Análisis de métodos de aprendizaje automático para la clasificación de señales EEG de pacientes con epilepsia
Diseño de un sistema basado en 'deep learnig' capaz de clasificar señales de encefalogramas (EEG) correspondientes a personas que sufren de epilepsia. Tras entrenar el programa, permitiría discriminar entre señales focales (con epilepsia) de las no-focales (sanos). Se analizan también méto...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/107866 |
| Acceso en línea: | http://hdl.handle.net/10609/107866 |
| Access Level: | acceso abierto |
| Palabra clave: | machine learning electroencephalography deep learning epilepsy aprenentatge automàtic electroencefalograma aprenentatge profund epilèpsia aprendizaje automático electroencefalografía aprendizaje profundo epilepsia Machine learning -- TFM Aprenentatge automàtic -- TFM Aprendizaje automático -- TFM |
| Sumario: | Diseño de un sistema basado en 'deep learnig' capaz de clasificar señales de encefalogramas (EEG) correspondientes a personas que sufren de epilepsia. Tras entrenar el programa, permitiría discriminar entre señales focales (con epilepsia) de las no-focales (sanos). Se analizan también métodos de extracción de características de la señal para aplicar algoritmos de 'machine learning' obteniendo una buena precisión en la clasificación. |
|---|