Sistema preliminar de detección, caracterización y alarma de episodios epilépticos en niños orientado a la UPC pediátrica

Ingeniero Civil EléctricoEl objetivo de este trabajo de memoria fue sentar las bases y avanzar en el desarrollo de un sistema automático de detección, caracterización y alarma de crisis epilépticas (CE) en señales de electroencefalograma (EEG), de registros de niños. El sistema final debe funcionar en tiempo real, y sin requerir conocimiento previo de las características particulares de las CE de cada paciente. Este trabajo se realiza junto con la Unidad de Paciente Crítico Pediátrica y el Departamento de Neurología de la Facultad de Medicina de la P. Universidad Católica de Chile. Las CE corresponden a una disfunción temporal del cerebro, espontánea e incontrolable, que en ocasiones están acompañadas por pérdida de conciencia, y se deben a excesivas descargas eléctricas sincronizadas de un grupo de neuronas. Se construyó una base de datos de 10 registros de EEG (5 de niños y 5 de adultos), con una duración promedio de 18 horas cada uno. Las CE encontradas fueron marcadas manualmente por expertos. Se utilizaron los 10 registros para entrenamiento y prueba. Se desarrollaron dos sistemas de detección: el primero funciona en forma batch, es decir, requiere revisar el registro completo para detectar; el segundo funciona online, detectando a medida que se adquiere el registro. El sistema batch fue la aproximación inicial, y el online se adapta a los requerimientos temporales del problema. Ambos sistemas aplican técnicas de procesamiento de señales como FFT, análisis espectral, umbrales y criterios de experto. Ambos utilizan una ventana de observación (VO) de 1,28 [s], y otra ventana atrasada de actividad basal (AB), que se posiciona en una zona sin CE, y se comparan características de cada una. También tienen en común la primera y la segunda etapa, en las cuales se realiza una extracción de características, como por ejemplo el cuociente entre la energía de VO y AB, y un preprocesamiento, que consiste en eliminar artefactos y aplicar un filtrado suavizador. En el sistema batch, en las etapas siguientes se identifica el patrón de las crisis, es decir, el canal y la banda de frecuencia que representa en forma preponderante a las CE del registro, y con ese patrón se fijan umbrales y criterios expertos para identificar las CE. En tanto, en el sistema online se generan candidatos a CE mediante umbrales adaptativos, y se les aplican criterios expertos para comprobar que efectivamente sean CE. Aplicado sobre todos los registros, el sistema batch logró identificar el 44,8% de las CE marcadas por expertos (tasa de VP), pero el 34,1% del total de CE identificadas por el sistema correspondió a falsas alarmas (tasa de FP). El sistema online logró una tasa de VP de 76,8%, con una tasa de FP de 50,0%. Sin embargo, aplicando los sistemas sólo sobre aquellos registros donde las CE se presentan con gran amplitud y en varios canales (5 registros del total de 10), el sistema batch logró una tasa de VP de 98,2% y una tasa de FP de 5,2%; y el sistema online una tasa de VP de 96,4% y una tasa de FP de 35,7%. Los resultados obtenidos son por episodios de CE, no por ventanas. Proponemos que la incorporación de otros criterios expertos, como por ejemplo medir la evolución en frecuencia de las señales de EEG, permitiría mejorar los resultados, y acercar al sistema a una solución más robusta para el problema propuesto