia se extrae como características de las señales de EEG, y se emplea una prueba de hipótesis nula para tomar la decisión final. Se han utilizado dos indicadores para evaluar el rendimiento de la detección. Uno es para reflejar el nivel de similitud medido entre dos señales de EEG comparadas, y el otro es para cuantificar la precisión de la detección. Resultados. Se han realizado experimentos con dos conjuntos de datos, respectivamente. Los resultados demuestran el impacto positivo de las diferentes métricas de similitud en la detección de anomalías en el EEG. Las métricas de distancia de Hellinger (HD) y de distancia de Bhattacharyya (BD) muestran un rendimiento excelente: una precisión de 0,9167 para nuestro conjunto de datos y una precisión de 0,9667 para el conjunto de datos de EEG de Berna-Barcelona. Tanto la métrica HD como la BD se construyen a partir del coeficiente de Bhattacharyya, lo que implica la prioridad del coeficiente de Bhattacharyya cuando se trata de señales de EEG muy ruidosas. En futuros trabajos, explotaremos una métrica integrada que combine el HD y el BD para la medida de similitud de las señales de EEG.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:detección de anomalías eeg, señal eeg, diferentes métricas de similitud, medidas de similitud, coeficiente de bhattacharyya, espectro de potencia llamado, características del eeg, registro eeg no estacionario, hd, datos eeg de barcelona
• Keywords:anomalies eeg detection, eeg signal, different similarity metric, similarity measures, bhattacharyya coefficient, called power spectrum, features of eeg, nonstationary eeg recording, hd, barcelona eeg data