Cely Jiménez, AndrésLosada Cerquera, Daniela2024-05-062024-05-062024-03-22https://hdl.handle.net/20.500.12495/12086Las alteraciones olfativas y cognitivas se pueden identificar mediante la realización de test olfativos, los cuales se caracterizan en su mayoría por ser de tipo cualitativo. Numerosos estudios relacionan enfermedades neurodegenerativas y sistémicas graves con alteraciones en el olfato que se evidencian con mayor frecuencia en adultos mayores. El reto en el área de la salud es identificar marcadores preclínicos no invasivos que permita predecir mediante análisis de frecuencia y/o el tiempo de manera cuantitativa asociados a los eventos olfativos y sus alteraciones, por ello en esta investigación se plantea la implementación de aprendizaje computacional no supervisado K-meanspara la caracterización de los OERP en las señales electrobulbográficas (EBG) en el dominio del tiempo y en su densidad espectral (PSD power spectral density).esAttribution-NoDerivatives 4.0 InternacionalERP olfativosAprendizaje automáticoSeñales EEGPotenciales EvocadosOlfactory ERPsMachine learningEvoked potentialsEEG signalsAcceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2