Resumen

El sistema automatizado de detección de crisis epilépticas basado en electroencefalogramas (EEG) es un problema de investigación interdisciplinar entre la informática y la neurociencia. Las crisis epilépticas afectan al 1% de la población mundial y pueden provocar graves daños a largo plazo en la seguridad y la calidad de vida. La automatización de la detección de convulsiones puede mejorar enormemente el tratamiento de los pacientes. En este trabajo, proponemos un modelo de red neuronal para extraer características de las señales EEG con un método de ordenación de la dimensión de extracción de características inspirado en el método tradicional de los neurólogos. Se utiliza un postprocesador para mejorar la salida del clasificador. El resultado de nuestro sistema de detección de convulsiones en el conjunto de datos TUSZ alcanza una tasa de falsas alarmas de 12 por 24 horas con una sensibilidad del 59%, que se aproxima al rendimiento de un detector humano medio basado en herramientas qEEG.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:sistema automatizado de detección de crisis epilépticas, detector humano medio, tasa de falsas alarmas, problema de investigación interdisciplinar, modelo de red neuronal, sistema de detección de crisis epilépticas, señales eeg, crisis epilépticas, conjunto de datos tusz, informática
• Keywords:automated seizure detection system, average human detector, false alarm rate, interdisciplinary research problem, neural network model, seizure detection system, eeg signals, epileptic seizure, tusz dataset, computer science