Detection of brain pathologies by machine learning using EEG signals (1D) and EEG surface images (3D): comparative analysis

Abstract

El electroencefalograma es el método no invasivo utilizado en la actualidad para detectar anomalías en el funcionamiento del cerebro. Sin embargo, se requiere un gran conocimiento por parte de los médicos encargados de la detención de patologías. Con el fin de facilitar el reconocimiento de enfermedades y agilizar los procesos de investigación en torno al cerebro, se propone el siguiente proyecto, que consta de dos etapas. En el primero, se buscarán conjuntos de datos de señales electroencefalográficas (EEG) en una dimensión (1D) en repositorios de investigación de ciencias médicas como PhysioNet, Zenodo and RepOD. Luego utilizará inteligencia artificial para crear una red neuronal para conocer el porcentaje de éxito en la detección de patologías a través de señales EEG en una dimensión (1D). Una vez obtenidos estos resultados en la segunda etapa, las señales EEG se someterán a un procesamiento de señales con herramientas matemáticas y computacionales para transformarlas en señales de superficie sEEG en tres dimensiones (3D). Luego, las señales serán evaluadas a través de otra red neuronal para determinar el grado de éxito en las detecciones patológicas.