1. Repositorio Institucional
2. TESIUAQ
3. Facultad de Ingeniería
4. Doctorado
5. Doctorado en Ingeniería

Título :	Detección de Alzheimer mediante la clasificación de señales EEG, aprendizaje profundo y algoritmos metaheurísticos
Autor(es):	Marcos Romo Avilés
Palabras clave:	EEG RNN Alzheimer Metaheurísticos Aprendizaje profundo
Área:	MEDICINA Y CIENCIAS DE LA SALUD
Fecha de publicación :	31-mar-2025
Editorial :	Universidad Autónoma de Querétaro
Páginas:	1 recurso en línea (82 páginas)
Folio RI:	IGDCC-246789
Facultad:	Facultad de Ingeniería
Programa académico:	Doctorado en Ingeniería
Resumen:	La detección temprana del Alzheimer es un desafío crítico en neurociencia, y las señales EEG han demostrado ser una herramienta efectiva para identificar patrones característicos de la enfermedad. En este trabajo se propone un enfoque basado en redes neuronales recurrentes como GRU, LSTM y bidireccionales, optimizadas a través de los algoritmos metaheurísticos GWO, PSO y DE. Se realizó un análisis estadístico no paramétrico para seleccionar la ventana temporal, la banda cerebral y los electrodos que permiten la mayor separación entre clases, resultando en una ventana de 15 segundos y en los electrodos P3, O1, O2, T5 y T6 para la banda alfa. La descomposición de las señales EEG se realizó mediante wavelets, seleccionando sym10 como la mejor opción para este análisis. La red GRU optimizada mediante el algoritmo DE alcanzó una precisión del 95.72 por ciento, con una sensibilidad del 93.05 por ciento y una especificidad del 97.82 por ciento, destacándose como la mejor arquitectura para la clasificación de pacientes con Alzheimer respecto a pacientes sanos.
URI:	https://ri-ng.uaq.mx/handle/123456789/11166
Aparece en:	Doctorado en Ingeniería

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.