dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
| Títol variant: |
Application of transformers on the detection of epileptic seizures from electroencephalogram (EEG) data |
| Títol variant: |
Aplicación de transformers en la detección de ataques epilépticos a partir de datos de electroencefalograma (EEG) |
| Data: |
2022 |
| Resum: |
L'epilèpsia és un trastorn neurològic que afecta a més de 50 milions de persones a tot el món i pot arribar a causar la mort. Aquests atacs queden reflectits en els senyals d'electroencefalograma (EEG). Hi ha diverses bases de dades que recullen EEG de pacients, sense i amb atacs epilèptics. Aquest treball es centra a analitzar la base de dades d'EEG [5] per tal de veure patrons que serveixin per classificar els EEG entre senyals en els quals hi ha un atac i senyals en què no. Per fer-ho, per una banda, s'ha creat un entorn per crear transformers i poder ajustar els seus paràmetres. Per altra banda, s'han analitzat les dades que tenim i s'han vist que els canals que ens donen millors resultats són tant la mitjana com els canals C3 i C4 depenent del pacient i que els classificadors s'han de fer de manera individual, és a dir, s'han d'aprendre els comportaments de cada pacient per separat. |
| Resum: |
Epilepsy is a neurologic disorder that affects more than 50 million people worldwide and may even cause death. Seizures are reflected on the electroencephalogram (EEG) signals. There are multiple databases about patientwise epilepsy EEG data, both with and without seizures. This article focuses on analyzing the database [5] to find patterns that are useful for classifying the signals containing seizures from those that do not. To that end, an environment has been developed to allow for easy implementation and adjustment of transformer networks. At the same time, the provided database has been analyzed, and it has been found out that the most useful channels are either an average of every channel or channels C3 and C4 depending on the patient, and the classification models must be tailored to the patient, that is, each patient needs its model to be trained from its own data. |
| Resum: |
La epilepsia es un trastorno neurológico que afecta a más de 50 millones de personas en todo el mundo y puede llegar a causar la muerte. Estos ataques se reflejan en los electroencefalogramas (EEG). Hay varias bases de datos que recogen EEG de pacientes, con y sin ataques epilépticos. Este trabajo se centra en analizar la base de datos de EEG [5] para ver patrones que sirvan para clasificar los EEG entre señales donde hay un ataque y señales donde no. Para hacerlo, por un lado, se ha creado un entorno para crear transformers y poder ajustar sus parámetros. Por otro lado, se han analizado los datos que tenemos y se han visto que los canales que dan mejor resultado son tanto la media como los canales C3 y C4 dependiendo del paciente, y que los clasificadores se tienen que hacer de forma individual, es decir, se han de aprender los comportamientos de cada paciente por separado. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Català |
| Titulació: |
Grau en Enginyeria Informàtica [2502441] |
| Pla d'estudis: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau ; Text |
| Àrea temàtica: |
Menció Computació |
| Matèria: |
Epilèpsia ;
Transformers ;
Medicina ;
Recerca ;
Xarxes neuronals ;
Anàlisi de dades ;
Classificació d'EEG ;
Epilepsia ;
Investigación ;
Redes neuronales ;
Análisis de datos ;
Classificación de EEG ;
Epilepsy ;
Medicine ;
Research ;
Neural networks ;
Data analysis ;
EEG classification |
visitant ::
identificació
dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
