Generación de señales EEG sintéticas para la implementación de modelos de machine learning en la detección de párkinson

Abstract

El presente proyecto de investigación tiene como objetivo realizar un primer acercamiento a la facilitación de acceso y uso de datos médicos, en específico señales de electoencefalografía (EEG), a los investigadores, ingenieros y profesionales de la salud mediante la generación de señales sintéticas, ya que estas cumplen con las regulaciones de protección de privacidad de datos médicos que hay actualmente al tratarse de datos considerados anónimos. Esta técnica permite aumentar considerablemente la cantidad de señales EEG para entrenar modelos de aprendizaje automático que tengan la capacidad de diagnosticar enfermedades neurodegenerativas, como la enfermedad de Parkinson, con una precisión elevada y una mayor fiabilidad de los resultados.

The objective of this research project is to carry out a first approach to the facilitation of access and use of medical data, specifically electroencephalography (EEG) signals, for researchers, engineers and health professionals through the generation of synthetic signals, since that these comply with the regulations for the protection of privacy of medical data that currently exist when dealing with data considered anonymous. This technique makes it possible to considerably increase the amount of EEG signals to train machine learning models that have the ability to diagnose neurodegenerative diseases, such as Parkinson's disease, with high precision and greater reliability of the results.