Examinando por Materia "EEG"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de un modelo basado en aprendizaje profundo con arquitectura LSTM extendida para el diagnóstico computacional de crisis epilépticas mediante señales EEG
    (Universidad Latina de Panamá, 2025) Ramos Villarreal, Eliecer Alberto [autor]; Lescher, Alfredo [asesor]; Ceron, Manuel [director]
    La presente investigación tiene como finalidad, diseñar e implementar un modelo de red neuronal híbrido CNN–BiLSTM para la detección de crisis epilépticas utilizando señales EEG. Se empleó el dataset CHB-MIT, compuesto por registros clínicos multicanal con anotaciones ictales, y se aplicaron técnicas de preprocesamiento como filtrado paso banda, filtro notch y normalización Z-score. Las características fueron extraídas mediante FFT y DWT, capturando información tanto en el dominio de la frecuencia, como en el tiempo. El modelo fue entrenado, con una arquitectura de doble entrada para combinar ambas fuentes de información, evaluando su rendimiento mediante validación cruzada y pruebas en pacientes no vistos. Los resultados mostraron un desempeño destacado, con una precisión del 95.45% y un AUC de 0.94, lo que evidencia su potencial clínico. Asimismo, se exploró la capacidad de generalización del modelo en señales EEG de diferentes orígenes, confirmando su robustez frente a variabilidad interpaciente y de adquisición. Este estudio demuestra la eficacia de combinar técnicas de extracción multiespectral y arquitecturas profundas para abordar el reto de la detección automática de eventos epilépticos, contribuyendo al desarrollo de sistemas de monitoreo continuo y diagnóstico asistido por inteligencia artificial.