Comparación de técnicas de aprendizaje profundo (deep learning) para detección de crisis epilépticas

Abstract

En este trabajo, se tratarán de aplicar varias técnicas de inteligencia artificial a señales electroencefalográficasrecogidas directamente del cuero cabelludo de pacientes que padecen epilepsia intratable. Estas técnicas son específicas para cada paciente y estarán orientadas a investigar con qué técnicas y parámetros se pueden obtener las mayores precisiones en los menores tiempos posibles al detectar un ataque epiléptico. Además de comparar los resultados de las distintas técnicas entre sí, se tiene como objetivo analizar si estas se pueden aplicar en tiempo real, lo cual hace que se tengan que optimizar todos los recursos para conseguir obtener un resultado de alta precisión en el menor tiempo posible. Poder aplicar el sistema en tiempo real permitiría a los potenciales pacientes utilizarlo en su día a día, lo cual mejoraría su calidad de vida al disponer de un sistema de alertas que le avisa si va a padecer un ataque epiléptico hasta una hora antes o más de que ocurra, permitiendo así, que los pacientes tomen las medidas necesarias para mantenerse a salvo o, incluso, para evitar que el ataque suceda. Se aplicarán algunos cambios a cada una de las técnicas y se analizará como afectan al resultado en cada caso.

In this work, we will try to apply several artificial intelligence techniques to electroencephalographic signals collected directly from the scalp of patients suffering from intractable epilepsy. These techniques are patient-specific and will be focused on investigating with which techniques and parameters the highest precision in the shortest possible time can be obtained when detecting an epileptic seizure. In addition to comparing the results of the different techniques with each other, the objective is to analyze whether they can be applied in real time, which means that all resources have to be optimized to achieve a high precision result in the shortest possible time. Being able to apply the system in real time would allow potential patients to use it in their day-to-day life, which would improve their quality of life by having an alert system that alerts them if they are going to suffer an epileptic attack up to an hour before or more than occur, thus allowing patients to take the necessary measures to stay safe or even to prevent the attack from happening. Some changes will be applied to each of the techniques and it will be analyzed how they affect the result in each case.