El MSc. Ing. Edgar Heriberto Ayala, estudiante del Doctorado en Ciencias de la Computación de la Facultad Politécnica de la Universidad Nacional de Asunción (FPUNA), posgrado cofinanciado por el Conacyt, logró una publicación científica internacional sobre inteligencia artificial aplicada a la detección de crisis epilépticas.
La investigación analiza registros de electroencefalograma (EEG) para identificar automáticamente crisis epilépticas y propone 25 características del dominio temporal, de las cuales 13 no contaban con antecedentes documentados para esta aplicación.
COMBINACIÓN
Los resultados mostraron que la combinación de características tradicionales y nuevas permitió mejorar el desempeño del modelo, que alcanzó un 86,59 % de detección correcta de las crisis, aproximadamente cinco puntos porcentuales más que utilizando únicamente características tradicionales.
El trabajo forma parte del proyecto EpilexIA, orientado al desarrollo de una herramienta de apoyo al diagnóstico de la epilepsia para el IPS, y reúne a investigadores de la UNA, el Hospital Central del IPS y la Universidad Kwangwoon de Corea del Sur.
El artículo “Real-Time Epileptic Seizure Detection from Raw EEG Using Classical Machine Learning and Time-Domain Features” fue publicado en la revista Machine Learning and Knowledge Extraction (MDPI), de acceso abierto y perteneciente al primer cuartil (Q1).