Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/92431Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Álvarez Terríquez, Andrés | |
| dc.date.accessioned | 2023-06-19T18:37:51Z | - |
| dc.date.available | 2023-06-19T18:37:51Z | - |
| dc.date.issued | 2022-07-13 | |
| dc.identifier.uri | https://wdg.biblio.udg.mx | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12104/92431 | - |
| dc.description.abstract | El acúfeno, también referido como tinnitus por su origen etimológico del latín tinnītus (tintineo), es un padecimiento descrito como la percepción de un sonido “fantasma” (similar al tono de un silbido, campana o zumbido), y es expresado de esta forma ya que no existe una fuente acústica que esté generando este sonido (Alonso-Valerdi L. M. y cols., 2017; Sedley W. y cols., 2016; Henry J. A. y cols., 2008). La percepción de este sonido puede ser unilateral o bilateral. Aproximadamente del 5 al 17% de la población adulta del mundo presenta esta condición, del cual el 1% de los casos son diagnosticados como crónicos (Espinosa-Sánchez J. M. y cols., 2014; Curet C., & Roitman D., 2016). Este padecimiento del acúfeno está muy relacionado con trastornos del comportamiento, tales como ansiedad, depresión, trastornos de sueño, entre otros, que pueden disminuir la capacidad de las personas para desempeñar sus actividades de forma adecuada (Pattyn, T. y cols., 2016; Zhang J. y cols., 2016; Ciminelli, P. y cols., 2018; Hou, S. J. y cols., 2020). Desafortunadamente hoy en día no existe un tratamiento que cure de forma efectiva el padecimiento del acúfeno. Sin embargo, en las últimas décadas se han desarrollado una variedad de terapias con la finalidad de reducir la percepción del acúfeno o habituar a la persona a éste, y que de esta manera se pueda desempeñar de forma adecuada en sus actividades cotidianas (Searchfield G. D. y cols., 2017). Actualmente, las principales formas en las que se evalúa el desempeño de estas terapias son por medio de cuestionarios, escalas visuales análogas (EVA) y pruebas de audiometría de tono puro (Nascimento I. P. y cols., 2018). Estos métodos son considerados como subjetivos debido a que los resultados obtenidos están basados en la descripción dada por los pacientes, así como de la interpretación de los resultados por parte del médico, lo que conlleva a un factor de prueba y error en el tratamiento a seguir para la recuperación del paciente. | |
| dc.description.tableofcontents | Índice general I. Introducción.......................................................................................................... 1 1.1 Antecedentes ................................................................................................. 4 1.1.1 Causas que generan el acúfeno .............................................................. 4 1.1.2 Tipos de acúfeno ..................................................................................... 4 1.1.2.1 Acúfeno objetivo y subjetivo .............................................................. 5 1.1.2.2 Acúfeno periférico y central ............................................................... 5 1.1.2.3 Acúfeno pulsátil y no pulsátil ............................................................. 5 1.1.2.4 Acúfeno crónico y refractario ............................................................. 6 1.1.3 Estructuras y vías cerebrales involucradas en el acúfeno ....................... 6 1.1.4 Tratamientos para el acúfeno ................................................................ 10 1.1.5 Registro de EEG en el estudio del acúfeno ........................................... 10 1.1.6 Aplicación de aprendizaje automático en el estudio del acúfeno........... 13 1.2 Planteamiento del problema ........................................................................ 15 1.3 Justificación ................................................................................................. 17 1.4 Hipótesis ...................................................................................................... 17 1.5 Objetivos ...................................................................................................... 18 1.5.1 Objetivo general..................................................................................... 18 1.5.2 Objetivos particulares ............................................................................ 18 II. Marco teórico..................................................................................................... 19 2.1 Metodologías para el estudio de señales de EEG ....................................... 19 2.1.1 Análisis de PREs ................................................................................... 19 2.1.1.1 Extracción de características mediante el análisis de PREs ........... 20 2.1.2 Análisis de coherencia........................................................................... 