2026-04-13T18:30:10Zhttps://recercat.cat/oai/requestoai:recercat.cat:2099.1/178742025-07-22T15:51:00Zcom_2072_1033col_2072_452951
Non-Linear Signal Processing Techniques Applied to Attractor Analysis on EEG for Epilepsy Seizure Event Characterization
Non-linear Signal Processing Techniques on EEG on Epilepsy seizure characterization
Bustamante Garrés, Carlos
Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial
Vallverdú Ferrer, Montserrat
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal
Àrees temàtiques de la UPC::Ciències de la salut::Medicina::Neurologia
Electroencephalography
Signal processing
Epilepsy -- Diagnosis
Electroencefalografia
Tractament del senyal
Epilèpsia -– Diagnòstic
El presente proyecto se enmarca dentro de la líneas de trabajo establecidas en el
proyecto de investigación MICINN (TEC2010-20886-C02-01) por el grupo SISBIO de la
Universidad Politécnica de Cataluña, concretándose en la caracterización de las señales
encefalográficas basándose en las técnicas de procesamiento no lineal como la
Dimensión de Correlación, la Tasa de Crecimiento Finito y la entropía de Shannon y de
Renyi, para la posible construcción de detectores para la epilepsia.
El contenido del presente trabajo contiene una investigación previa sobre la epilepsia
(Apartado 3.1), en el que se realizará una descripción sobre todos los aspectos que
hacen ocurrir esta enfermedad y se definirán algunos de los tratamientos que se pueden
utilizar para tratarla. En el apartado 3 se investiga acerca de las diferentes etapas para el
análisis de señales EEG, en las que se incluye la adquisición de señales EEG, la
tipología de forma que contienen las señales EEG y algunas de las técnicas que se
utilizan para el análisis de señales epilépticas y que no incluyen las del presente trabajo.
En el apartado 4 se describe la base de datos utilizada, en la que se incluye, una
selección de pacientes, de canales y de segmentos de análisis, además de la
decodificación de las señales y de un preprocesado de la señal. En el apartado 5, se
incluyen la metodología para el cálculo de la Dimensión de Correlación, la Tasa de
Crecimiento Finito y la entropía de Shannon y Renyi. Además, se incluyen todas aquellas
herramientas estadísticas que servirán para verificar las posibles mejores combinaciones
de valores, tales como el p-valor o bien la función Discriminante. Los resultados se
presentan en el apartado 6, en el que se presentan los mejores resultados para las tres
metodologías de cálculo utilizadas. A continuación se realizará una evaluación de los
recursos consumidos de los programas que implementan los algoritmos (apartado7) para
el posible uso de los programas en tiempo real. Esta evaluación servirá para evaluar la
posibilidad de exportar los programas diseñados mediante lenguaje C a otras
arquitecturas más específicas, que tienen menos poder computacional y menos recursos
de memoria, pero tienen un consumo menor. Además se incluirá la planificación temporal
, el presupuesto del proyecto y la evaluación medioambiental (apartados 8, 9 y 10 ), en
los que se incluyen todos los recursos utilizados en el proyecto y el posible impacto
medioambiental que se pueda derivar de investigaciones futuras. Finalmente en el
apartado de de conclusiones, se incluirán todas los resultados obtenidos durante el
desarrollo de este proyecto, además de algunas extensiones futuras a desarrollar para la
ampliación del trabajo y la posible mejora de resultados.
2012-09
Master thesis (pre-Bologna period)
https://hdl.handle.net/2099.1/17874
spa
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
Open Access
Attribution-NonCommercial-NoDerivs 3.0 Spain
application/pdf
application/pdf
Universitat Politècnica de Catalunya