RT info:eu-repo/semantics/bachelorThesis
T1 Desarrollo y evaluación de una herramienta de eliminación online de artefactos oculares de la señal de electroencefalograma
A1 Para Maeso, Juan
A2 Universidad de Valladolid. Facultad de Medicina
K1 Ojo - Enfermedades
K1 Desensibilización por movimiento ocular
K1 Electroencefalografía
K1 Artefactos oculares
K1 Detección automática
K1 Aprendizaje profundo
K1 Movimientos oculares
K1 Parpadeo
K1 3201.09 Oftalmología
AB El 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 lomás 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.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/62134
UL https://uvadoc.uva.es/handle/10324/62134
LA spa
DS UVaDOC
RD 30-jun-2024