Mejora de la clasificación EEG de sujetos alcohólicos y de control utilizando DWT-CNN-BiGRU con diversas técnicas de...

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Procesamiento de señales

Sus antecedentes:

• El análisis de la señal del electroencefalograma (EEG) es crucial para el diagnóstico del alcoholismo.
• El ruido y la complejidad de las señales EEG desafían la clasificación precisa.
• El preprocesamiento efectivo es vital para mejorar el rendimiento del modelo de aprendizaje profundo.

Objetivo del estudio:

• Evaluar el impacto de la transformada de onda discreta (DWT), la transformada de Fourier discreta (DFT) y la transformada de coseno discreta (DCT) en la clasificación de la señal EEG para el alcoholismo.
• Identificar la técnica de preprocesamiento óptima para mejorar los modelos de aprendizaje profundo en este ámbito.
• Introducir y validar un nuevo modelo DWT-CNN-BiGRU.

Principales métodos:

• Comparación de tres técnicas de eliminación de ruido: DWT, DFT y DCT.
• Desarrollo de un nuevo modelo de aprendizaje profundo: DWT-CNN-BiGRU, integrando CNN para las características espaciales y BiGRU para las dependencias temporales.
• Aplicación del escalamiento estándar junto con el preprocesamiento DWT.

Principales resultados:

• El enfoque basado en DWT logró la mayor precisión de clasificación (94%), precisión (0,94), recuerdo (0,95) y puntuación F1 (0,94).
• El modelo propuesto DWT-CNN-BiGRU demostró una mejora significativa de aproximadamente el 17% en la precisión de la clasificación en comparación con la línea de base DWT-CNN-BiLSTM.
• DWT surgió como el método de preprocesamiento superior para la clasificación de la señal EEG en este contexto.

Conclusiones:

• La Transformación de Ondas Discreta (DWT) es muy eficaz para el preprocesamiento de señales de EEG en la clasificación del alcoholismo.
• El modelo DWT-CNN-BiGRU propuesto ofrece un rendimiento mejorado para un diagnóstico fiable basado en EEG.
• Este estudio contribuye al desarrollo de herramientas más precisas para el diagnóstico médico utilizando datos de neuroimagen.