System proposal for the diagnosis of epilepsy with classification techniques

La epilepsia es una anomalía cerebral que conlleva a sus pacientes a sufrir de convulsiones, lo que condiciona su comportamiento y estilo de vida. Los neurólogos utilizan un electroencefalograma (EEG) para diagnosticar esta enfermedad. Este examen ilustra el a través de señales, el comportamiento cerebral de una persona, permitiendo entre otras cosas, el diagnóstico de la epilepsia. A partir de un análisis visual de estas señales, los neurólogos identifican patrones como picos o valles, buscando algún indicio de desorden cerebral que lleve al diagnóstico de la epilepsia, de una forma meramente cualitativa. Sin embargo, aplicando un análisis basado en el análisis de señales de Fourier a través de la transformada rápida en el dominio de la frecuencia, se pueden identificar de forma cuantitativa patrones para diferenciar entre pacientes diagnosticados con la enfermedad y otros que no. En este artículo se realiza un análisis de la señal EEG para extraer características en pacientes ya clasificados como epilépticos y no epilépticos, las cuales se utilizaran en el entrenamiento de modelos basados en técnicas de clasificación como regresión logística, redes neuronales y máquinas de soporte vectorial. A partir de los resultados obtenidos con cada técnica, se realizó un análisis para decidir cuál de estas tres se comporta mejor.Epilepsy is a brain abnormality that leads its patients to suffer from seizures, which conditions their behavior and lifestyle. Neurologists use an electroencephalogram (EEG) to diagnose this disease. This test illustrates the signaling behavior of a person's brain, allowing, among other things, the diagnosis of epilepsy. From a visual analysis of these signals, neurologists identify patterns such as peaks or valleys, looking for any indication of a brain disorder that leads to the diagnosis of epilepsy, in a purely qualitative way. However, by applying an analysis based on Fourier signal analysis through rapid transformation in the frequency domain, patterns can be identified quantitatively to differentiate between patients diagnosed with the disease and others who are not. In this article an analysis of the EEG signal is performed to extract characteristics in patients already classified as epileptic and non-epileptic, which will be used in the training of models based on classification techniques such as logistic regression, neural networks and vector support machines. Based on the results obtained with each technique, an analysis was performed to decide which of these three behaves bette