Browsing by Author "Toledo Araneda, Aura Madeleyn"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Detección del trastorno de déficit de atención e hiperactividad utilizando algoritmos de clasificación de machine learning basado en señales de electroencefalografía.(Universidad de Concepción, 2025) Toledo Araneda, Aura Madeleyn; Pino Quiroga, Esteban JavierEl TDAH es uno de los trastornos psiquiátricos y neuroconductuales más comunes alrededor del mundo, afectando a millones de niños y adolescentes. Este proyecto de investigación implementó una metodología basada en aprendizaje automático que buscaba identificar y clasificar señales de EEG de sujetos con TDAH presentes en una base de datos de 121 participantes (61 TDAH, 60 control). Para desarrollar la metodología, se comenzó filtrando la señal y eliminando artefactos, luego se almacenaron y prepararon los datos para extraer las características en el dominio del tiempo (estadísticas, morfológicas y no lineales) y en el dominio de la frecuencia. La potencia de banda se calculó para 4 bandas de interés: delta, theta, alfa y beta aplicando el método Welch. Las características más relevantes fueron seleccionadas usando LASSO, lo que redujo significativamente la dimensión de la matriz de almacenamiento y además mejoró el rendimiento de los modelos de clasificación. También se realizó un análisis estadístico a las características más relevantes, evidenciando que predominaban en la zona frontal y parietal del lado derecho y además, presentaban más ritmo de ondas alfa y beta. Se evaluaron 4 clasificadores: SVM, Regresión Logística, Random Forest y Naive Bayes. Los resultados del desempeño de cada uno fueron presentados en términos de accuracy, precisión, recall y F1-score siendo el más robusto en sus resultados Regresión Logística con 85.83% de accuracy en validación cruzada de 10 folds. La metodología fue efectiva en esta tarea de clasificación de señales para identificar individuos con TDAH y podría ser utilizada en investigaciones posteriores.