Resumen

La epilepsia es un trastorno neurológico que afecta a millones de personas en todo el mundo. La monitorización de las actividades cerebrales y la identificación del origen del ataque, que comienza con la detección de picos, son pasos importantes para el tratamiento de la epilepsia. La magnetoencefalografía (MEG) es una herramienta emergente de diagnóstico epiléptico con sensores de alta densidad; esto hace que el análisis manual sea una tarea difícil debido a la gran cantidad de datos de MEG. Este trabajo explora el uso de ocho características estadísticas y la programación genética (GP) con el K-nearest neighbor (KNN) para la detección de picos interictales. El método propuesto consta de tres etapas: preprocesamiento, generación de características basada en programación genética y clasificación. La eficacia del enfoque propuesto se ha evaluado utilizando datos MEG reales obtenidos de 28 pacientes epilépticos. Se ha alcanzado una sensibilidad del 91,75 y una especificidad del 92,99 de especificidad.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:herramienta de diagnóstico epiléptico, detección de picos interictales, datos MEG reales, datos MEG, sensibilidad media, especificidad media, actividades cerebrales, tarea difícil, sensores de densidad, tratamiento de la epilepsia
• Keywords:epileptic diagnostic tool, interictal spike detection, real MEG data, MEG data, average sensitivity, average specificity, brain activities, challenging task, density sensors, epilepsy treatment