Este artículo propone SincVAE, un novedoso método de aprendizaje profundo semisupervisado para la detección de crisis epilépticas mediante datos de electroencefalografía (EEG). Si bien los métodos de aprendizaje supervisado existentes presentan un rendimiento deficiente debido a la dificultad de etiquetar los datos de crisis epilépticas y al desequilibrio de los datos, SincVAE supera estos desafíos entrenándose únicamente con datos sin crisis. SincVAE integra el aprendizaje especializado de matrices de filtros paso banda en la primera capa de un autocodificador variacional (VAE), simplificando el preprocesamiento y permitiendo una detección eficaz de crisis y la monitorización pre y postictal.
