Sistema neural de detección de huella neuronal digital, patrones y alerta por Inteligencia Artificial con amplificación Lock-in de ondas neurales para pacientes epilépticos

Estudiante: Flórez Realpe, Julio Andrés Y Director: Alex Marcelo, Tapia Y Codirector: Rojas Peña, Eduardo (2023) Sistema neural de detección de huella neuronal digital, patrones y alerta por Inteligencia Artificial con amplificación Lock-in de ondas neurales para pacientes epilépticos. Masters thesis, Universidad de Nariño.

	Text tesis.pdf Download (1MB)
	Text Presentación.pdf Download (5MB)
	Image poster.jpg Download (103kB)
	Text FORMATO DE EVALUACION DE TRABAJO DE GRADO MAESTRÍA (1) (1).pdf Download (110kB)

Resumen

La evolución y comprensión de la actividad cerebral es el mayor reto de la fisiología y la medicina. La dificultad de su comprensión radica en la gran cantidad de células y procesos involucrados. En el presente trabajo propongo un modelo físico-matemático cerebral que permite comprender la dinámica cerebral de millones de neuronas interconectadas. Mi modelo trata de explicar el origen de las ondas cerebrales, que ha sido uno de los mayores retos de la medicina, caracteriza el estado neuronal de un paciente y cuantifica parámetros microscópicos de funcionamiento interno neuronal a partir de parámetros macroscópicos medibles, aplicable al estudio de diversas enfermedades neurológicas como Alzheimer, Parkinson, epilepsia, entre otras. En este trabajo aplico mi modelo para comprender las ondas cerebrales de pacientes epilépticos y, como resultado, obtengo una función de probabilidad en el tiempo que permite determinar la ocurrencia de un ataque epiléptico. Esto permite alertar al paciente de una convulsión, evitando así los efectos secundarios a corto y largo plazo, tanto en población pediátrica como adulta, con un tratamiento médico oportuno. La aplicación experimental de mi modelo la realicé utilizando una base de datos abierta creada por MIT (Massachusetts Institute of Technology) y BCH (Boston Children’s Hospital), que contiene 43 GB de información con 916 horas de registro continuo de datos encefalográficos, donde se detectaron 173 ataques epilépticos en 23 hombres y mujeres con un amplio rango de edades. Los datos los analicé en un sistema Linux multicluster y desarrollé códigos en diferentes lenguajes de programación como Python, MNE y MATLAB, obteniendo diferentes curvas de probabilidad de crisis para 4 pacientes de esta base de datos. Este modelo abre la puerta a nuevos estudios neurológicos y nuevas herramientas médicas que pueden utilizarse en el diagnóstico clínico de diversas enfermedades mentales más allá de la epilepsia. En la sustentación de tesis los pares evaluadores fueron los docentes Mario Acero, Oscar Cadena y Javier Revelo

Tipo de Elemento:	Tesis (Masters)
Palabras Clave:	Neurofisiología, actividad cerebral, neuronas, memoria, neurotransmisores, fisiología médica, histología, biología celular y molecular, ondas cerebrales, enfermedades neurodegenerativas, epilepsia, Alzheimer, Parkinson, modelos físico-matemáticos, electroencefalografía (EEG).
Asunto:	Q Ciencias > QA Mathematics Q Ciencias > QC Physics R Medicina > R Medicine (General)
Division:	Facultad de Ciencias Exactas y Naturales > Programa de Física > Trabajos de grado
Depósito de Usuario:	Prof. Eduardo Rojas
Fecha Deposito:	13 Dec 2024 16:23
Ultima Modificación:	12 Nov 2025 21:55
URI:	http://sired.udenar.edu.co/id/eprint/14918

Ver Elemento