Clasificación automática de las etapas del sueño mediante redes neuronales difusas
| dc.contributor.advisor | Estrada Meneses, Edson Francisco | |
| dc.contributor.advisor | Díaz Roman, José David | |
| dc.contributor.author | Muñoz Vela, Antonio | |
| dc.contributor.editor | Gordillo Castillo, Nelly | |
| dc.date.accessioned | 2019-06-04T18:05:35Z | |
| dc.date.available | 2019-06-04T18:05:35Z | |
| dc.date.issued | 2018-05 | |
| dc.description | E. Estrada extrajo características de las señales de electroencefalografía (EEG) para desarrollar un clasificador automático de las etapas del sueño mediante el uso de redes neuronales [1]. Luego de esto, en otro estudio, incluyó el uso de las características de las señales de electromiografía (EMG) y electrooculografía (EOG) para mejorar la posibilidad de distinguir las diferentes etapas del sueño [2]. Por ello, en la UACJ se realizan esfuerzos para implementar redes neuronales de aprendizaje profundo como método para la clasificación de las etapas del sueño, utilizando las 3 señales estudiadas por E. Estrada. Por otro lado, los estudios en esta institución han explorado métodos distintos con máquina de vectores para la clasificación de estas mismas señales. El presente proyecto aborda el uso de redes neuronales difusas (RND) para desarrollar un clasificador a través de Matlab, con posibilidades de distinguir las diferentes etapas del sueño con mayor precisión respecto a los métodos implementados con anterioridad. | es_MX |
| dc.description.abstract | Este trabajo expone el desarrollo y los resultados de un algoritmo basado en el uso de ANFIS, una hibridación de redes neuronales y lógica difusa. Este algoritmo tiene como objetivo general clasificar automáticamente las etapas del sueño. El algoritmo fue entrenado y evaluado con señales tomadas de Physionet, una base de datos médica. Partiendo del EMG, EOG y EEG, de las señales de la base de datos, se emplearon las características propuestas por E. Estrada [1]. Así fueron definidas originalmente 37 características para 19,953 muestras de 30 segundos. Se empleó una técnica de selección secuencial automática de características para reducir la dimensión de las entradas del sistema, lo cual derivó en el uso de dos grupos, uno de 11 y otro de 15 características. Con estos grupos se crearon 4 conjuntos distintos de datos, para comparar la precisión en cada conjunto. El primer conjunto fue de 11 características con 19948 muestras en donde la frecuencia de cada etapa del sueño era distinta. El segundo grupo fue similar al anterior, pero se agregó un análisis de componente principal que propuso el uso de 8 características. El tercer grupo fue de 11 características, pero con una frecuencia de 500 muestras para cada etapa del sueño. Por último, se seleccionaron 15 características con la misma frecuencia de cada etapa. Finalmente se ajustaron los parámetros necesarios en el código clasificador y se evaluó el desempeño de cada uno de los grupos de datos para conocer cual opción presentó una mayor precisión respecto a los demás, los resultados fueron comparados y presentados para hacer un análisis de la funcionalidad de este algoritmo. | es_MX |
| dc.identifier.other | LIB-2018-1-06 | es_MX |
| dc.identifier.uri | http://hdl.handle.net/20.500.11961/5078 | |
| dc.language.iso | spa | es_MX |
| dc.publisher | Universidad Autónoma de Ciudad Juárez | es_MX |
| dc.relation.ispartof | Instituto de Ingeniería y Tecnología | es |
| dc.relation.ispartof | Departamento de Ingeniería Eléctrica y Computación | es |
| dc.relation.ispartof | Licenciatura en Ingeniería Biomédica | es |
| dc.rights | Atribución-NoComercial-SinDerivadas 2.5 México | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/mx/ | * |
| dc.subject | Ingeniería Biomédica | es_MX |
| dc.subject | Etapas del sueño | es_MX |
| dc.subject | Redes neuronales difusas | es_MX |
| dc.subject.other | info:eu-repo/classification/cti/7 | es_MX |
| dc.title | Clasificación automática de las etapas del sueño mediante redes neuronales difusas | es_MX |
| dc.type | Trabajo recepcional licenciatura | es_MX |
| dcrupi.departamento | Departamento de Ingeniería Eléctrica y Computación | es |
| dcrupi.instituto | Instituto de Ingeniería y Tecnología | es |
| dcrupi.programa-academico | Licenciatura en Ingeniería Biomédica | es |
| dcterms.thumbnail | http://ri.uacj.mx/vufind/thumbnails/tr-iit.png | es |