RT info:eu-repo/semantics/masterThesis
T1 Detector automático de artefactos en señales neuronales basado en técnicas de AI e incorporación en la herramienta MEDUSA©
A1 Gil Correa, Amalia
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 EEG-Inception
K1 Inteligencia Artificial
K1 MEDUSA©
AB La información proporcionada por las distintas señales biológicas que genera el cuerpohumano puede ser muy valiosa para el diagnóstico precoz de enfermedades, así comopara optimizar su tratamiento. En este sentido, las señales electromagnéticas generadaspor el cerebro permiten identificar patrones neurológicos que reflejan ciertasenfermedades neuronales o que caracterizan el estado cognitivo del paciente. Técnicascomo la electroencefalografía (EEG) y la magnetoencefalografía (MEG) hanrevolucionado la investigación en neurociencia al proporcionar información valiosa sobrela actividad cerebral en tiempo real de manera no invasiva. No obstante, estas técnicas noregistran exclusivamente información neuronal, sino que también capturan informaciónno deseada debido a múltiples fuentes de ruido del entorno, tanto ajenas a cada persona(ruido ambiental, por ejemplo, de la red eléctrica) como internas o fisiológicas (porejemplo, de la actividad cardíaca u ocular). Estas señales espurias se denominan artefactosy alteran la señal neuronal genuina, comprometiendo la validez de los análisis posterioresy dificultando la extracción de información relevante. Para reducir el impacto de losartefactos en los registros EEG y MEG se han desarrollado diferentes métodos depreprocesamiento de señales, desde técnicas clásicas basadas en filtrado o transformadashasta enfoques más modernos que emplean métodos estadísticos, como el análisis decomponentes independientes (ICA). A pesar de la utilidad de estas técnicas, muchas deellas requieren intervención manual o dependen de suposiciones sobre la naturaleza delruido, por lo que su aplicación a conjuntos de datos masivos y la precisión de losresultados continúa viéndose comprometida. Por ello, surge la necesidad de desarrollarherramientas automáticas que permitan detectar y mitigar dichos artefactos, reduciendola dependencia de procesos manuales y subjetivos.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79703
UL https://uvadoc.uva.es/handle/10324/79703
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 12-ene-2026