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