Desarrollo de un método de selección de características basado en el análisis de señales electroencefalográficas para la detección de somnolencia

dc.contributor.advisorQuiñones Quiñones, Armando Alcides
dc.contributor.authorVásquez Jiménez, Sandra Sofia del Pilar
dc.date.accessioned2021-09-23T14:20:49Z
dc.date.available2021-09-23T14:20:49Z
dc.date.issued2020
dc.description.abstractEl sueño es un estado que aísla a las personas de la realidad. Cuando no se descansa lo suficiente en la noche, las actividades del día comienzan a verse afectadas por etapas de somnolencia las cuales enlentecen los resultados de las tareas ejecutadas y, según el tipo de actividad que se esté realizando, pueden poner en riesgo la vida. La detección de somnolencia se ha realizado mediante análisis de imágenes y de señales electroencefalográficas. Los primeros suelen verse afectados por variables externas a los estudios realizados y los segundos suelen ser incómodos para los usuarios debido a la cantidad de electrodos y el sistema utilizado para la detección. Es por eso por lo que se planteó el desarrollo de un método de selección de características para la detección oportuna de somnolencia basado en el análisis de un solo canal de electroencefalografía. Este método se basó en el procesamiento de señales electroencefalográficas (EEG) obtenidas de la base de datos MIT-BIH Polysomnographic Database. Se realizó la selección de 14 características obtenidas del canal bipolar C3-O1 para 11 sujetos, todos ellos hombres. Se analizó el tipo de distribución de los datos obtenidos y se aplicó la prueba de discriminancia de Rangos con Signo de Wilcoxon. Posterior a esto se realizó el análisis de correlación de Spearman, utilizada para variables no paramétricas. De las 14 características iniciales se seleccionaron el centroide y el Cambio del área bajo la curva de Alpha respecto a Theta ((𝛼 − 𝜃) / 𝜃) como aquellos índices que mejor efecto discriminante tenían sobre las dos clases de interés, W y S1. Posterior a la selección se clasificó con un LDA y se obtuvo un 74% de exactitud, 79% de sensibilidad, 69% de especificidad y 72% de precisiónspa
dc.description.abstractenglishSleep is a state that isolates people from reality. When you are not getting enough rest at night, the activities of the day will start a line determined by stages of drowsiness, whatever the results of the tasks performed and depending on the type of activity you are doing, they can be life threatening. The detection of drowsiness has been performed through the analysis of images and electroencephalographic signals. The former are usually verses affected by variables in the studies carried out, and the latter are usually uncomfortable for users due to the number of electrodes and the system used for detection. That is why the development of a characteristic selection method for the timely detection of drowsiness based on the analysis of a single channel of electroencephalography was considered. This method was based on the processing of electroencephalographic signals (EEG) obtained from the MIT-BIH Polysomnographic Database. A selection of 14 characteristics obtained from the bipolar channel C3-O1 was made for 11 subjects, all of them men. The type of distribution of the modified data was analyzed and the Wilcoxon Sign Rank discrimination test was applied. After this, Spearman's correlation analysis was performed, they were used for non-parametric variables. Of the 14 initial characteristics, the centroid and the Change of the area under the curve of Alpha with respect to Theta ((𝛼 − 𝜃) / 𝜃) can be selected as those indices that best discriminate effect on the two classes of interest, W and S1. After selection, it was classified with an LDA and 74% precision, 79% sensitivity, 69% specificity and 72% precision were obtained.eng
dc.description.degreelevelPregradospa
dc.description.degreenameBioingenierospa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad El Bosquespa
dc.identifier.reponamereponame:Repositorio Institucional Universidad El Bosquespa
dc.identifier.repourlhttps://repositorio.unbosque.edu.co
dc.identifier.urihttps://hdl.handle.net/20.500.12495/6096
dc.language.isospa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.grantorUniversidad El Bosquespa
dc.publisher.programBioingenieríaspa
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightshttps://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons2020-06-26
dc.rights.localAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectProcesamiento de señales EEGspa
dc.subjectVigiliaspa
dc.subjectSomnolenciaspa
dc.subjectDiscriminancia de característicasspa
dc.subject.armarcElectroencefalografía -- Análisisspa
dc.subject.armarcTrastornos del sueño -- Diagnósticospa
dc.subject.armarcPersonas -- Trastornos del sueñospa
dc.subject.ddc610.28
dc.subject.keywordsEEG signal processingspa
dc.subject.keywordsWakefulnessspa
dc.subject.keywordsDrowsinessspa
dc.subject.keywordsCharacteristic discriminationspa
dc.titleDesarrollo de un método de selección de características basado en el análisis de señales electroencefalográficas para la detección de somnolenciaspa
dc.title.translatedDevelopment of a characteristic selection method based on the analysis of electroencephalographic signals for the detection of drowsinessspa
dc.type.coarhttps://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttps://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesis/Trabajo de grado - Monografía - Pregradospa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Vasquez_Jimenez_Sandra_Sofia_2020.pdf
Tamaño:
2.54 MB
Formato:
Adobe Portable Document Format
Descripción:
No hay miniatura disponible
Nombre:
Vasquez_Jimenez_Sandra_Sofia_2020_Carta_de_autorización.pdf
Tamaño:
464.22 KB
Formato:
Adobe Portable Document Format
Descripción:
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:

Colecciones