INVESTIGADORES
MONTANI Fernando Fabian
congresos y reuniones científicas
Título:
Herramientas de aprendizaje no supervisado para la caracterización de distintos estados de epilepsia
Autor/es:
NATANIEL MARTINEZ; MAURO GRANADO; FEDERICO MICELI; FERNANDO MONTANI
Reunión:
Congreso; RAFA: 108° REUNIÓN ANUAL DE FÍSICA; 2023
Resumen:
Los registros electrofisiológicos de la actividad cerebral de pacientes con epilepsia permiten indagar la dinámica del fenómeno epiléptico, pudiendo de esta manera caracterizar la señal eléctrica proveniente de los distintos electrodos encargados de registrar la actividad neuronal dependiente del tiempo. Además, desde un punto de vista neurológico, la correcta identificación de los electrodos intracraneales involucrados en el área responsable de la generación de crisis epilépticas, denominada zona epileptógena, permite la precisa distinción de dicha región de interés para su resección quirúrgica con el fin de cesar los ataques epilépticos.A través del uso de redes neuronales, se entrenó una red usando aprendizaje no supervisado, más precisamente conocidas como mapas de Kohonen o mapas autoorganizados, para producir una representación discreta del espacio de las muestras de entrada, el cual permitió identificar y caracterizar los diversos contactos pertenecientes a los electrodos localizados en distintas áreas estratégicas del cerebro e involucrados en el proceso epileptógeno. De esta manera se logró diferenciar los electrodos que poseen un rol más activo previo a una crisis, lo cual permite por un lado dar indicios de la localización de la zona epileptógena, y por el otro, estimar una predicción de unos minutos de antelación de la crisis epiléptica. De esta manera se logró diferenciar los electrodos que poseen un rol más activo previo a una crisis, lo cual permite por un lado dar indicios de la localización de la zona epileptógena, y por el otro, estimar una predicción de unos minutos de antelación de la crisis epiléptica. Esta investigación se centra entonces en el desarrollo de algoritmos de aprendizaje profundo que podrían ayudar a elaborar un sistema de alerta de convulsiones, en tiempo real, siempre activo y específico para pacientes con epilepsia refractaria.