Clasificación de señales electrocorticográficas mediante redes neuronales artificiales

Ponente(s): Angel Luis Torres Yoval, Martha Lorena Avendaño Garrido, Porfirio Toledo Hernandez, María Leonor Lopez Meraz

Las señales electrocorticográficas (ECoG) constituyen registros de la actividad eléctrica cerebral en función del tiempo, y han sido empleadas con frecuencia en el análisis de procesos asociados a crisis epilépticas. En este estudio se emplea un modelo estadístico de aprendizaje automático, estructurado a partir de redes neuronales artificiales, con el objetivo de clasificar segmentos de señales ECoG en dos categorías: estado basal y estado correspondiente a una crisis epiléptica. La metodología adoptada se basa en aprendizaje supervisado, donde un perceptrón multicapa es entrenado con muestras extraídas de una señal ECoG registrada en un sujeto experimental (rata). El modelo ajustado permite distinguir ciertos patrones que posibilitan la separación de las muestras de acuerdo con su pertenencia al estado basal o a un episodio de crisis.