Caracterización del Electroencefalograma mediante Entropía Multiescala para la Detección de la Somnolencia

• M. Borràs ^[3] ; R. Cambrodi ^[1] ; F. Clariá ^[2] ; G. Sampol ^[1] ; M. Vallverdú ^[4]
  1. [1] Hospital Vall d'Hebron

     Hospital Vall d'Hebron

     Barcelona, España

     
  2. [2] Universitat de Lleida

     Universitat de Lleida

     Lérida, España

     
  3. [3] Depto. ESAII, Escuela de Ingeniería de Barcelona Este (EEBE), Barcelona
  4. [4] Escuela de Ingeniería de Barcelona Este (EEBE), Barcelona

  Mostrar afiliaciones +
• Localización: Libro de Actas del XXXVI Congreso Anual de la Sociedad Española de Ingeniería Biomédica / coord. por María Gloria Bueno García, 2018, ISBN 978-84-09-06253-9, págs. 295-298
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen

  • La somnolencia diurna excesiva es uno de los síntomas provenientes de varios trastornos relacionados con el sueño. Diferentes investigaciones afirman que hay más personas afectadas de somnolencia diurna que las diagnosticadas clínicamente, por este motivo se realizan estudios clínicos para detectarla. Los protocolos para la identificación de somnolencia son complicados, largos y molestos para los pacientes. Esto conlleva a la necesidad de realizar estudios basados en el procesado de la señal electrocardiográfica (EEG) para la detección automática de esta enfermedad. El análisis de la señal EEG proporciona información valiosa y de forma no invasiva sobre el estado del paciente. Para caracterizar la somnolencia, en el presente estudio se han desarrollado dos metodologías basadas en el análisis lineal de la señal EEG en el dominio de la frecuencia (densidad de potencia espectral (PSD)) y en el análisis no lineal de la señal en el dominio del tiempo (entropía multiescala (MSE)). Para ello se ha analizado la señal EEG de 19 electrodos superficiales. Diferentes índices han sido definidos con el fin de describir el comportamiento del EEG entre pacientes con somnolencia diurna (CSD) y pacientes sanos (sin somnolencia diurna (SSD)). Se ha encontrado que tanto las técnicas MSE como PSD contribuyen a destacar las características del EEG de los dos grupos de pacientes (CSD y SSD) y por lo tanto, facilitan encontrar índices que caracterizan la enfermedad y así detectarla más fácilmente.