Análisis de datos funcionales aplicado en electroencefalogramas: agrupamiento por k-medias funcional

Autores/as

  • Wilmer Pineda Ríos Facultad de Estadística, Universidad Santo Tomás
  • Alexis Carrillo Ramírez Fundación Universitaria los Libertadores
  • Olga Garatejo Escobar Fundación Universitaria los Libertadores

DOI:

https://doi.org/10.15332/s2027-3355.2017.0001.07

Palabras clave:

electroencefalografía (EEG), datos funcionales, series de Fourier, aprendizaje automático, k-medias funcional, análisis de componentes principales funcionales.

Resumen

El análisis de datos funcionales se basa en el estudio de la función que describe la variabilidad de un conjunto de datos en un espacio de n muestras, y dentro de sus modelos se encuentra el análisis de conglomerados por k-medias funcional. Dado que la actividad cerebral responde a una función de onda de la carga eléctrica de las neuronas sobre el tiempo, observamos la oportunidad de aplicar el análisis de datos funcionales a este tipo de registros. El objetivo de este trabajo es describir la aplicabilidad del análisis de conglomerados por k-medias funcional para clasificación de la actividad cerebral en ratas Norvegicus Wistar. Se realizó la conversión de los registros en funciones de onda en bases de Fourier, las cuales fueron procesadas con análisis de componentes principales funcionales, algoritmo de k-medias funcional (k=6) y un análisis de correspondencias entre los conglomerados y las fases de actividad registradas manualmente en el hipnograma. Los conglomerados obtenidos hacen una categorización no supervisada consistente, especialmente en respecto a los atributos de frecuencia y regularidad de las ondas; elementos a tener en cuenta para la clasificación de señales. El análisis de datos funcionales es aplicable a la clasificación de registros de electroencefalograma, dado que toma un dato que es n-dimensional (en teoría infinito) y permite manejarlo como un único valor (una función de onda) y así ser procesado con diferentes técnicas de minería de datos.

Biografía del autor/a

Wilmer Pineda Ríos, Facultad de Estadística, Universidad Santo Tomás

Docente de Tiempo Completo 

Citas

Acharya, R., Faust, O., Kannathal, N., Chua, T. & Laxminarayan, S. (2005), ‘Nonlinear analysis of eeg signals at various sleep stages’, Computer methods and programs in biomedicine 80(1), 37–45.

Andersen, M., Antunes, I., Silva, A., Alvarenga, T., Baracat, E. & Tufik, S. (2008), ‘Effects of sleep loss on sleep architecture in wistar rats: gender-specific rebound sleep’, Progress in Neuro-Psychopharmacology and Biological Psychiatry 32(4), 975–983.

Ferraty, F. & Vieu, P. (2006), Nonparametric functional data analysis: theory and practice, Springer Science & Business Media.

Iber, C. (2007), The AASM manual for the scoring of sleep and associated events: rules, terminology and technical specifications, American Academy of Sleep Medicine.

Jacques, J. & Preda, C. (2014), ‘Functional data clustering: a survey’, Advances in Data Analysis and Classification 8(3), 231–255.

Moser, D., Anderer, P., Gruber, G., Parapatics, S., Loretz, E., Boeck, M., Kloesch, G., Heller, E., Schmidt, A., Danker-Hopfe, H. et al. (2009), ‘Sleep classification according to aasm and rechtschaffen & kales: effects on sleep scoring parameters’, Sleep 32(2), 139–149.

Peña, D. (2002), Análisis de datos multivariantes, Vol. 24, McGraw-Hill Madrid.

R Core Team (2013), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. *http://www.R-project.org/

Ramsay, J. O. & Dalzell, C. (1991), ‘Some tools for functional data analysis’, Journal of the Royal Statistical Society 3, 539–572.

Ramsay, J. O., Hooker, G. & Graves, S. (2009), Functional data analysis with R and MATLAB, Springer Science & Business Media. Ramsay, J. & Silverman, B. (2005), ‘Functional data analysis’.

Yamamoto, M. (2012), ‘Clustering of functional data in a low-dimensional subspace’, Advances in Data Analysis and Classification 6(3), 219–247.

Yamamoto, M. & Terada, Y. (2014), ‘Functional factorial k-means analysis’, Computational Statistics & Data Analysis 79, 133–148.

Publicado

2017-05-16

Cómo citar

Pineda Ríos, W., Carrillo Ramírez, A., & Garatejo Escobar, O. (2017). Análisis de datos funcionales aplicado en electroencefalogramas: agrupamiento por k-medias funcional. Comunicaciones En Estadística, 10(1), 129–144. https://doi.org/10.15332/s2027-3355.2017.0001.07

Número

Sección

Artículos