Trabajo de Fin de Grado
EEGScope
Clasificación académica TDAH/Control a partir de señales EEG.
Una aplicación web para explorar datos EEG, entrenar modelos ML/DL y obtener resultados agregados por paciente.
Sistema de apoyo académico. No constituye una herramienta de diagnóstico clínico.
Flujo completo
De una señal EEG a un resultado por paciente
Preparación de datos, modelado e inferencia en un flujo reproducible.
- 01
Carga
CSV con señales EEG multipaciente.
- 02
Procesado
Validación, filtrado y segmentación.
- 03
Modelo
Entrenamiento y evaluación cross-subject.
- 04
Resultado
Predicción TDAH/Control agregada por paciente.
Aplicación
Experimentación EEG desde una interfaz web
Carga datasets, ejecuta entrenamientos asíncronos, conserva el histórico y utiliza modelos disponibles para inferencia.
Mejor modelo disponible
Random Forest
Características temporales y espectrales
- AUC
- 0.83
- Folds
- 5
- Pacientes
- 121
Tecnología
Una arquitectura preparada para experimentar
Servicios independientes, reproducibles y desplegados con Docker.
- Python
- FastAPI
- React
- TypeScript
- scikit-learn
- TensorFlow
- PostgreSQL
- Celery
- Redis
- Docker
Evaluación cross-subject. Las ventanas de un mismo paciente permanecen en la misma partición para reducir el riesgo de fuga de información.