Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/98101
Título: Identificación de patrones en registros EEG de crisis epilépticas utilizando métodos de inteligencia artificial explicable
Autor: Sánchez Hernández, Sergio Eduardo
Director: Salido Ruiz, Ricardo Antonio
Palabras clave: Epilepsia;Eeg;Aprendizaje Automatico;Inteligencia Artificial Explicable Y Aprendizaje No Supervisado
Fecha de titulación: 9-may-2023
Editorial: Biblioteca Digital wdg.biblio
Universidad de Guadalajara
Resumen: La epilepsia es una de las enfermedades neurológicas con mayor incidencia a nivel mundial. Si bien el EEG es una herramienta fundamental para el diagnóstico de la enfermedad, la detección manual de crisis epilépticas consume mucho tiempo. En el estado del arte existen diversos modelos que tienen como objetivo la detección automática de crisis, sin embargo, estos suelen ser modelos de aprendizaje profundo. La falta de transparencia de estos modelos es un obstáculo para su implementación en ambientes médicos. Dado lo anterior, en el presente trabajo se propuso usar Inteligencia Artificial Explicable para la identificación de patrones de onda de EEG discriminativos, con una aplicación a la detección crisis epilépticas. Con el fin de evaluar la hipótesis, se seleccionaron dos modelos del estado del arte para la detección de crisis, y dos bases de datos de EEG. Posteriormente, los modelos fueron entrenados y evaluados bajo diversas condiciones. Una vez seleccionado el clasificador con el mejor desempeño, se utilizó Shapley Addditive Explanations para generar el valor de importancia de cada canal por cada ventana de EEG. Luego, los segmentos de EEG fueron agrupados, considerando cada canal como una serie de tiempo univariante. Finalmente, se estimó la correlación entre los valores de SHAP y la entropía de los grupos generados. Los resultados mostraron que la correlación entre los valores SHAP y la entropía es casi inexistente. Por lo cual, el uso en conjunto de aprendizaje profundo y de XAI, no necesariamente permitir á la extracción de patrones discriminativos para la detección de crisis epilépticas.
URI: https://wdg.biblio.udg.mx
https://hdl.handle.net/20.500.12104/98101
Programa educativo: MAESTRIA EN CIENCIAS EN BIOINGENIERIA Y COMPUTO INTELIGENTE
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI10892FT.pdf8.64 MBAdobe PDFVisualizar/Abrir


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.