Ortega Máynez, LeticiaRodríguez Castrejón, Marco Antonio2024-09-182024-09-182022-10https://hdl.handle.net/20.500.11961/6987La presente investigación tiene como objetivo la clasificación o predicción de los siguientes trastornos del sueño: epilepsia nocturna del lóbulo frontal, apnea obstructiva del sueño, movimiento periódico de piernas y desorden de comportamiento durante la fase REM (movimiento rápido de los ojos), por medio de algoritmos de aprendizaje profundo con señales extraídas de polisomnogramas. Se consultaron las bases de datos públicas y privadas: CAP Sleep Database y Wisconsin Sleep Cohort (WSC), de las cuales se extrajeron polisomnogramas (PSG) de diez participantes de cada trastorno además de diez sin algún trastorno, de los cuales se utilizó las señales electroencefalograma (EEG1, EEG2), electrocardiograma (ECG) y saturación de oxígeno en sangre arterial (SaO2/SpO2). Primero se filtró el ruido de las señales por medio de un filtro FIR exceptuando la señal de saturación de oxígeno, posteriormente se segmentaron las señales en ventanas de 20 segundos con traslape para ser codificadas en imágenes por medio de funciones de transformación de series en el tiempo, las cuales alimentan a una red neuronal convolucional recurrente. Como resultado se obtuvo una precisión de 0.94. Como conclusión podemos observar que esta investigación brinda una herramienta a los especialistas del área del sueño (psiquiatría, neurología, neurofisiología, etc.) para clasificar y diagnosticar los trastornos del sueño, ahorrándoles tiempo y automatizando el proceso con precisión sin embargo es necesario trabajar con más datos del PSG para obtener mejores resultados.spaAttribution-NonCommercial-NoDerivs 2.5 MexicoAprendizaje profundo; mecanismo de atención; apnea del sueño; epilepsia nocturna del lóbulo frontal; codificación series en el tiempo.Tesis maestría