Procesamiento digital de señales de EEG para clasificación de trastornos psicóticos mediante aprendizaje de máquinas

Abstract

El siguiente trabajo muestra la implementación de metodologías de procesamiento de señales de electroencefalograma y extracción de características de series de tiempo para resolver el problema de clasificación de psicosis utilizando señales obtenidas por la Clínica Psiquiátrica de la Universidad de Chile. Las señales corresponden a mediciones de electroencefalograma (EEG) de grupos de pacientes con distintos grados de psicosis, además de pacientes sanos, que realizaron un conjunto de tareas psicológicas. Los métodos utilizados en esta memoria consisten en procesamiento de señales utilizando librerías especializadas del software de programación Matlab siguiendo cinco metodologías distintas, seguido de su posterior clasificación utilizando librerías de extracción de características de series de tiempo y librerías de clasificación de datos para el software de programación Python. Se estudiarán dos metodologías de extracción de características y diversas metodologías de clasificación de psicosis. Las metodologías de procesamiento de señales consisten en la utilización de filtros de frecuencia pasabanda por medio de 2 tipos de filtros, reducción en la frecuencia de muestreo de las señales y eliminación de ruido o componentes innecesarias en las señales. Las 5 metodologías de procesamiento consisten básicamente en la permutación de los procesos anteriores. Luego, las muestras de estas bases de datos serán procesadas por algoritmos de extracción de características de dos librerías distintas, las cuáles finalmente se utilizarán para entrenar 6 tipos de algoritmos de Machine/Deep Learning que utilizan técnicas de aprendizaje supervisado para clasificar estas muestras. Los resultados obtenidos por los clasificadores corresponden a porcentajes promedio de precisión al clasificar las distintas muestras de las bases de datos, por ejemplo, clasificar grupo de control y pacientes con esquizofrenia. Por lo tanto, el objetivo será construir un sistema de clasificación de trastornos psicóticos que obtenga la mejor precisión posible, para un conjunto determinado de muestras y bases de datos, y analizar técnica y clínicamente cuales características son relevantes para alcanzar una alta precisión de clasificación.