Inteligencia computacional para la medición de presencia de dolor mediante el uso de señales electrofisiológicas
.
El dolor es un problema de salud que afecta a las personas física y emocionalmente.Para determinar el nivel de dolor experimentado, se realiza una encuesta que implicaautoevaluación por parte del paciente y capacidades de comunicación verbal o facial. En esteartículo, se presenta la comparación de los resultados de dos algoritmos computacionalespara dos tipos de clasificación: el primero discrimina entre dolor y no dolor, el segundoclasifica tres niveles de dolor. Los algoritmos empleados fueron Máquina de SoporteVectorial (SVM) y el método de Análisis de Discriminante Cuadrático (QDA). Se indujodolor agudo a 15 participantes por electroestimulación, se evaluó electromiografía (EMG),electrocardiografía (ECG), actividad electrodérmica (EDA),... Ver más
1794-1237
2463-0950
20
2023-12-19
4011 pp. 1
24
Revista EIA - 2023
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| Sumario: | El dolor es un problema de salud que afecta a las personas física y emocionalmente.Para determinar el nivel de dolor experimentado, se realiza una encuesta que implicaautoevaluación por parte del paciente y capacidades de comunicación verbal o facial. En esteartículo, se presenta la comparación de los resultados de dos algoritmos computacionalespara dos tipos de clasificación: el primero discrimina entre dolor y no dolor, el segundoclasifica tres niveles de dolor. Los algoritmos empleados fueron Máquina de SoporteVectorial (SVM) y el método de Análisis de Discriminante Cuadrático (QDA). Se indujodolor agudo a 15 participantes por electroestimulación, se evaluó electromiografía (EMG),electrocardiografía (ECG), actividad electrodérmica (EDA), y electroencefalografía (EEG), yse le pidió a los participantes reportar el dolor percibido mediante la escala análoga visual.Posteriormente se adquirieron características de las señales asociadas al dolor. Se realizarontres análisis: clasificación binaria con múltiples variables, binaria con una característica yclasificación de tres niveles con varias características. Se compararon los algoritmos SVM yQDA utilizando la matriz de confusión y el costo computacional. Para la clasificación binariala exactitud del SVM fue del 88,02% y del QDA del 70,78%, con un costo computacional de9,587s y 3,023s respectivamente.
|
|---|---|
| ISSN: | 1794-1237 |