Mostrar el registro sencillo del ítem
Hardware reconfigurable en la identificación de epilepsia basado en un algoritmo de Machine Learning
dc.contributor.author | Cuaspud Malua, Jefferson Arley | |
dc.contributor.author | Hoyos Jiménez, Anjhy Paola | |
dc.contributor.author | Timaná Meneses, Nancy Yadira | |
dc.contributor.other | I.E125A LAUREADA | es |
dc.contributor.other | LAUREADA | ES |
dc.date.accessioned | 2020-01-20T23:42:58Z | |
dc.date.available | 2020-01-20T23:42:58Z | |
dc.date.issued | 2019-11-29 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12276/674 | |
dc.description.abstract | La epilepsia es uno de los trastornos neurológicos crónicos más comunes en el mundo y se manifiesta presentando inicialmente como mínimo una crisis epiléptica, ocasionada por alteraciones eléctricas en un grupo de neuronas de una o múltiples regiones del cerebro. Esta enfermedad afecta a la población de diversas edades, manifestándose con mayor frecuencia en personas de temprana o avanzada edad donde “solo alrededor de un 20% de la población tiene acceso a un diagnóstico y tratamiento adecuado” (Informe sobre la Epilepsia en Latinoamérica). Su posible diagnóstico se realiza principalmente mediante exámenes físicos como la resonancia magnética nuclear, punción lumbar, tomografía computarizada y el electroencefalograma uno de los exámenes más complejos de analizar y relevantes para la valoración de la patología por adquirir señales eléctricas del cerebro donde con la ayuda de técnicas de aprendizaje automático se puede entrenar modelos de clasificadores. | es |
dc.language.iso | es | es |
dc.publisher | AUNAR | es |
dc.subject | Transformada de Wavelet | es |
dc.subject | ReliefFAttributeEval | es |
dc.subject | ecuación de Manhattan | es |
dc.title | Hardware reconfigurable en la identificación de epilepsia basado en un algoritmo de Machine Learning | es |
dc.type | Thesis | es |