Mostrar el registro sencillo del ítem

dc.contributor.advisorMarcos Martínez, Diegoes
dc.contributor.advisorHornero Sánchez, Roberto es
dc.contributor.authorPara Maeso, Juan
dc.contributor.editorUniversidad de Valladolid. Facultad de Medicina es
dc.date.accessioned2023-10-19T15:39:35Z
dc.date.available2023-10-19T15:39:35Z
dc.date.issued2023
dc.identifier.urihttps://uvadoc.uva.es/handle/10324/62134
dc.description.abstractEl electroencefalograma (EEG) es una técnica neurofisiológica que permite registrar la actividad eléctrica del cerebro. Para ello se emplean electrodos colocados en la superficie del cuero cabelludo. Debido a la baja amplitud que presenta la señal de EEG, es una señal muy susceptible de ser enmascarada por ruido y señales independientes de la actividad cerebral. Los movimientos oculares y los parpadeos generan grandes perturbaciones, que son medibles en los electrodos, denominadas artefactos oculares. En consecuencia, se requiere de un método de detección y filtrado que permita recuperar la señal de EEG lo más limpia posible y conservando la actividad cerebral. En la actualidad existen métodos capaces de detectar estos artefactos oculares, sin embargo, o presentan un bajo rendimiento en la clasificación o se limitan a la detección de parpadeos. El objetivo de este TFG era desarrollar un novedoso algoritmo de detección de artefactos oculares a través de inteligencia artificial. Además, el algoritmo debía ser capaz de llevarlo a cabo en tiempo real y no requerir de señales adicionales al EEG. Para ello se adquirió una base de datos con artefactos oculares etiquetados y se entrenó con ella la red neuronal EEG-Inception. Se comprobó la validez del modelo y del algoritmo mediante una validación cruzada intersujeto. En ella el algoritmo demostró una elevada sensibilidad en la detección de los parpadeos, 97.6 % y de los movimientos oculares, 91 %. Además, el algoritmo fue evaluado sobre una base de datos propia, que no incluía movimientos oculares. En ella se obtuvo una precisión en la clasificación de parpadeos del 96 %. Los resultados están al nivel de los que presentan otros algoritmos de la literatura para clasificación de parpadeos. Sin embargo, ninguno de estos permite también la detección de movimientos oculares. El resultado final de este trabajo es un algoritmo confiable en la detección de artefactos oculares, aplicable en tiempo real y que no requiere de calibración, ni de una señal adicional que registre la actividad ocular.es
dc.format.mimetypeapplication/pdfes
dc.language.isospaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectOjo - Enfermedadeses
dc.subjectDesensibilización por movimiento oculares
dc.subject.classificationElectroencefalografíaes
dc.subject.classificationArtefactos oculareses
dc.subject.classificationDetección automáticaes
dc.subject.classificationAprendizaje profundoes
dc.subject.classificationMovimientos oculareses
dc.subject.classificationParpadeoes
dc.titleDesarrollo y evaluación de una herramienta de eliminación online de artefactos oculares de la señal de electroencefalogramaes
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.description.degreeGrado en Ingeniería Biomédicaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.subject.unesco3201.09 Oftalmologíaes


Ficheros en el ítem

Thumbnail

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

Mostrar el registro sencillo del ítem