21 2.1.2.1 Extracción de características mediante el análisis de coherencia ... 22 2.1.3 Análisis de coeficientes Wavelet............................................................ 23 2.1.3.1 Extracción de características mediante el análisis de coeficientes Wavelet ....................................................................................................... 25 2.1.4 Análisis de microestados ....................................................................... 26 2.1.4.1 Extracción de características mediante el análisis de microestados28 2.2 Algoritmos de aprendizaje automático ......................................................... 29 ii 2.2.1 Árbol de decisión ................................................................................... 29 2.2.2 Medidas para la selección de atributos.................................................. 30 2.2.2.1 Ganancia de información................................................................. 30 2.2.2.2 Relación de ganancia ...................................................................... 31 2.2.2.3 Índice Gini........................................................................................ 32 2.2.3 Inducción de reglas CN2........................................................................ 33 2.2.4 Evaluación del desempeño de modelos de clasificación ....................... 34 III. Metodología...................................................................................................... 37 3.1 Base de datos y registros de EEG ............................................................... 39 3.2 Preprocesamiento de los registros EEG ...................................................... 42 3.2.1 Remuestreo y eliminación de ruido........................................................ 44 3.2.2 Identificación y eliminación de artefactos............................................... 46 3.3 Creación del conjunto de datos experimentales .......................................... 47 3.3.1 Implementación del análisis de PREs.................................................... 48 3.3.2 Implementación del análisis de coherencia ........................................... 49 3.3.3 Implementación del análisis de coeficientes Wavelet ............................ 51 3.3.4 Implementación del análisis de microestados........................................ 52 3.4 Análisis estadístico....................................................................................... 57 3.5 Evaluación e identificación de patrones mediante técnicas de aprendizaje automático ......................................................................................................... 57 3.5.1 Selección de características .................................................................. 58 3.5.2 Implementación de algoritmos de aprendizaje automático .................... 63 IV. Resultados....................................................................................................... 66 4.1 Análisis estadístico....................................................................................... 67 4.1.1 Diferencias significativas obtenidas entre el grupo de sujetos con acúfeno y el grupo de sujetos control en el análisis de PREs......................... 67 4.1.2 Diferencias significativas obtenidas entre el grupo de sujetos con acúfeno y el grupo de sujetos control en el análisis de coherencia ................ 71 4.1.3 Diferencias significativas obtenidas entre el grupo de sujetos con acúfeno y el grupo de sujetos control en el análisis de coeficientes Wavelet . 72 iii 4.1.4 Diferencias significativas obtenidas entre el grupo de sujetos con acúfeno y el grupo de sujetos control en el análisis de microestados ............ 74 4.1.4.1 Características relevantes del análisis de microestados encontradas: banda 0.5 – 44 Hz, filtro de mediana de orden 9......................................... 75 4.1.4.2 Características relevantes del análisis de microestados encontradas: banda 0.5 – 30 Hz ....................................................................................... 76 4.1.4.3 Características relevantes del análisis de microestados encontradas: banda delta (0.5 – 4 Hz).............................................................................. 78 4.1.4.4 Características relevantes del análisis de microestados encontradas: banda theta (4 – 8 Hz)................................................................................. 79 4.1.4.5 Características relevantes encontradas del análisis de microestados: banda alfa (8 – 13 Hz)................................................................................. 81 4.1.4.6 Características relevantes del análisis de microestados encontradas: banda gamma 1 (30 – 44 Hz)...................................................................... 83 4.2 Evaluación e identificación de patrones mediante aprendizaje automático . 83 4.2.1 Resultados de la clasificación en el análisis de PREs ........................... 