Detección de trastornos obsesivo-compulsivos mediante el conjunto de redes neuronales convolucionales basadas en EEG...

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• El trastorno obsesivo-compulsivo (TOC) afecta significativamente la vida de las personas debido a pensamientos intrusivos y comportamientos compulsivos.
• El diagnóstico precoz del TOC es crucial para una gestión y un tratamiento efectivos.
• Los métodos de diagnóstico actuales pueden consumir mucho tiempo y pueden no capturar todo el espectro del trastorno.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje profundo para el diagnóstico precoz del TOC utilizando señales de electroencefalografía (EEG).
• Comparar el rendimiento de los modelos individuales de Redes Neurales Convolucionales (CNN) previamente entrenados con un enfoque conjunto.
• Investigar la eficacia de los algoritmos de aprendizaje y optimización de transferencia en la detección del TOC basado en EEG.

Principales métodos:

• Utilizamos datos crudos del cuero cabelludo de pacientes con TOC.
• Desarrolló y afinó tres modelos de CNN pre-entrenados: EEGNet, Shallow ConvNet y Deep ConvNet.
• Implementó un conjunto de estos modelos de CNN utilizando el voto por mayoría ponderada, con pesos optimizados por el algoritmo de Evolución Diferencial (DE).

Principales resultados:

• Shallow ConvNet demostró un fuerte rendimiento individual con una precisión del 85,91%.
• El modelo conjunto logró resultados superiores, alcanzando una precisión del 87,03%, una sensibilidad del 82,21% y una especificidad del 96,69%.
• El modelo híbrido propuesto extrajo efectivamente las características distintivas del EEG para una identificación precisa del TOC.

Conclusiones:

• Los modelos de aprendizaje profundo, particularmente un conjunto de CNN, muestran una promesa significativa para el diagnóstico temprano y preciso del TOC utilizando señales EEG.
• Las técnicas de transferencia de aprendizaje y optimización mejoran las capacidades de diagnóstico de los sistemas basados en EEG.
• El modelo híbrido desarrollado ofrece una herramienta potencial no invasiva para el cribado clínico del TOC.