RT info:eu-repo/semantics/bachelorThesis
T1 Detección de Spindles del sueño mediante técnicas de inteligencia artificial
A1 Pacho Velasco, Victoria
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Spindles del sueño
K1 Electroencefalograma (EEG)
K1 Random Forest
AB El síndrome de la Apnea Obstructiva del Sueño (AOS) pediátrico es un trastorno muy prevalente (en torno al 25% de la población) en la sociedad occidental, causante de muchas enfermedades asociadas a un deterioro cognitivo que empeora la calidad de vida de los niños afectados. Gracias a los nuevos avances tecnológicos, se ha observado que pequeñas oscilaciones presentes fundamentalmente durante las fases N2 y N3 del sueño entre 11-16 Hz, conocidas como spindles del sueño, están íntimamente relacionadas con el proceso cognitivo de las personas en general y de los niños en particular. Este descubrimiento abre una nueva línea de investigación orientada a desarrollar algoritmos que detecten automáticamente spindles empleando para ello señales de electroencelafogramas (EEG), y que sirvan para estudiar posibles trastornos en función de su número, densidad y características concretas. Además, estas nuevas técnicas permiten disminuir la carga de trabajo de expertos en la labor de detección de dichas oscilaciones en las señales.En este Trabajo Fin de Grado se ha diseñado un algoritmo basado en técnicas de machine learning que detecta spindles del sueño en niños de entre 6 y 9 años con sospecha de AOS. La mayoría de estudios científicos publicados hasta la fecha actual sobre la detección de spindles se ha centrado principalmente en pacientes adultos, por lo que parece muy adecuaco elaborar clasificadores en niños.
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/57405
UL https://uvadoc.uva.es/handle/10324/57405
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 30-jun-2024