Clasificación de señales EEG con aumento de datos para la localización del foco epiléptico y la detección del sueño...

Área de la Ciencia:

• Neurociencia
• Aprendizaje automático
• Ingeniería biomédica

Sus antecedentes:

• La electroencefalografía (EEG) es vital para neurodiagnósticos como la localización del foco epiléptico y la detección de etapas del sueño.
• La escasez de datos de EEG anotados restringe el rendimiento y la generalización de los modelos de aprendizaje profundo.
• Los modelos de aprendizaje profundo requieren conjuntos de datos de entrenamiento diversos y robustos para aplicaciones clínicas.

Objetivo del estudio:

• Proponer un marco unificado de clasificación de EEG que utilice un aumento de datos ligero.
• Mejorar la robustez y la generalización de los modelos de aprendizaje profundo para el análisis de EEG.
• Investigar el impacto de técnicas de aumento simples en el rendimiento de la clasificación.

Principales métodos:

• Se implementaron tres técnicas de aumento de datos ligeras: desplazamiento temporal, escalado de amplitud y adición de ruido.
• Se evaluó el marco utilizando DeepConvNet, ShallowConvNet y EEGNet.
• Se probaron los modelos en dos conjuntos de datos públicos de EEG para tareas fisiológicas y patológicas.

Principales resultados:

• El aumento de datos mejoró consistentemente el rendimiento de la clasificación en todos los modelos y tareas probados.
• Se observaron mejoras significativas en el rendimiento: hasta un 2,06% para la detección del sueño profundo y un 4,07% para la localización del foco epiléptico.
• El aumento proporcionó beneficios adicionales incluso cuando la precisión del modelo de referencia ya era alta.

Conclusiones:

• El aumento de datos ligero mejora eficazmente la robustez y el rendimiento de la clasificación de los modelos de aprendizaje profundo basados en EEG.
• Las estrategias de aumento simples son particularmente beneficiosas en condiciones de datos limitados.
• El marco propuesto ofrece un enfoque práctico para mejorar la precisión del análisis de EEG en neurodiagnósticos clínicos.