Soporte al diagnóstico de TDAH por búsqueda automatizada de patrones en el EEG Público Deposited
The electroencephalogram is an attractive clinical tool given its non-invasive nature, its abilityto reflect real-time changes in local cortical activity, and the load of objective bioelectrical -measurements that can be derived from it.For decades, the electroencephalogram has been successfully used for diagnosing epilepsyand schizophrenia, among other brain disorders. This research focuses in the design and -implementation of a computer-aided diagnostic tool for establishing the likelihood of presenceof Attention-Deficit Hyperactivity Disorder in children, out of routine electroencephalographicrecordings obtained during a specific visual stimulation protocol. Classical bandpower features and wavelet techniques from multiple differential recordings arecomputed and used as features in a classifier built from a cooperative ensemble of labeled self-organizing maps. Studied population consisted of 28 children with ages between 7-12 years, eighteen of whichwere diagnosed with ADHD (15 male, three female) and ten without ADHD (five male, fivefemale). Subjects were referred by their educational institutions for psychological evaluation and -ADHD diagnosis to the Neuropsychology section of the National Rehabilitation Institute inMexico City. Evaluation was performed through the application of standardized DSM-IV -questionaries and a clinical interview. Classification accuracy of the proposed system is 0,7±0,11 for bandpower features and0,77±0,15 for wavelet features, as estimated from unseen data, a result that points to the ideathat such a quantitative diagnostic aid could adequately support the diagnostic task of a clinical expert.
El electroencefalograma continúa siendo una herramienta atractiva en la práctica clínica debido a que proporciona medidas bioeléctricas objetivas de la actividad contínua del cerebro, a su no invasividad y a su descripción en tiempo real el cual ha sido utilizado con éxito en el diagnóstico de desórdenes como la epilepsia y la esquizofrenia, entre algunas otras pudiendo también jugar un papel importante en el diagnóstico del Trastorno por Déficit de Atención con Hiperactividad. Esta investigación se enfocó en el diseño y desarrollo de una herramienta automatizada de soporte para el diagnóstico del trastorno por déficit de atención con hiperactividad a partir únicamente de un conjunto de señales electroencefalográficas adquiridas bajo un protocolo específico de estimulación visual con lámpara flash y utilizando como base, el sistema internacional decolocación de electrodos 10/20. La extracción de características fue sugerida por dos vías distintas la primera, mediante la determinación de índices de potencia espectrales dependientes de la ubicación espacial de la foto estimulación aplicada durante la adquisición de las señales y la segunda, con un análisis multi resolución por medio de una descomposición completa en paquetes Wavelet estudiando en este caso, la energía asociada a cada conjunto de coeficientes. Finalmente, el análisis de los rasgos extraídos se llevó a cabo mediante una arquitectura de clasificación compuesta primero, por dos capas de 10x10 nodos de Mapas autoorganizados segundo, por un posterior análisis de conglomerados a través del algoritmo de las k medias y por último, definiendo regiones de probabilidad de presencia de la enfermedad sobre el mapa clasificador segmentado, asignando para ello una codificación en color para cada una de estas regiones. La población de estudio analizada constó de 28 niños referidos para evaluación psicológica porparte de su escuela con edades entre los siete y doce años de los cuales, 18 fueron diagnosticados con TDAH (15 hombres y tres mujeres) y diez sin TDAH (cinco hombres y cinco mujeres) por la sección de Neuropsicología del Instituto Nacional de Rehabilitación en la ciudad de México basados en las pruebas estandarizadas DSMIV. El mapa clasificador generado en esta investigación logró detectar sujetos con TDAH con una taza de acierto del 0,7±0,11, a partir del conjunto de rasgos frecuenciales, y del 0,77±0,15, apartir de los rasgos wavelet, ambos para datos no vistos después de la aplicación de un procesode validación cruzada a seis vías, esto nos prueba que ésta arquitectura de análisis cuantitativa podría apoyar al experto humano clínico durante su tarea diagnóstica.
Relaciones
| En Conjunto Administrativo: |
|---|
Descripciones
| Nombre del atributo | Valores |
|---|---|
| Creador | |
| Colaboradores | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| Palabra Clave | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
