Logotipo del repositorio
 

Predicción de crisis epilépticas mediante teoría de grafos y conectividad funcional

Vista sencilla de ítem
dc.contributor.advisorAlvarado Rojas, Catalina
dc.contributor.advisorNariño González, Daniel
dc.contributor.authorPeña Campos, Johan Sebastián
dc.date.accessioned2019-08-20T16:24:28Z
dc.date.accessioned2020-04-15T14:22:56Z
dc.date.available2019-08-20T16:24:28Z
dc.date.available2020-04-15T14:22:56Z
dc.date.created2018
dc.description.abstractEl comportamiento anormal de redes neuronales causa la ocurrencia de crisis espontáneas y recurrentes, principal síntoma de la epilepsia. La dinámica de estas redes epilépticas y los mecanismos detrás de la generación de las crisis, son temas de gran interés en la comunidad médica y científica, dado que aún no han sido completamente descubiertos ([1], [2], [3]). En el presente trabajo, se hace uso de los datos de la base EPILEPSIAE [4] recolectados de 10 pacientes usando electroencefalogramas intracraneales. Se analizan datos de 8 horas antes de la crisis, con una frecuencia de muestreo de 1024 Hz. Adicionalmente, se usan datos de 5 pacientes del Hospital Universitario San Ignacio (HUSI), correspondientes a un intervalo de 3 horas antes de la crisis a una frecuencia de muestreo de 256 Hz. Para este fin, se propone una metodología en la cual se estudian redes de conectividad que son construidas a partir de medidas de similitud multivariable entre canales de la sincronización cerebral. Estas características se analizan entre todas las posibles combinaciones de los canales para cada una de las bandas cerebrales fisiológicas. Las redes de conectividad construidas, se filtran usando un umbral estadístico. Con las matrices resultantes se calculan las medidas topológicas de la red. Estas medidas son utilizadas para analizar la dinámica de las redes cerebrales, en ventanas de tiempo de 1 minuto, buscando encontrar el marcador cerebral que permita anticipar la ocurrencia de una crisis epiléptica o etapa ictal. Finalmente, estas medidas se usan como variables de entrada a un módulo de aprendizaje de máquina para realizar clasificación automática. Adicionalmente, se estudia la dinámica de la red a lo largo del tiempo, buscando encontrar marcadores que permitan aportar al conocimiento del fenómeno.spa
dc.description.abstractenglishAbnormal behavior of neural networks causes the occurrence of spontaneous and recurrent seizures, the main symptom of epilepsy. The dynamics of these epileptic networks and the mechanisms behind the generation of seizures are subjects of great interest in the medical and scientific community, since they have not yet been completely discovered ([1], [2], [3]). In the present work, it is made use of the data of the base epilepsy [4] collected from 10 patients using intracranial electroencephalograms. Data are analyzed 8 hours before the seizure, with a sampling frequency of 1024 Hz. Additionally, data from 5 patients from the San Ignacio University Hospital (HUSI), corresponding to an interval of 3 hours before to the seizure, are used at a sampling rate of 256 Hz. To this end, it proposes a methodology in which we study networks of connectivity that are built from measures of multivariate similarity between channels of the cerebral synchronization. These characteristics are analyzed among all the possible combinations of the channels for each of the physiological cerebral bands. The built-in connectivity networks are filtered using a statistical threshold. With the resulting matrices the topological measurements of the network are calculated. These measures are used to analyze the dynamics of brain networks, in time windows of 1 minute, seeking to find the brain marker that allows anticipating the occurrence of an epileptic seizure or ictal stage. Finally, these measurements are used as input variables to a machine learning module to perform automatic sorting. In addition, we study the dynamics of the network over time, seeking to find markers that allow to contribute to the knowledge of the phenomenon.spa
dc.description.degreelevelMaestríaspa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Bioingenieríaspa
dc.description.degreenameMagíster en Bioingenieríaspa
dc.formatPDFspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.doihttps://doi.org/10.11144/Javeriana.10554.44664
dc.identifier.instnameinstname:Pontificia Universidad Javerianaspa
dc.identifier.instnameinstname:Pontificia Universidad Javerianaspa
dc.identifier.reponamereponame:Repositorio Institucional - Pontificia Universidad Javerianaspa
dc.identifier.reponamereponame:Repositorio Institucional - Pontificia Universidad Javerianaspa
dc.identifier.repourlrepourl:https://repository.javeriana.edu.cospa
dc.identifier.repourlrepourl:https://repository.javeriana.edu.cospa
dc.identifier.urihttp://hdl.handle.net/10554/44664
dc.language.isospaspa
dc.publisherPontificia Universidad Javerianaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.facultyFacultad de Arquitectura y Diseñospa
dc.publisher.facultyFacultad de Cienciasspa
dc.publisher.facultyFacultad de Medicinaspa
dc.publisher.facultyFacultad de Odontologíaspa
dc.publisher.programMaestría en Bioingenieríaspa
dc.publisher.programMaestría en Ingeniería Electrónicaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenceAtribución-NoComercial-SinDerivadas 4.0 Internacional*
dc.rights.localDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectEpilepsiaspa
dc.subjectDinámica de la redspa
dc.subjectInteligencia artificialspa
dc.subjectTeoría de grafosspa
dc.subject.armarcMaestría en bioingeniería - Tesis y disertaciones académicasspa
dc.subject.armarcMaestría en ingeniería electrónica - Tesis y disertaciones académicasspa
dc.subject.armarcTeoría de grafosspa
dc.subject.armarcEpilepsiaspa
dc.subject.armarcInteligencia artificialspa
dc.subject.keywordEpilepsyspa
dc.subject.keywordNetwork dynamicspa
dc.subject.keywordArtificial intelligencespa
dc.subject.keywordGraph theoryspa
dc.titlePredicción de crisis epilépticas mediante teoría de grafos y conectividad funcionalspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.hasversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis/Trabajo de grado - Monografía - Maestríaspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Master_Thesis_Johan_Peña.pdf
Tamaño:
9.17 MB
Formato:
Adobe Portable Document Format
Descripción:
Documento
Descargar
No hay miniatura disponible
Nombre:
Cartas.pdf
Tamaño:
809.9 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia de uso
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.54 KB
Formato:
Plain Text
Descripción:
Descargar

Colecciones

Maestría en Bioingeniería
Maestría en Ingeniería Electrónica