Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Carlos Andres Perez Ramirez es_ES
dc.creator Luis Antonio Franco Vergara es_ES
dc.date 2021-10-25
dc.date.accessioned 2021-10-27T15:47:09Z
dc.date.available 2021-10-27T15:47:09Z
dc.date.issued 2021-10-25
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/3168
dc.description El alcoholismo es un problema actual de salud en nuestro país y en el mundo, provocando consecuencias fatales en aquellos que la padecen. Las herramientas vigentes de diagnóstico no son confiables para detectar efectivamente alcoholismo en todas las situaciones; por ello, se propone una metodología novedosa para la detección objetiva de personas con riesgo a sufrir alcoholismo a través del procesamiento de señales de EEG. Ésta consiste en utilizar la transformada wavelet discreta para obtener diferentes sub-bandas de frecuencia hasta el nivel seis de descomposición, permitiendo la medición del cambio geométrico de las bioseñales por medio de cinco algoritmos diferentes de dimensión fractal: Higuchi, Petrosian, Dimensión de Caja, Sevcik y Katz; generando así posibles características para el entrenamiento de modelos de aprendizaje automático de máquinas. Los datos de mayor significancia para el fenómeno estudiado fueron seleccionados por medio del método estadístico no paramétrico ANOVA de Kruskal-Wallis; con estas características se entrenaron y validaron dos modelos de machine learning: la máquina de vectores de soporte y el perceptrón multicapa. De acuerdo con la validación para detectar de alcoholismo en señales de la misma naturaleza, se logró conseguir una exactitud, precisión, sensibilidad y especificidad de 96.52%, 98.55%, 94.44% y 98.61 respectivamente con la máquina de vectores de soporte. es_ES
dc.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Procesamiento de Bioseñales es_ES
dc.subject Machine Learning es_ES
dc.subject Electroencefalograma es_ES
dc.subject Dimensión Fractal es_ES
dc.subject Alcoholismo es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Metodología para la identificación de predisposición al alcoholismo en personas mediante herramientas tiempo-frecuencia y machine learning usando señales EEG es_ES
dc.type Tesis de licenciatura es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador FAVL970920HQTRRS03 es_ES
dc.contributor.identificador PERC890923HASRMR09 es_ES
dc.contributor.role Director es_ES
dc.degree.name Ingeniería Biomédica es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Licenciatura es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI006210.pdf
Tamaño: 2.255Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem