| Summary: | El electroencefalograma (EEG) es una forma eficaz y no invasiva de detectar cambios repentinos en la actividad neuronal del cerebro, que generalmente se produce debido a una descarga eléctrica excesiva en las células cerebrales. Las señales de EEG podrían ser útiles en la predicción de convulsiones inminentes si la máquina pudiera detectar cambios en los patrones de EEG. En este estudio, hemos propuesto una red neuronal convolucional (CNN) unidimensional para la detección automática de crisis epilépticas. El proceso automático puede ser conveniente en las situaciones en las que un neurólogo no está disponible y también ayudar a los neurólogos en el análisis adecuado de las señales de EEG y el diagnóstico de casos. Hemos utilizado dos conjuntos de datos de EEG disponibles públicamente, que se recopilaron de los dos países africanos, Guinea-Bissau y Nigeria. Los conjuntos de datos contienen señales de EEG de 318 sujetos. Hemos entrenado y verificado el rendimiento de nuestro modelo probándolo en ambos conjuntos de datos y obtuvimos la precisión más alta del 82,818%.
|
|---|