Exploración de la caracterización y clasificación de señales EEG para un sistema de diagnóstico de epilepsia asistido por computadora

Abstract

La epilepsia se produce cuando la actividad eléctrica localizada de las neuronas sufre un desequilibrio. Uno de los métodos más adecuados para su diagnóstico y monitorización es el análisis de señales electroencefalográficas (EEG). A pesar de la amplia gama de alternativas para caracterizar y clasificar las señales EEG con fines de análisis de la epilepsia, muchos aspectos clave relacionados con la precisión y la interpretación fisiológica siguen siendo cuestiones abiertas. En este trabajo, se realiza un estudio exploratorio para identificar los métodos más adecuados y de uso frecuente para caracterizar y clasificar las crisis epilépticas. En este sentido, se lleva a cabo un estudio comparativo sobre varios subconjuntos de características utilizando cuatro clasificadores representativos: Análisis Discriminante Lineal (LDA), Análisis Discriminante Cuadrático (QDA), K-Vecinos Más Cercanos (KNN) y Máquina de Vectores de Soporte (SVM). El marco utiliza un conjunto de datos de epilepsia bien conocido y ejecuta varios experimentos para dos y tres problemas de clasificación. Los resultados sugieren que la descomposición DWT con SVM es la combinación más adecuada.