Page 58 - Ingeniantes 421 interactivo
P. 58

Revista Ingeniantes 2017 Año 4 No. 2 Vol. 1

resolución espacial [5]. Por otro lado, la RM es una           Red Bayesiana (RB): Definiciones esenciales.
técnica avanzada de registro de ondas electromagné-            La RB [10], [11] es una clase de modelos gráficos que
ticas generadas por el cuerpo humano, frecuentemen-            permiten una representación concisa de dependen-
te reportada con excelente resolución espacial, pero           cias probabilísticas entre un conjunto dado de variables
con pobre resolución temporal [6]. Debido a la baja            nXo=d{Xo1,…co,Xrpr}e, sepnofnodrme aa  de un grafo acíclico dirigido.   Cada
resolución temporal de la RM, existen reportes de que                                                  una variable aleatoria. Si el    arco
esta no es lo suficientemente rápida para distinguir           ddsdqeueeireingXvoiaaidtceaoaasaqbecluasusecauervlbnqibacuXiordiiene(Xrvjlju→ennnoroXtdFodi.oigoPdudaeXrorjaalnao2dlscne)a.“odepdamaodnpXroieiedpszo”earduXteeni ndaXeericc. leUoanadRiplrBaiag,RdiΠdrBoex,i
entre patrones asociados con diferentes estímulos
[7]. Sumado a esto, la RM tiene mayor complejidad en                         Π = {   |  → }    Ec. (1)
el proceso de registro, en comparación con el mismo
proceso en EEG [8]. En este trabajo se propone el uso
del modelo lineal de RB aplicado a señales EEG, para
detectar los patrones de distribución espacial de CFC.
Estos patrones pueden utilizar la clasificación de con-
figuraciones normales y anormales de la CFC, lo que
permitiría el uso de la RB como herramienta diagnós-
tica de enfermedades como la de Alzheimer, o la de
Parkinson [1], [4].

MATERIAL Y MÉTODOS
Descripción de la base de datos.
La base de datos consta de grabaciones de EEG de
sujetos pediátricos con convulsiones intratables [9].
Los sujetos fueron monitorizados durante varios días.
Las grabaciones están agrupadas en 22 casos (5 va-
rones, edad de 3 a 22 años, y 17 mujeres, edad de 1.5
a 19 años). Cada caso contiene registro de diferen-
cias de potencial eléctrico (en µV), con frecuencia de
muestreo de 256 muestras por segundo, y una resolu-
ción de 16 bits. Se utilizó el sistema internacional 10-20
de posicionamiento de electrodos, Figura 1. En este
caso, el significado de los símbolos es: FP Frontal-pa-
rietal, F Frontal, C Central, T Temporal, P Parietal y O
Occipital, con numeración par para el lado derecho e
impar para el lado izquierdo.

                                                               Figura 2. Detalle de la RB, nodo Xi con sus padres Xj y Xk.

                                                               Por el teorema de Bayes, la distribución conjunta de
                                                               Xp=e{nXd1e,…n,cXipa}eenstrteá  determinada por la estructura de         de-
                                                                                              cada nodo de la RB, y sus padres:

                                                                             PX(X) = ∏= 1  ( |Π )  Ec. (2)

                                                               En este trabajo se supone un modelo de dependencia
                                                               lineal entre  nXoi,ddoasd. oPsorloesjepmadprloe,ssΠi xΠi x(iv=e{rXFj,iXgku}r,ala5)d, sise-
                                                               tribución de
                                                               define por:

                                                                             Xi = β0 + β1 Xj + β2 Xk + error                           Ec. (3)

Figura 1. Nomenclatura y posicionamiento del Sistema Interna-  Dqmuoeenndtmee.idβEe0lnetéslareminl ifinnluoteenrecrcreiaoprtdode,eyXnjβoy1tayXkβus2noasbovrnealroiXasib, prleeasraáplmeeacetttoirvoraias-
cional para el montaje de electrodos EEG.                      con distribución gaussiana. El cálculo de estimaciones
                                                               sobre los parámetros de la RB se llama Aprendizaje de
                                                               la RB [12]. Para este fin, en el presente trabajo se utiliza
                                                               el Algoritmo de Causalidad inductiva, implementado en
                                                               R a través del paquete bnlearn [13].

54
   53   54   55   56   57   58   59   60   61   62   63