Soporte al diagnóstico de TDAH por búsqueda automatizada de patrones en el EEG
El electroencefalograma continúa siendo una herramienta atractiva en la práctica clínica debido a que proporciona medidas bioeléctricas objetivas de la actividad contínua del cerebro, a su no invasividad y a su descripción en tiempo real el cual ha sido utilizado con éxito en el diagnóstico de desór...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2011 |
| País: | México |
| Institución: | Universidad Autónoma Metropolitana |
| Repositorio: | Repositorio Institucional de la UAM Iztapalapa |
| Idioma: | español |
| OAI Identifier: | oai:bindani.izt.uam.mx:np193922s |
| Acceso en línea: | https://doi.org/10.24275/uami.np193922s |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/LEM/Trastorno por déficit de atención e hiperactividad -- Diagnóstico info:eu-repo/classification/LEM/Attention-deficit hyperactivity disorder -- Diagnosis info:eu-repo/classification/LEM/Electroencefalografía info:eu-repo/classification/LEM/Electroencephalography info:eu-repo/classification/cti/7 |
| Sumario: | El electroencefalograma continúa siendo una herramienta atractiva en la práctica clínica debido a que proporciona medidas bioeléctricas objetivas de la actividad contínua del cerebro, a su no invasividad y a su descripción en tiempo real el cual ha sido utilizado con éxito en el diagnóstico de desórdenes como la epilepsia y la esquizofrenia, entre algunas otras pudiendo también jugar un papel importante en el diagnóstico del Trastorno por Déficit de Atención con Hiperactividad. Esta investigación se enfocó en el diseño y desarrollo de una herramienta automatizada de soporte para el diagnóstico del trastorno por déficit de atención con hiperactividad a partir únicamente de un conjunto de señales electroencefalográficas adquiridas bajo un protocolo específico de estimulación visual con lámpara flash y utilizando como base, el sistema internacional decolocación de electrodos 10/20. La extracción de características fue sugerida por dos vías distintas la primera, mediante la determinación de índices de potencia espectrales dependientes de la ubicación espacial de la foto estimulación aplicada durante la adquisición de las señales y la segunda, con un análisis multi resolución por medio de una descomposición completa en paquetes Wavelet estudiando en este caso, la energía asociada a cada conjunto de coeficientes. Finalmente, el análisis de los rasgos extraídos se llevó a cabo mediante una arquitectura de clasificación compuesta primero, por dos capas de 10x10 nodos de Mapas autoorganizados segundo, por un posterior análisis de conglomerados a través del algoritmo de las k medias y por último, definiendo regiones de probabilidad de presencia de la enfermedad sobre el mapa clasificador segmentado, asignando para ello una codificación en color para cada una de estas regiones. |
|---|