Desarrollo de un Sistema de Detección y Predicción de Somnolencia mediante Procesamiento de Señales Electroencefalográficas

Abstract

Este documento presenta un algoritmo para el procesamiento de señales electroencefalográficas E EG con el objetivo de detectar estados de somnolencia y vigilia. El dispositivo seleccionado para la adquisición de los registros EEG utilizados durante el desarrollo de este proyecto, es el EPOC+, diseñado y fabricado por Emotiv Systems. Las muestras electroencefalográficas, regularmente contaminadas por artefactos, deben ser sometidas a una etapa de preprocesamiento antes de continuar con los pasos lógicos en el proceso de caracterización. Se realizó el proceso de atenuación de artefactos utilizando la transformada discreta de Wavelet junto con el método de umbralización suave, para luego reconstruir la señal con su transformada inversa. Mediante la función de densidad espectral de potencia, se procede a determinar los estadios de vigilia y somnolencia. De este proceso fue posible extraer seis características por canal, para posteriormente construir un vector final de 84 características, las cuales representan una ventana de tiempo de cuatro segundos de duración. El algoritmo de máquinas de vectores de soporte con kernel gaussiano fue la técnica de aprendizaje supervisado finalmente elegida, siendo esta la encargada de los procedimientos de clasificación y reconocimiento de patrones que establecerían el estado de la persona y con la cual se alcanzó un 92% de exactitud.