Análisis y caracterización de la función cerebral por medio de Pupilometría, estímulos flash LED y Electroencefalografía

Autores/as

  • Miguel Salvador Gómez Díaz Universidad de Guadalajara
  • David Asael Gutiérrez Hernández Tecnológico Nacional de México
  • Francisco Javier Casillas Rodríguez Universidad de Guadalajara

Palabras clave:

pupilometría, electroencefalografía, aprendizaje automático, función cerebral

Resumen

En conjunto con la pupilometría se plantea el desarrollo del proyecto, orientado a conocer el comportamiento de las señales eléctricas cerebrales, relacionadas con Patrones Lumínicos (PL) generados por un pupilómetro digital de bajo costo. Métodos de análisis como el cálculo de la Densidad Espectral de Potencia (DEP), potencias relativas de delta, theta, alfa y beta, Potenciales Evocados Visuales (PEV), técnicas de extracción de características por ventana móvil, y el uso de Técnicas de Aprendizaje Automático (TAU) han sido utilizados. El experimento se aplicó a 17 participantes “sanos” de la Escuela Colombiana de Ingeniería Julio Garavito (ECIJG) en Bogotá, Colombia. Dentro de los resultados destacados se encontraron diferencias significativas para el análisis de la actividad inducida entre cada uno de los tipos de PL que se usaron para la estimulación.  Para la actividad evocada se pudieron observar resultados similares a los conocidos para el reconocimiento de Potenciales Evocados Visuales (PEV). Y para el uso de Técnicas de Aprendizaje Automático se tuvo un porcentaje de clasificación del 88.3% en la clasificación de 3 clases que hacían referencia al PL que se aplicó, esto puede ser considerado como estados de la función cerebral.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

David Asael Gutiérrez Hernández, Víctor Manuel Zamudio Rodríguez, María Trinidad Galván González, José Gerardo Cárdenas Solís, Sergio Uribe López, Carlos Lino Ramírez (2016). Statistical and Computational Study of the Photomotor Reflex in Diabetic Patients for Recognition of Specific Characteristics.IOS Press, Ambient Intelligence and Smart Environments p.p. 396-404,

Gutierrez Hernández, D. A., Aranda Ruiz, J. A., & Parra, M. J. (2013). Digital Measurement of the Human Pupil's Dynamics under Light Stimulation for Medical Applications and Research. American Journal of Biomedical Engineering, 143-147.

T. A. Pasek and J. M. Huber. (2012) “Hospitalized infants who hurt: a sweet solution with oral sucrose.,” Crit. Care Nurse, vol. 32, no. 1, pp. 61–9.

U. Orhan, M. Hekim, and M. Ozer, “EEG signals classification using the K-means clustering and a multilayer perceptron neural network model,” Expert Syst. Appl., vol. 38, no. 10, pp. 13475–13481, 2011.

J. V. Odom et al., “ISCEV standard for clinical visual evoked potentials: (2016 update),” Doc. Ophthalmol., vol. 133, no. 1, 2016.

David Asael Gutiérrez Hernández, Víctor Manuel Zamudio Rodríguez, María Trinidad Galván González, José Gerardo Cárdenas Solís, Sergio Uribe López, Carlos Lino Ramírez (2017). Analysis of pupillary response after a stimulus of light to generate characteristical groups. International Conference on Electronics, Communications and Computers (CONIELECOMP). p.p. 1-6.

Descargas

Publicado

07-09-2022

Cómo citar

[1]
M. S. Gómez Díaz, D. A. . Gutiérrez Hernández, y F. J. Casillas Rodríguez, «Análisis y caracterización de la función cerebral por medio de Pupilometría, estímulos flash LED y Electroencefalografía», EIEI ACOFI, sep. 2022.