dor_id: 45432

506.#.#.a: Público

590.#.#.d: Los artículos enviados a la revista "Journal of Applied Research and Technology", se juzgan por medio de un proceso de revisión por pares

510.0.#.a: Scopus, Directory of Open Access Journals (DOAJ); Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal (Latindex); Indice de Revistas Latinoamericanas en Ciencias (Periódica); La Red de Revistas Científicas de América Latina y el Caribe, España y Portugal (Redalyc); Consejo Nacional de Ciencia y Tecnología (CONACyT); Google Scholar Citation

561.#.#.u: https://www.icat.unam.mx/

650.#.4.x: Ingenierías

336.#.#.b: article

336.#.#.3: Artículo de Investigación

336.#.#.a: Artículo

351.#.#.6: https://jart.icat.unam.mx/index.php/jart

351.#.#.b: Journal of Applied Research and Technology

351.#.#.a: Artículos

harvesting_group: RevistasUNAM

270.1.#.p: Revistas UNAM. Dirección General de Publicaciones y Fomento Editorial, UNAM en revistas@unam.mx

590.#.#.c: Open Journal Systems (OJS)

270.#.#.d: MX

270.1.#.d: México

590.#.#.b: Concentrador

883.#.#.u: https://revistas.unam.mx/catalogo/

883.#.#.a: Revistas UNAM

590.#.#.a: Coordinación de Difusión Cultural

883.#.#.1: https://www.publicaciones.unam.mx/

883.#.#.q: Dirección General de Publicaciones y Fomento Editorial

850.#.#.a: Universidad Nacional Autónoma de México

856.4.0.u: https://jart.icat.unam.mx/index.php/jart/article/view/483/479

100.1.#.a: Arab, M R; Suratgar, A A; Martínez Hernández, V M; Rezaei Ashtiani, A

524.#.#.a: Arab, M R, et al. (2010). Electroencephalogram Signals Processing for the Diagnosis of Petit mal and Grand mal Epilepsies Using an Artificial Neural Network. Journal of Applied Research and Technology; Vol. 8 Núm. 01. Recuperado de https://repositorio.unam.mx/contenidos/45432

245.1.0.a: Electroencephalogram Signals Processing for the Diagnosis of Petit mal and Grand mal Epilepsies Using an Artificial Neural Network

502.#.#.c: Universidad Nacional Autónoma de México

561.1.#.a: Instituto de Ciencias Aplicadas y Tecnología, UNAM

264.#.0.c: 2010

264.#.1.c: 2010-04-01

653.#.#.a: Tonic?clonic epilepsy; petit mal epilepsy; Continuous Wavelet Transform (CWT); absence epilepsy

506.1.#.a: La titularidad de los derechos patrimoniales de esta obra pertenece a las instituciones editoras. Su uso se rige por una licencia Creative Commons BY-NC-SA 4.0 Internacional, https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es, para un uso diferente consultar al responsable jurídico del repositorio por medio del correo electrónico gabriel.ascanio@icat.unam.mx

884.#.#.k: https://jart.icat.unam.mx/index.php/jart/article/view/483

001.#.#.#: 074.oai:ojs2.localhost:article/483

041.#.7.h: eng

520.3.#.a: En este estudio, se presenta un nuevo método basado en redes neuronales y la transformada ondicular. El método presentado se usa para la clasificación de la epilepsia gran mal (clónica) y pequeño mal (de ausencia) en saludable, ictal e interictal (EEG). Se incluye el pre procesamiento para eliminar un artefacto causado por el parpadeo y una línea de base errante (movimiento de electrodos) así como un artefacto producido por el movimiento ocular usando la Transformada Ondicular Discreta (DWT). Otra función del pre procesamiento es la eliminación de ruido de las señales de EEG de la frecuencia de la fuente de alimentación AC con un filtro de eliminación adecuado. El pre procesamiento aumentó la velocidad y precisión de la etapa de procesamiento (transformada ondicular y red neuronal). Un neurólogo experto clasifica las señales de EEG en epilepsia normal, pequeño mal y clónica. La clasificación se corrobora por medio del análisis con Transformada Rápida de Fourier (FFT). El conjunto de datos incluye ondas tales como agudas, puntas y punta?onda lenta. Mediante la Transformada Ondicular Continua (CWT) de los registros del EEG, se capturan y separan correctamente características transitorias y se usan como entrada del clasificador. Introducimos un clasificador de dos etapas basado en redes de cuantización vectorial (LVQ) localizado en los contextos tiempo y frecuencia. Los coeficientes particulares de la Transformada Ondicular Continua (CWT) son redes. Los resultados de la simulación son muy prometedores y la exactitud del método propuesto es de alrededor del 80%.

773.1.#.t: Journal of Applied Research and Technology; Vol. 8 Núm. 01

773.1.#.o: https://jart.icat.unam.mx/index.php/jart

022.#.#.a: ISSN electrónico: 2448-6736; ISSN: 1665-6423

310.#.#.a: Bimestral

264.#.1.b: Instituto de Ciencias Aplicadas y Tecnología, UNAM

doi: https://doi.org/10.22201/icat.16656423.2010.8.01.483

harvesting_date: 2023-11-08 13:10:00.0

856.#.0.q: application/pdf

245.1.0.b: Electroencephalogram Signals Processing for the Diagnosis of Petit mal and Grand mal Epilepsies Using an Artificial Neural Network

last_modified: 2024-03-19 14:00:00

license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es

license_type: by-nc-sa

_deleted_conflicts: 2-1321ae2642cdab889a42ab2e9fec0cf8

No entro en nada

No entro en nada 2