Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo

IF 0.2 Q4 ENGINEERING, MULTIDISCIPLINARY
César Seijas, Sergio Villazana, G. Montilla, E. Pérez, Ricardo Montilla
{"title":"Detector de Neuropatologías en EEG usando Estadísticas de Orden Superior y Aprendizaje Profundo","authors":"César Seijas, Sergio Villazana, G. Montilla, E. Pérez, Ricardo Montilla","doi":"10.54139/revinguc.v28i1.14","DOIUrl":null,"url":null,"abstract":"En el presente artículo se presenta un detector de neuropatologías, a partir del electroencefalograma (EEG) del paciente. La detección se basa en la clasificación de imágenes de HOSA (siglas en inglés para análisis de estadísticas de orden superior o “High Order Statistical Analysis”) derivadas de series de tiempo correspondientes a EEG de pacientes humanos. El clasificador es un modelo de aprendizaje profundo DL (“Deep Learning”) con la arquitectura de la CNN (Red Neuronal Convolucional o “Convolutional Neural Networks”) pre-entrenada: “Inception”. El conjunto de entrenamiento y prueba de la CNN son imágenes de HOSA, que representan los cumulantes de tercer orden de segmentos no lineales y no gaussianos, de señales correspondientes al canal seleccionado del EEG de pacientes con neuropatologías (específicamente, epilepsia) o sanos. El desempeño del clasificador es muy satisfactorio, presentando una exactitud de aproximadamente 94 % en la detección de epilepsia.","PeriodicalId":41362,"journal":{"name":"Ingenieria UC","volume":" ","pages":""},"PeriodicalIF":0.2000,"publicationDate":"2021-05-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenieria UC","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54139/revinguc.v28i1.14","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 0

Abstract

En el presente artículo se presenta un detector de neuropatologías, a partir del electroencefalograma (EEG) del paciente. La detección se basa en la clasificación de imágenes de HOSA (siglas en inglés para análisis de estadísticas de orden superior o “High Order Statistical Analysis”) derivadas de series de tiempo correspondientes a EEG de pacientes humanos. El clasificador es un modelo de aprendizaje profundo DL (“Deep Learning”) con la arquitectura de la CNN (Red Neuronal Convolucional o “Convolutional Neural Networks”) pre-entrenada: “Inception”. El conjunto de entrenamiento y prueba de la CNN son imágenes de HOSA, que representan los cumulantes de tercer orden de segmentos no lineales y no gaussianos, de señales correspondientes al canal seleccionado del EEG de pacientes con neuropatologías (específicamente, epilepsia) o sanos. El desempeño del clasificador es muy satisfactorio, presentando una exactitud de aproximadamente 94 % en la detección de epilepsia.
使用高阶统计和深度学习的脑电图神经病理学检测
神经病理学检测是一种基于患者脑电图(EEG)的检测方法。检测是基于HOSA图像分类(高阶统计分析),该分类来自于人类患者脑电图的时间序列。分类器是一个深度学习模型DL(“深度学习”),具有预先训练的CNN(卷积神经网络)架构:“Inception”。CNN训练和测试集是HOSA图像,代表神经病理(特别是癫痫)患者或健康患者所选脑电图通道对应的非线性、非高斯信号段的三阶累积。该分类器的性能非常令人满意,在癫痫检测中准确率约为94%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
Ingenieria UC
Ingenieria UC ENGINEERING, MULTIDISCIPLINARY-
自引率
0.00%
发文量
8
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信