Tesis profesional presentada por Wassim Enrique Lima Saad [wassim.limasd@udlap.mx]

Maestría en Ciencias de la Computación. Departamento de Computación, Electrónica y Mecatrónica. Escuela de Ingeniería, Universidad de las Américas Puebla.

Jurado Calificador

Presidente: Dr. Juan Horacio Espinoza Rodríguez
Secretario y Director: Dr. Roberto Rosas Romero
Vocal: Dr. Oleg Starostenko
Suplente: Dr. Vicente Alarcón Aquino

Cholula, Puebla, México a 11 de diciembre de 2017.

Resumen

Este trabajo presenta el uso de señales fNIRS (espectroscopia infrarroja cercana funcional) como una herramienta efectiva y no invasiva para la predicción de ataques epilépticos con anticipación, incluso sin el uso de registros de Electroencefalograma* (EEG por sus siglas en inglés) (el estándar de oro actual para la detección de ataques). Mostramos la efectividad de la señal fNIRS usando una red neuronal convolucional (CNN por sus siglas en inglés). Al alimentar este modelo con diferentes conjuntos de registros ópticos (hemoglobina...

Palabras clave: convulsiones epilépticas, electroencefalograma, espectroscopia de infrarrojo cercano funcional, red neuronal convolucional, detección de ataques, predicción de convulsiones..

Resumen (archivo pdf, 121 kb).

Índice de contenido

Portada (archivo pdf, 28 kb)

Agradecimientos y Dedicatorias (archivo pdf, 120 kb)

Índices (archivo pdf, 388 kb)

Glosario (archivo pdf, 227 kb)

Capítulo 1. Introducción (archivo pdf, 241 kb)

  • 1.1 Introducción
  • 1.2 Interfaz Cerebro computadora
  • 1.3 Señales fNIRS
  • 1.4 Características de las señales
  • 1.5 Fases de ataques epilépticos
  • 1.6 Objetivos de la tesis

Capítulo 2. Estado del Arte (archivo pdf, 339 kb)

  • 2.1 Antecedentes
  • 2.2 Trabajo relacionado
  • 2.3 Propuesta de solución

Capítulo 3. Diseño del modelo (archivo pdf, 783 kb)

  • 3.1 Base de datos
  • 3.2 Ajuste de la longitud de las señales
  • 3.3 Red neuronal convolucional

Capítulo 4. Resultados (archivo pdf, 291 kb)

  • 4.1 Descripción de la evaluación
  • 4.2 Evaluación

Capítulo 5. Conclusiones y trabajo a futuro (archivo pdf, 129 kb)

  • 5.1 Conclusiones
  • 5.2 Desventajas
  • 5.3 Comparación con trabajos revisados
  • 5.4 Trabajo a futuro

Referencias (archivo pdf, 232 kb)

Lima Saad, W. E. 2017. Detección de ataques epilépticos con anticipación mediante clasificación de señales fNIRS usando redes convolucionales. Tesis Maestría. Ciencias de la Computación. Departamento de Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Diciembre. Derechos Reservados © 2017.