Memoria para optar al título de Ingeniero Civil Matemático / La ciencia de los datos y el aprendizaje de máquinas son un conjunto de técnicas y herramientas que han permitido gran desarrollo en diversas áreas de la técnica y las ciencias naturales. Las técnicas utilizadas en general no son necesariamente nuevas, sin embargo, el aumento explosivo en la capacidad de almacenamiento de datos y cómputos han hecho que estas herramientas hayan sido más aplicadas que nunca y su creciente fama puede deberse a la efectividad que tienen. Una de las áreas que se ha visto influenciada por este tipo de aplicaciones es la biomedicina. Un desafío importante en neuropsiquiatría es tener exámenes objetivos que indiquen presencia de trastornos psiquiátricos por sus anormalidades a nivel fisiológico. Se han realizado diversos esfuerzos en esta línea, muchos con buenos resultados, aunque esto todavía no se emplea a nivel clínico. En la presente memoria se evalúa la capacidad discriminativa de las mediciones de electroencefalografías para diferenciar poblaciones clasificadas previamente por expertos. Este trabajo busca ahondar en esta línea, mostrando que no sólo es posible para adultos, sino que también para niños y adolescentes. Junto a esto, se estudia el caso de la diferenciación utilizando grabaciones realizadas con un sistema de adquisición de bajo costo. Para responder a estas interrogantes se diseña una metodología basada en ciencia de los datos y aprendizaje de máquinas para evaluar la capacidad de discriminación del EEG en reposo en trastornos psiquiátricos relacionados con la esquizofrenia. Se conducen dos experimentos, el primero con grabaciones de EEG clínico de adolescentes rusos sin tratamiento farmacológico, con síntomas asociados a esquizofrenia y sin síntomas; y el segundo con grabaciones de EEG tomadas con un hardware comercial de bajo costo a adultos chilenos en tratamiento farmacológico diagnosticados con esquizofrenia u otro trastorno psiquiátrico. Esta discriminación se plantea como un problema de clasificación. La evaluación se realiza a través de un test estadístico de diferencia de medianas no paramétrico a los puntajes asignados por los clasificadores. Los resultados muestran que los clasificadores diferencian a ambas poblaciones de adolescentes con una significancia estadística del 0.1% con todos los métodos estudiados, se determinan además familias de características relevantes. El segundo caso logra una diferenciación con una significancia estadística del 5% para uno de los métodos empleados. Se estima que esto se puede mejorar con más datos, ajuste de los parámetros de los métodos y con la toma de datos de más datos. / CMM Conicyt PIA AFB170001

Ingeniero Civil Eléctrico / La identificación de husos sigma se realiza manualmente por expertos en la medicina del sueño. El proceso consiste en inspeccionar el electroencefalograma (EEG) de los registros polisomnográficos y marcar los intervalos en los que se observan los patrones. Este proceso es bastante tedioso y complicado, especialmente considerando que se buscan patrones de onda que no suelen durar más de algunos segundos en registros de aproximadamente 8 horas. Para aliviar el trabajo de los expertos se han desarrollado sistemas automáticos de detección de husos sigma capaces de identificar estos patrones en el EEG. En esta memoria se propone un nuevo método de detección automático de husos sigma en que se entrenan las formas de onda de un diccionario, usando un algoritmo de aprendizaje supervisado, para que éstas sean representativas de los husos sigma. Posteriormente, se utiliza un modelo de descomposición de señal para descomponer la señal de un canal del EEG en un número finito de componentes representados por la convolución entre las formas de onda del diccionario aprendido y un conjunto de trenes de pulsos que indican los intervalos de la señal donde se identifican patrones de onda semejantes a las formas de onda del diccionario aprendido. Los intervalos de la señal que son descompuestos por el modelo de descomposición, son consideradas como las detecciones del método, debido a que estos intervalos presentan una alta correlacción con las formas de onda representativas de los husos sigma que componen el diccionario aprendido. En el desarrollo de este método se utilizó un único registro polisom- nográfico de un niño de 10 años, con el cual se formaron los conjuntos de entrenamiento y de prueba usando fragmentos del registro en la etapa de sueño N2. El método obtuvo resultados preliminares satisfactorios que verifican su capacidad para detector husos sigma en la etapa de sueño N2 de un registro polisomnográfico, con una tasa de verdaderos positivos promedio de 85,080 % y una tasa de falsos positivos promedio de 14,995 %. El método de detección de husos sigma propuesto ofrece una metodología novedosa que no utiliza los usuales métodos espectrales para analizar el EEG. Además con este proceso se obtiene un diccionario con formas de onda representativas de los husos sigma que se puede utilizar para estudiar y caracterizar los husos sigma detectados por el método.