Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Mi-P1: Sesión de pósteres I Lugar: Zona pósteres P1: Sesión de pósteres I | |
    | |
Clasificación de estados cerebrales epilépticos en ratas mediante aprendizaje automático sobre señales de EEG 1: Universidad Politécnica de Madrid, España; 2: Instituto Pluridisciplinar, Unidad de Cartografía Cerebral, Universidad Complutense de Madrid (UCM), España; 3: Instituto de Investigación Sanitaria del Hospital Clínico San Carlos (IdISSC), Madrid, España La detección y predicción de crisis epilépticas mediante electroencefalografía (EEG) constituye un área de gran interés en neuroingeniería, tanto en investigación preclínica como en su futura traslación clínica. En este trabajo se presenta un pipeline completo y reproducible para la clasificación multiclase de señales EEG (interictal, preictal, ictal) registradas en ratas Sprague-Dawley con crisis inducidas mediante pilocarpina. El pipeline, implementado en MATLAB, incluye las fases de preprocesamiento, segmentación en ventanas, extracción de características en los dominios temporal y frecuencial, y clasificación supervisada mediante SVM, árboles de decisión, KNN y redes neuronales. Los datos se dividieron en conjuntos de entrenamiento y validación con dos configuraciones (80/20 y 70/30), repitiendo cada partición en 9 iteraciones. Se calcularon la precisión promedio y la desviación estándar para cada animal y modelo. Los resultados muestran un desempeño más robusto de redes neuronales y KNN, con precisiones superiores al 85% en la mayoría de los animales, mientras que SVM y DT resultaron más sensibles a la disponibilidad de datos. La variabilidad interindividual y el marcado desbalanceo de clases condicionaron la estabilidad de los modelos, especialmente en animales con menor número de grabaciones con crisis.
| |