Go top
Paper information

Análisis comparativo entre FFT, EMD y EEMD para la detección de epilepsia

A comparative analysis between FFT, EMD, and EEMD for epilepsy detection

L. Dorado-Romero, M. Bueno-López, J. Cifuentes

Ingeniería Vol. 29, nº. 2, pp. e21311-1 - e21311-20

Original summary:

Contexto: La epilepsia es una enfermedad neurológica que afecta a más de 50 millones de personas en todo el mundo, provocando convulsiones recurrentes, con un impacto significativo en la calidad de vida de los pacientes debido a actividad neuronal anormalmente sincronizada.

Métodos: Este artículo analiza tres métodos empleados para el análisis de señales en pacientes diagnosticados con epilepsia. Los métodos de descomposición de señales convencionales, como la transformada rápida de Fourier, ampliamente utilizada en el análisis de señales basado en técnicas de series de tiempo, presentan algunos problemas al analizar señales no lineales y no estacionarias, así como dificultades para detectar frecuencias de bajo orden.

Resultados: Para superar estas limitaciones, se han desarrollado alternativas como la descomposición empírica de modos y una de sus variantes, llamada descomposición modal empírica de conjunto. Estas técnicas permiten observar diferentes modos de oscilación mediante las funciones de modo intrínseco y las frecuencias instantáneas.

Conclusiones: En este estudio se compararon los resultados obtenidos mediante las técnicas mencionadas, revelando el impacto de los métodos no lineales en la reconstrucción de la actividad cerebral.


English summary:

Context: Epilepsy is a neurological disease that affects more than 50 million people worldwide, causing recurrent seizures, with a significant impact on patients' quality of life due to abnormally synchronized neuronal activity.

Method: This article discusses three methods used for signal analysis in patients diagnosed with epilepsy. Conventional signal decomposition methods, such as the fast Fourier transform, widely used in signal analysis based on time series techniques, have some issues when analyzing nonlinear and non-stationary signals, in addition to difficulties in detecting low-order frequencies.

Results: To overcome these limitations, alternatives such as empirical mode decomposition and one of its variants, called ensemble empirical mode decomposition, have been developed. These techniques allow observing different oscillation modes through intrinsic mode functions and instantaneous frequencies.

Conclusions: In this study, the results obtained through the aforementioned techniques were compared, revealing the impact of nonlinear methods on the reconstruction of brain activity.


Spanish layman's summary:

Este estudio analiza tres métodos para el análisis de señales en pacientes con epilepsia. Los métodos tradicionales, como la transformada de Fourier, tienen limitaciones. Alternativas como la descomposición modal empírica (EMD) son más eficaces. Los resultados destacan el impacto de EMD.


English layman's summary:

The study explores 3 methods for signal analysis in epilepsy patients. Traditional methods like Fourier transform face challenges with nonlinear signals. Methods based on empirical mode decomposition (EMD) are more effective. Results highlight EMD's impact on brain activity analysis.


Keywords: convulsiones, Descomposicion Empírica de Modos, electroencefalograma, epilepsia, Frecuencias Instantáneas, Funciones de Modo Intrínseco, metodología, modos de oscilación, no-estacionaria, no-lineal; electroencephalogram, Empirical Mode Decomposition, epilepsy, Instantaneous Frequency, Intrinsec Mode Functions, methodology, non-lineal, non-stationary, oscillation modes, seizures


JCR Impact Factor and WoS quartile: 0,400 - Q4 (2023)

DOI reference: DOI icon https://doi.org/10.14483/23448393.21311

Published on paper: May 2024.

Published on-line: July 2024.



Citation:
L. Dorado-Romero, M. Bueno-López, J. Cifuentes, Análisis comparativo entre FFT, EMD y EEMD para la detección de epilepsia. Ingeniería. Vol. 29, nº. 2, pp. e21311-1 - e21311-20, May 2024. [Online: July 2024]


    Research topics:
  • Data analytics