Mostrar el registro sencillo del ítem
dc.contributor.author
Quintero Rincón, Antonio
dc.contributor.author
D'Giano, Carlos
dc.contributor.author
Risk, Marcelo
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2020-03-12T20:40:17Z
dc.date.issued
2018-10
dc.identifier.citation
Quintero Rincón, Antonio; D'Giano, Carlos; Risk, Marcelo; Predicción de crisis epilépticas utilizando el coeficiente de correlación producto-momento de Pearson a partir de un clasificador lineal de la distribución Gaussiana generalizada; Ediciones Doyma S A; Neurología Argentina; 10; 4; 10-2018; 210-217
dc.identifier.issn
1853-0028
dc.identifier.uri
http://hdl.handle.net/11336/99383
dc.description.abstract
Predecir una crisis epiléptica significa la capacidad de determinar de antemano el momento de una crisis con la mayor precisión posible. Un pronóstico correcto de un evento epiléptico en aplicaciones clínicas es un problema típico en procesamiento de señales biomédicas, lo cual ayuda a un diagnóstico y tratamiento apropiado de esta enfermedad. En este trabajo, utilizamos el coeficiente de correlación producto-momento de Pearson a partir de las clases estimadas con un clasificador lineal, usando los parámetros de la distribución Gaussiana generalizada. Esto con el fin de poder pronosticar eventos con crisis y eventos con no-crisis en señales epilépticas. El desempeño en 36 eventos epilépticos de 9 pacientes muestra un buen rendimiento, con un 100% de efectividad para sensibilidad y especificidad superior al 83% para eventos con crisis en todos los ritmos cerebrales. El test de Pearson indica que todos los ritmos cerebrales están altamente correlacionados en los eventos con no-crisis, más no durante los eventos con crisis. Esto indica que nuestro modelo puede escalarse con el coeficiente de correlación producto-momento de Pearson para la detección de crisis en señales epilépticas.
dc.description.abstract
To predict an epileptic event, means the ability to determine in advance the time of the seizure with the highest possible accuracy. A correct prediction benchmark for epilepsy events in clinical applications, is a typical problem in biomedical signal processing that help to an appropriate diagnosis and treatment of this disease. In this work we use Pearson's product-moment correlation coefficient from generalized Gaussian distribution parameters coupled with linear-based classifier to predict between seizure and non-seizure events in epileptic EEG signals. The performance in 36 epileptic events from 9 patients showing a good performance with 100% of effectiveness for sensitivity and specificity greater than 83% for seizures events in all brain rhythms. Pearson's test suggest that all brain rhythms are highly correlated in non-seizure events but no during the seizure events. This suggests that our model can be scaled with the Pearson product-moment correlation coefficient for the detection of epileptic seizures.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Ediciones Doyma S A
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
ELECTROENCEPHALOGRAPHY
dc.subject
EPILEPSY
dc.subject
GENERALIZED GAUSSIAN DISTRIBUTION. LINEAR CLASSIFIER
dc.subject
PEARSON'S PRODUCT-MOMENT CORRELATION COEFFICIENT
dc.subject
PREDICTION
dc.subject.classification
Otras Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Predicción de crisis epilépticas utilizando el coeficiente de correlación producto-momento de Pearson a partir de un clasificador lineal de la distribución Gaussiana generalizada
dc.title
Epileptic seizure prediction using Pearson's product-moment correlation coefficient of a linear classifier from generalized Gaussian modeling
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2020-03-10T12:26:45Z
dc.journal.volume
10
dc.journal.number
4
dc.journal.pagination
210-217
dc.journal.pais
España
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.description.fil
Fil: Quintero Rincón, Antonio. Instituto Tecnológico de Buenos Aires; Argentina
dc.description.fil
Fil: D'Giano, Carlos. Fundación para la Lucha contra las Enfermedades Neurológicas de la Infancia; Argentina
dc.description.fil
Fil: Risk, Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Instituto Tecnológico de Buenos Aires; Argentina
dc.journal.title
Neurología Argentina
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/http://www.sciencedirect.com/science/article/pii/S1853002818300466
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.neuarg.2018.06.004
Archivos asociados