Resumen

ARAB, M. R.; SURATGAR, A. A.; MARTINEZ-HERNANDEZ, V. M.  y  REZAEI ASHTIANI, A.. Electroencephalogram Signals Processing for the Diagnosis of Petit mal and Grand mal Epilepsies Using an Artificial Neural Network. J. appl. res. technol [online]. 2010, vol.8, n.1, pp.120-128. ISSN 2448-6736.

En este estudio, se presenta un nuevo método basado en redes neuronales y la transformada ondicular. El método presentado se usa para la clasificación de la epilepsia gran mal (clónica) y pequeño mal (de ausencia) en saludable, ictal e interictal (EEG). Se incluye el pre procesamiento para eliminar un artefacto causado por el parpadeo y una línea de base errante (movimiento de electrodos) así como un artefacto producido por el movimiento ocular usando la Transformada Ondicular Discreta (DWT). Otra función del pre procesamiento es la eliminación de ruido de las señales de EEG de la frecuencia de la fuente de alimentación AC con un filtro de eliminación adecuado. El pre procesamiento aumentó la velocidad y precisión de la etapa de procesamiento (transformada ondicular y red neuronal). Un neurólogo experto clasifica las señales de EEG en epilepsia normal, pequeño mal y clónica. La clasificación se corrobora por medio del análisis con Transformada Rápida de Fourier (FFT). El conjunto de datos incluye ondas tales como agudas, puntas y punta-onda lenta. Mediante la Transformada Ondicular Continua (CWT) de los registros del EEG, se capturan y separan correctamente características transitorias y se usan como entrada del clasificador. Introducimos un clasificador de dos etapas basado en redes de cuantización vectorial (LVQ) localizado en los contextos tiempo y frecuencia. Los coeficientes particulares de la Transformada Ondicular Continua (CWT) son redes. Los resultados de la simulación son muy prometedores y la exactitud del método propuesto es de alrededor del 80%.

Palabras llave : Tonic-clonic epilepsy; petit mal epilepsy; Continuous Wavelet Transform (CWT); absence epilepsy.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )