Uso de la transformada de fourier fraccional para el estudio de un conjunto específico de señales eeg para pacientes epilépticos

Abstract

Este trabajo de grado presenta el diseño y validación de clasificadores para la detección de epilepsia basado en el tratamiento y obtención de características de señales EEG a partir de un conjunto determinado de datos. Se adicionan características fraccionarias a los clasificadores para luego analizar su desempeño, esto para confirmar si las características fraccionarias ayudan al proceso de clasificación. Con los conjuntos de datos se diseñaron dos tipos de clasificadores: uno bajo la técnica de Maquina de Soporte Vectorial y otro sobre la teoría de los clasificadores cuadráticos. Se utilizaron tres conjuntos de muestras, cada uno con su respectiva etiqueta bajo los cuales se buscó discriminar la existencia de epilepsia en un conjunto de datos específicos basándose en su señal EEG. La extracción de características involucró el uso de diversas técnicas en los dominios tanto fraccionales, como en tiempo, frecuencia y finalmente tiempo-frecuencia, donde se comprende la transformada wavelet y la transformada de Fourier entre otras. La reducción de dimensiones se llevó a cabo bajo la técnica de PCA. La evaluación de los clasificadores se hizo por medio de validación cruzada con un k-fold de 5 y se comparó la precisión entre dos tipos de clasificadores con y sin características fraccionarias. 1