85 4.2.2 Resultados de la clasificación en el análisis de coherencia................... 87 4.2.3 Resultados de la clasificación en el análisis de coeficientes Wavelet.... 89 4.2.4 Resultados de la clasificación en el análisis de microestados ............... 92 4.2.4.1 Características correspondientes al análisis de la banda de frecuencia 0.5 – 44 Hz y filtro de mediana de orden 9 implementado......... 92 4.2.4.2 Características correspondientes al análisis de la banda de frecuencia 0.5 – 30 Hz................................................................................. 95 4.2.4.3 Características correspondientes al análisis de la banda de frecuencia delta (0.5 – 4 Hz)........................................................................ 98 4.2.4.4 Características correspondientes al análisis de la banda de frecuencia theta (4 – 8 Hz) ........................................................................ 101 4.2.4.5 Características correspondientes al análisis de la banda de frecuencia alfa (8 – 13 Hz) ........................................................................ 104 4.2.4.6 Características correspondientes al análisis de la banda de frecuencia beta (13 – 30 Hz) ..................................................................... 106 iv 4.2.4.7 Características correspondientes al análisis de la banda de frecuencia gamma 1 (30 – 44 Hz) ............................................................. 109 V. Discusión ........................................................................................................ 112 5.1 Resultados obtenidos mediante las características de análisis de PREs .. 113 5.2 Resultados obtenidos mediante las características de análisis de coherencia ......................................................................................................................... 114 5.3 Resultados obtenidos mediante las características de análisis de coeficientes Wavelet ........................................................................................ 115 5.4 Resultados obtenidos mediante las características de análisis de microestados.................................................................................................... 116 5.5 Observaciones generales .......................................................................... 118 VI. Conclusión ..................................................................................................... 120 6.1 Trabajo futuro............................................................................................. 121 6.2 Productos Obtenidos.................................................................................. 121 Referencias ......................................................................................................... 122 Apéndices............................................................................................................ 130 Apéndice A. Número de conjuntos de características en los grupos de sujetos con acúfeno y sujetos control con distribución gaussiana y no gaussiana....... 130 Apéndice B. Desempeños de los modelos de árbol de decisión e inducción de reglas CN2 para cada característica con caso de empate en su valoración de ganancia de información .................................................................................. 131 Apéndice C. Artículo publicado en las memorias del 44° Congreso Nacional de Ingeniería Biomédica ....................................................................................... 144 Apéndice D. Artículo enviado a la Revista electrónica de Computación, Informática, Biomédica y Electrónica (ReCIBE)............................................... 148 | |
| dc.format | application/PDF | |
| dc.language.iso | spa | |
| dc.publisher | Biblioteca Digital wdg.biblio | |
| dc.publisher | Universidad de Guadalajara | |
| dc.rights.uri | https://www.riudg.udg.mx/info/politicas.jsp | |
| dc.subject | Biomarcadores | |
| dc.subject | Terapia Acustica | |
| dc.title | Biomarcadores para la caracterización de sujetos con acúfeno en terapias acústicas | |
| dc.type | Tesis de Maestría | |
| dc.rights.holder | Universidad de Guadalajara | |
| dc.rights.holder | Álvarez Terríquez, Andrés | |
| dc.coverage | GUADALAJARA, JALISCO | |
| dc.type.conacyt | masterThesis | |
| dc.degree.name | MAESTRIA EN CIENCIAS EN BIOINGENIERIA Y COMPUTO INTELIGENTE | |
| dc.degree.department | CUCEI | |
| dc.degree.grantor | Universidad de Guadalajara | |
| dc.rights.access | openAccess | |
| dc.degree.creator | MAESTRIA EN CIENCIAS EN BIOINGENIERO EN Y COMPUTO INTELIGENTE | |
| dc.contributor.director | Salido Ruiz, Ricardo Antonio | |
| dc.contributor.codirector | Ibarra Zárate, David Isaac | |
| Aparece en las colecciones: | CUCEI | |
Ficheros en este ítem:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| MCUCEI10490FT.pdf | 4.08 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.