Examinando por Materia "ICA"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Modelo Para Determinar el Estado Cognitivo en Pacientes Comatosos Mediante el Registro de la Actividad Bioeléctrica Cerebral
    (Universidad EIA, 2013) Cardona Murillo, Alejandro; Velásquez Rendón, Esteban
    En el presente trabajo se expone el desarrollo de un modelo computacional que tiene como objetivo inferir el estado cognitivo de pacientes en estados derivados del coma mediante el registro de la actividad bioeléctrica cerebral. Inicialmente se identificaron los diferentes desórdenes cerebrales relacionados con la conciencia, basándose en las definiciones clínicas y los aspectos metodológicos de la muerte cerebral, el coma, el estado vegetativo, el estado de mínima conciencia y el síndrome de enclaustramiento. Se propuso el estudio de la actividad cerebral mediante electroencefalografía, haciendo uso de un headset comercial óptimo para la tarea. Luego se exploraron los temas de los artefactos biológicos (actividad eléctrica que no es generada por el cerebro) y sus posibles causas, los potenciales relacionados con eventos (ERP) y las bandas de frecuencia en donde se hallan las diferentes ondas cerebrales que permiten analizar el estado cognitivo. Conociendo estos factores, se determinó la necesidad de preprocesar los datos obtenidos (filtros requeridos) y de implementar un análisis de componentes independientes (ICA) para la remoción de artefactos en la búsqueda de interpretar sus dinámicas de comportamiento correctamente. En el desarrollo del estudio se realizaron pruebas a pacientes de control aplicando estímulos auditivos de modo que se produjesen en los pacientes patrones de activación bien definidos y distinguibles entre sí. Para tal fin, se les indicó que imaginaran en un primer caso situaciones relajantes y en un segundo caso situaciones frustrantes. Los registros obtenidos fueron preprocesados y posteriormente ingresados en una red neuronal artificial de identificación y clasificación; se empleó la mitad de las muestras para el proceso de aprendizaje de la red neuronal y la otra mitad para el proceso de validación del modelo. Se evaluaron dos tipos de redes neuronales con el fin de determinar cuál de las dos era la más efectiva en el proceso de clasificación de los dos estados mentales propuestos. Las redes evaluadas fueron: red perceptrón multicapa y red de base radial, siendo esta última la que arrojó el mejor porcentaje de clasificación. El resultado obtenido del proceso de validación indicó que el modelo logra inferir el estado cognitivo en por lo menos cuatro de cada cinco casos, suponiendo una posibilidad de implementación futura del modelo en pacientes con detrimento cognitivo. De acuerdo a lo anterior, se propuso un protocolo de evaluación para los pacientes en estados derivados del coma.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo para determinar el estado cognitivo en pacientes comatosos mediante el registro de la actividad bioeléctrica cerebral
    (Universidad EIA, 2013) Cardona Murillo, Alejandro; Velásquez Rendón, Esteban; Peña Palacio, Juan Alejandro
    We propose the development of a computational model that aims to infer the cognitive state of patients in any derived state of coma using the bioelectrical brain activity registry.
  • Miniatura
    PublicaciónAcceso abierto
    Procesamiento de la señal electroencefalográfica bajo anestesia general
    (Universidad EIA, 2015) Hernandez Solarte, David Antonio; Gómez Suarez, Nicolás Eugenio
    La anestesia general es un procedimiento muy frecuente en el ambiente médico, el cual es un estado en el que el cuerpo del paciente no percibirá ningún estímulo, o por lo menos es lo que busca, por tal motivo existe la necesidad de realizar una monitorización de que tan anestesiado está el paciente, cumpliendo los principios básicos de la anestesia que son la hipnosis, amnesia, analgesia, relajación muscular. Para realizar dicho control del estado anestesico del paciente, se utiliza la concentracion alveolar minima (CAM) para “cuantificar” que tan profundo se encuentra cuando se utiliza una anestesia inducida por farmacos gaseosos, y se utilizan varios dispositivos que hacen estudios electroencefalograficos, como el BIS cuando se realiza una anestesia total intravenosa (TIVA), todo esto debe realizarse para poder aplicar con debida mesura la cantidad de farmaco para que el paciente no reaccione de manera adversa al procedimiento. A nivel de anestesiología, los especialistas tienen mucha confianza en la CAM, pero en un medio más moderno, la tendencia es realizar anestesia mediante TIVA ya que ofrece ciertas ventajas y características con respecto a la anestesia inhalada, pero tiene una desventaja que es la implementación del monitoreo de la anestesia, lo cual resulta sumamente costoso cuando se implementa con el BIS cuyos consumibles, los electrodos, implican alto costo y no son reutilizables, por otro lado, la respuesta de este dispositivo suele tener problemas cuando se utiliza un electrobisturí y hay estudios que indican que no es confiable del todo. El presente trabajo busca desarrollar un estudio de electroencefalografía (EEG) que permita de forma más fiable poder monitorear el estado de profundidad anestésica del paciente implementando herramientas informáticas como el reconocimiento de patrones para eliminar información redundante y reducir la dimensionalidad de los datos y la aplicación de aprendizaje automático para poder extraer características de la señal EEG para determinar estados anestésicos que pueda presentar el paciente. Se realizó un sistema de clasificación de estados anestésicos partiendo de la reducción de la dimensionalidad de los 16 a 14 canales, dando como resultado que cada señal capturada por cada canal es diferente, lo cual realizara un estudio más completo que con menos electrodos. Se creó una matriz de características para ingresarla al algoritmo de K-means para entrenar el sistema. Al validar la información con la base de datos suministrada se obtuvo que el algoritmo funciona aceptablemente para la clasificación de estados anestésicos obteniendo resultados por encima del 83%.