Representación matemática de ondas cerebrales

Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible encontrar información no sólo sobre la actividad cerebral sino también sobre las zonas del cerebro que intervienen en actividad...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Arriola, Juan M.
Otros Autores: Castro, Liliana Raquel
Formato: tesis de maestría
Lenguaje:Español
Publicado: 2016
Materias:
Matemáticas
Electroencefalografía
Redes neuronales
Acceso en línea:http://repositoriodigital.uns.edu.ar/handle/123456789/2787
Aporte de:
Repositorio Institucional Universidad Nacional del Sur (UNS) de Universidad Nacional del Sur
id I20-R126123456789-2787
record_format dspace
institution Universidad Nacional del Sur
institution_str I-20
repository_str R-126
collection Repositorio Institucional Universidad Nacional del Sur (UNS)
language Español
orig_language_str_mv spa
topic Matemáticas
Electroencefalografía
Redes neuronales
spellingShingle Matemáticas
Electroencefalografía
Redes neuronales
Arriola, Juan M.
Representación matemática de ondas cerebrales
topic_facet Matemáticas
Electroencefalografía
Redes neuronales
description Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible encontrar información no sólo sobre la actividad cerebral sino también sobre las zonas del cerebro que intervienen en actividades específicas. Procesar la información presente en estas señales es fundamental para poder comprender en profundidad el funcionamiento del cerebro. En particular, cuando las funciones cerebrales se ven alteradas por el consumo de sustancias psicoactivas, enfermedades degenerativas u otros daños, el procesamiento de las señales EEG permite obtener información sobre qué zonas están dañadas y en qué medida. En ese sentido, el principal objetivo de esta tesis es procesar la información presente en las señales EEG mediante la utilización de la Transformada Wavelet y, de esta manera, poder cuantificar e identificar las diferencias entre el funcionamiento de un cerebro "sano" y otro dañado, o estudiar de qué manera trabaja el cerebro sometido a diferentes estímulos. El objetivo secundario es mostrar que la automatización en la identificación y clasificación de la información obtenida podría ser posible mediante redes neuronales artificiales. Procesando dos bases de datos diferentes, pudimos constatar que las variables cuantitativas obtenidas permiten caracterizar la actividad cerebral, y que dicha caracterización puede ser automáticamente clasificada mediante redes neuronales artificiales. En el primer caso, logramos clasificar una población sujetos en dos grupos, alcohólicos y control, procesando las señales EEG obtenidas a partir de someter a los sujetos a estímulos visuales. En el segundo caso encontramos evidencia de que diferentes emociones evocadas por estímulos audiovisuales producen diferencias detectables en las señales EEG, aunque no logramos automatizar la clasificación de la información. Los resultados obtenidos en la primera aplicación constituyen un aporte en la obtención de mecanismos que contribuyan al diagnóstico de daños ocasionados por consumo de sustancias psicoactivas.
author2 Castro, Liliana Raquel
author_facet Castro, Liliana Raquel
Arriola, Juan M.
format tesis de maestría
author Arriola, Juan M.
author_sort Arriola, Juan M.
title Representación matemática de ondas cerebrales
title_short Representación matemática de ondas cerebrales
title_full Representación matemática de ondas cerebrales
title_fullStr Representación matemática de ondas cerebrales
title_full_unstemmed Representación matemática de ondas cerebrales
title_sort representación matemática de ondas cerebrales
publishDate 2016
url http://repositoriodigital.uns.edu.ar/handle/123456789/2787
work_keys_str_mv AT arriolajuanm representacionmatematicadeondascerebrales
bdutipo_str Repositorios
_version_ 1764820505122045952

Ejemplares similares