Predicción de crisis epilépticas utilizando el coeficiente de correlación producto-momento de Pearson a partir de un clasificador lineal de la distribución Gaussiana generalizada

Resumen Predecir una crisis epileptica significa la capacidad de determinar de antemano el momento de una crisis con la mayor precision posible. Un pronostico correcto de un evento epileptico en aplicaciones clinicas es un problema tipico en procesamiento de senales biomedicas, lo cual ayuda a un diagnostico y tratamiento apropiado de esta enfermedad. En este trabajo, utilizamos el coeficiente de correlacion producto-momento de Pearson a partir de las clases estimadas con un clasificador lineal, usando los parametros de la distribucion Gaussiana generalizada. Esto con el fin de poder pronosticar eventos con crisis y eventos con no-crisis en senales epilepticas. El desempeno en 36 eventos epilepticos de 9 pacientes muestra un buen rendimiento, con un 100% de efectividad para sensibilidad y especificidad superior al 83% para eventos con crisis en todos los ritmos cerebrales. El test de Pearson indica que todos los ritmos cerebrales estan altamente correlacionados en los eventos con no-crisis, mas no durante los eventos con crisis. Esto indica que nuestro modelo puede escalarse con el coeficiente de correlacion producto-momento de Pearson para la deteccion de crisis en senales epilepticas.