Resumen de Propuesta para la monitorización de estados de sedación en señales electroencefalográficas
Tahimy González Rubio, Jorge Luis Drullet Ferrer, Yissel Rodríguez Aldana, Enrique Marañón Reyes, Arquímedes Montoya Pedrón
Durante un procedimiento quirúrgico es esencial inducir al paciente estados de inconsciencia, amnesia, analgesia y relajación muscular, sin embargo, debido a la inexactitud en la monitorización de la anestesia se reportan casos de despertar intraoperatorio. A causa de la incidencia de este fenómeno, el Centro de Estudios de Neurociencias, Procesamiento de Imágenes y Señales en la Universidad de Oriente, Cuba, lleva a cabo la implementación de un prototipo de monitor de anestesia basado en el reconocimiento automático de estados de sedación en las señales electroencefalográficas usando técnicas de Inteligencia Artificial. Para alcanzar el objetivo propuesto se evaluó el desempeño de un clasificador Naive Bayes y tres Máquinas de Aprendizaje: Redes Neuronales Artificiales con cinco topologías diferentes, Sistemas de Inferencia Difusa basada en Redes Adaptativas y las Máquinas de Soporte Vectorial para reconocer tres estados de sedación caracterizados por nueve parámetros de potencia obtenidos a partir del espectro de frecuencia de las señales registradas por los canales electroencefalográficos frontales F4 y Fz. Como resultados de los experimentos se reconocieron los estados de Sedación Profunda, Sedación Moderada y Sedación Ligera con una Exactitud de 96.12%, 90.06% y 90.24% respectivamente usando las Máquinas de Soporte Vectorial y los registros del canal electroencefalográfico F4.
