Propuesta para la monitorización de estados de sedación en señales electroencefalográficas

Durante un procedimiento quirurgico es esencial inducir al paciente estados de inconsciencia, amnesia, analgesia y relajacion muscular, sin embargo, debido a la inexactitud en la monitorizacion de la anestesia  se reportan casos de despertar intraoperatorio. A causa de la incidencia de este fenomeno, el Centro de Estudios de Neurociencias, Procesamiento de Imagenes y Senales en la Universidad de Oriente, Cuba, lleva a cabo la implementacion de un prototipo de monitor de anestesia basado en el reconocimiento automatico de estados de sedacion en las senales electroencefalograficas usando tecnicas de Inteligencia Artificial. Para alcanzar el objetivo propuesto se evaluo el desempeno de un clasificador Naive Bayes y tres Maquinas de Aprendizaje: Redes Neuronales Artificiales con cinco topologias diferentes, Sistemas de Inferencia Difusa basada en Redes Adaptativas y las Maquinas de Soporte Vectorial para reconocer tres estados de sedacion caracterizados por nueve parametros de potencia obtenidos a partir del espectro de frecuencia de las senales registradas por los canales electroencefalograficos frontales F4 y Fz. Como resultados de los experimentos se reconocieron los estados de Sedacion Profunda, Sedacion Moderada y Sedacion Ligera con una Exactitud de 96.12%, 90.06% y 90.24% respectivamente usando las Maquinas de Soporte Vectorial y los registros del canal electroencefalografico F4.