Propuesta para la monitorización de estados de sedación en señales electroencefalográficas

Autores/as

  • Tahimy González Rubio Universidad de Oriente
  • Jorge Luis Drullet Ferrer Centro Nacional de Electromagnetismo Aplicado, Universidad de Oriente
  • Yissel Rodríguez Aldana Universidad de Oriente
  • Enrique Juan Marañón Reyes Universidad de Oriente
  • Arquímedes Montoya Pedrón Hospital General Docente Juan Bruno Zayas Alfonso

Palabras clave:

Máquinas de Aprendizaje, Estados de Sedación, Señales Electroencefalográficas

Resumen

Durante un procedimiento quirúrgico es esencial inducir al paciente estados de inconsciencia, amnesia, analgesia y relajación muscular, sin embargo, debido a la inexactitud en la monitorización de la anestesia  se reportan casos de despertar intraoperatorio. A causa de la incidencia de este fenómeno, el Centro de Estudios de Neurociencias, Procesamiento de Imágenes y Señales en la Universidad de Oriente, Cuba, lleva a cabo la implementación de un prototipo de monitor de anestesia basado en el reconocimiento automático de estados de sedación en las señales electroencefalográficas usando técnicas de Inteligencia Artificial. Para alcanzar el objetivo propuesto se evaluó el desempeño de un clasificador Naive Bayes y tres Máquinas de Aprendizaje: Redes Neuronales Artificiales con cinco topologías diferentes, Sistemas de Inferencia Difusa basada en Redes Adaptativas y las Máquinas de Soporte Vectorial para reconocer tres estados de sedación caracterizados por nueve parámetros de potencia obtenidos a partir del espectro de frecuencia de las señales registradas por los canales electroencefalográficos frontales F4 y Fz. Como resultados de los experimentos se reconocieron los estados de Sedación Profunda, Sedación Moderada y Sedación Ligera con una Exactitud de 96.12%, 90.06% y 90.24% respectivamente usando las Máquinas de Soporte Vectorial y los registros del canal electroencefalográfico F4.


Descargas

Publicado

2019-08-19

Número

Sección

Artículos