Análisis de las ondas EEG mediante Transfer Learning para la detección de migraña episódica

• Autores: Ayala Aymar, Miluska Aracely, Temple Montoya, Lucero Rubi
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/11245
• Enlace del recurso: https://hdl.handle.net/20.500.12867/11245
• Nivel de acceso: acceso abierto
• Materia: Migraña; Señales EEG; Aprendizaje por Transferencia; Potenciales evocados auditivos; Trastorno neurológico; https://purl.org/pe-repo/ocde/ford#2.06.00

La migraña es un trastorno neurológico que afecta la percepción sensorial, lo que lleva a síntomas como dolores de cabeza y fotofobia. La electroencefalografía (EEG) es fundamental a nivel mundial para su diagnóstico, sin embargo, su costo y la infraestructura limitada restringen su accesibilidad en regiones como Perú, donde la prevalencia es alta, especialmente en áreas mineras. Actualmente, el diagnóstico de la migraña se basa en cuestionarios autoinformados, mientras que la Inteligencia Artificial (IA) ofrece un enfoque más objetivo al clasificar patrones de migraña en los datos de EEG mediante Transferencia de Aprendizaje. Este estudio entrenó un modelo basado en Transferencia de Aprendizaje, utilizando la red VGG16 con datos de EEG de 35 voluntarios proporcionados por la Universidad Carnegie Mellon. El modelo alcanzó un 88% de precisión al diferenciar entre pacientes con migraña y controles sanos, con el rendimiento evaluado mediante métricas como sensibilidad y especificidad. Este enfoque ofrece una herramienta diagnóstica accesible y de bajo costo que podría aplicarse a otras afecciones neurológicas.