Parkinson’s disease diagnosis using electroencephalographic (EEG) signal processing and machine learning techniques

Abstract

La enfermedad de Parkinson es el segundo trastorno neurológico más común después del Alzheimer; surge con la muerte de las células cerebrales, las neuronas. Sus síntomas primarios son postura inestable, movimientos lentos y temblores, entre otros, por lo que reduce la calidad de vida de los individuos en esta condición. Esta enfermedad se ha llevado a casi 10 millones de personas según las estadísticas proporcionadas por la Organización Mundial de la Salud. Ha habido varias dificultades y desafíos al intentar diagnosticarlo; algunos pacientes pueden ser diagnosticados erróneamente ya que los síntomas no son lo suficientemente claros para los neurólogos. En este sentido, un sistema de diagnóstico asistido por computadora podría ser útil en la detección temprana de cualquier anomalía. Se han desarrollado varios enfoques, siendo los métodos basados en el análisis del habla y la marcha algunos de los más populares. No obstante, los enfoques basados en señales electroencefalografícas (EEG) se están volviendo atractivos para la enfermedad de Parkinson, ya que, según estudios recientes, los ´ángulos y la agudeza de las ondas cerebrales pueden contener pistas clave para detectar la enfermedad de Parkinson, además de ser un enfoque no invasivo. Además, los efectos de la medicina del tratamiento se pueden apreciar directamente a partir del trazado de EEG. Partiendo de esta premisa, se ha llevado a cabo el uso de técnicas de procesamiento de señales y aprendizaje automático. En este sentido, en este proyecto de tesis de grado, se propone un estudio exploratorio sobre técnicas de procesamiento de señales digitales y aprendizaje automático para caracterizar y clasificar señales EEG diagnosticadas con Parkinson con el objetivo de identificar técnicas adecuadas en términos de precisión e interpretación de los fenómenos fisiológicos.