Metodología para la identificación de predisposición al alcoholismo en personas mediante herramientas tiempo-frecuencia y machine learning usando señales EEG

Luis Antonio Franco Vergara

Buscar

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