Maestr

1
Maestría en Tecnologías de la Información
Trabajo de Tesis
Análisis de la propagación de la señal
paroxística en EEGs utilizando técnicas de Data
Mining sobre múltiples canales
Directora Dra. Alicia Mon
Integrantes E. Santiago, P. Valenti
2
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

3
Objetivo

• Extender el trabajo realizado sobre detección
  automática de paroxismos en EEG utilizando
  técnicas de Data Mining analizando todos los
  canales, y aportando información del canal
  principal sobre el cual se propaga la señal
  paroxística.

• Beneficios
• Disminución considerable del tiempo de análisis
  por parte de los expertos
• Facilitar a los expertos la detección de la
  topología de la crisis epiléptica

4
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

5
Introducción a EEG y Epilepsia

• Definición de Epilepsia
• ElectroEncefaloGrama (EEG)
• EEG aplicado a la epilepsia
• Paroxismos
• Algunas definiciones

6
Epilepsia

• Afección neurológica crónica, recurrente y
  repetitiva, de fenómenos paroxísticos ocasionados
  por descargas de neuronas cerebrales de forma
  desordenada y excesiva

7
Electroencefalograma (EEG)
Ejemplo de EEG
8
EEG aplicado a la Epilepsia

• Confirmación del diagnóstico clínico
• Predicción de posibles recurrencias tras la
  disminución / supresión del tratamiento
  antiepiléptico
• Tipo y etiología de las crisis
• Detección de actividad Paroxística

9
Paroxismos
Ciertos grafoelementos que se presentan en un
muy alto porcentaje en pacientes epilépticos,
denominados grafoelementos epileptiformes
Punta onda Onda aguda Polipuntas
10
Alguna definiciones

• Actividad de base es el registro de la actividad
  eléctrica cerebral en condiciones de reposo o
  durante el sueño espontáneo, también llamada
  señal de base.
• Periodo Ictal El comienzo de la crisis o periodo
  ictal se define por el primer cambio eléctrico en
  el ritmo de base del EEG o alguna manifestación
  clínica que indica el inicio de la misma.
• Período Interictal Los periodos interictales son
  aquellos entre ataques de epilepsia (crisis), que
  pueden contener actividad de base o actividad
  paroxística.

11
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

12
Data Mining

• Data Mining o KDD es la extracción no trivial de
  información implícita, previamente desconocida y
  potencialmente útil de los datos
• Búsqueda de relaciones y patrones globales
  existentes en una gran base de datos, pero que
  están ocultos a simple vista, debido a la gran
  cantidad de información almacenada

13
Data Mining

• Fases del proceso de DM
• Selección de los datos
• Preprocesamiento de la información
• Data Mining
• Validación del modelo generado

14
Metodología sobre la que se basa la Tesis

• Detección de señales paroxísticas (punta onda,
  ondas agudas y polipuntas) sobre un mono-canal de
  un EEG utilizando un algoritmos de clasificación
  de Data Mining.

15
Metodología Paso 1
Los archivos de datos utilizados son señales EEG
de pacientes epilépticos asistidos en el Centro
de Epilepsia del Hospital Ramos Mejía de la
ciudad de Buenos Aires.
16
Metodología Paso 2
17
Metodología Paso 3

• Árboles de decisión J4.8
• Naive Bayes

18
Metodología Paso 4

• Matriz de confusión
• Cobertura de las marcas
• Curvas ROC

19
Metodología Validación contra expertos
20
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

21
Definición del problema

• Necesidad
• Detección de la zona del cerebro donde se origina
  la crisis en aquellos pacientes epilépticos
  candidatos a cirugía.
• Problema
• Los estudios que se realizan tienen una duración
  bastante prolongada, llegando en muchos casos a
  72 horas de grabación de señal EEG.
• Esto hace muy tedioso y agotador el trabajo de
  los expertos para el análisis de los mismos.
• Es fundamental en estos casos, poder confirmar
  que el foco está cercano a la lesión.

22
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

23
Procesamiento y análisis de los canales
Etapa 1
24
Procesamiento y análisis de los canales
Etapa 2
25
Procesamiento y análisis de los canales

• Selección de los datos
• Preprocesamiento de la información
• Aplicación de los modelos de detección de
  paroxismos
• Análisis de todos los canales

26
Selección de los datos

• Archivo de datos EEG
• Archivos de detecciones

27
Selección de los datos

• Modelos seleccionados

28
Preprocesamiento de la información

• Windowing
• Funciones de transformación
• R2 y I2
• sqr(R2 I2) y atan(I/R)

Hanning
Cuadrada
29
Preprocesamiento de la información
30
Aplicación de los modelos de detección de
paroxismos
Canal 0
Archivo preprocesado
Canal 1
Canal N-1
Modelo 1
Canal N
31
Agrupamiento de marcas
32
Casos a Procesar
33
Análisis de todos los canales

• Detección del canal principal
• Cálculo de la cobertura de las marcas
• Gráfica de todos los canales

34
Detección del canal principal
35
Cálculo de la cobertura de las marcas
Cobertura del canal principal
36
Gráfica de todos los canales
37
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

38
Análisis de los resultados
39
Análisis de los resultados
40
Análisis de los resultados
Análisis de las relaciones entre canales
41
Análisis de los resultados
42
Análisis de los resultados
43
Conclusiones

• Se ratificó la detección automática de paroxismos
  en EEGs de pacientes epilépticos, utilizando
  técnicas de Data Mining.
• Se pudo ratificar la existencia de una relación
  entre los canales, y determinar los grupos de
  canales asociados.
• Se desarrolló una herramienta que permite la
  detección automática de paroxismos y asistir a
  los expertos para determinar la propagación de la
  señal desde el canal principal hacia los demás
  involucrados.

44
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

45
Trabajos futuros

• Mejorar los modelos de detección, marcando los FP
  como señal de base y agregando los VP para
  aumentar la detección y mejorar la clasificación
• Modificar la herramienta para permitir
  seleccionar rangos de tiempo abarcando todos los
  canales, agruparlos y exportarlos
• Modificar la herramienta para eliminar un canal
  ruidoso del análisis

46
Agenda

• Objetivo de la Tesis
• Introducción a EEG y Epilepsia
• Data Mining y la metodología sobre la que se basa
  la Tesis
• Definición del problema
• Procesamiento y análisis de los canales
• Análisis de los resultados y Conclusiones
• Trabajos futuros
• Herramienta desarrollada

47
Preguntas
48
Archivo preprocesado
Declaración de los atributos o campos
Datos procesados
49
Archivo de marcas generadas

• La primera columna representa el número de
  registro
• La segunda columna representa la clasificación
  realizada por el modelo
• La tercera columna representa la probabilidad
  del registro a pertenecer a la clase asignada
• La cuarta columna representa la clasificación
  original

50
Archivo de detecciones

• Los registros se agrupan de a pares,
  identificando una detección
• La primera columna representa el número de
  muestra
• La segunda columna representa la el canal donde
  se encuentra el paroxismo
• La tercera columna representa un identificador
  de inicio (ISI) o fin (F) del paroxismo

51
Herramienta desarrollada
52
Herramienta desarrollada

• Configuración

53
Herramienta desarrollada

• Selección del EEG a graficar

54
Herramienta desarrollada

• Paroxismos detectados