Evaluación de técnicas del problema inverso para estudio del número de señales de electroencefalograma para mecanismos cognitivos

• Autor: Salazar Reque, Itamar Franco
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/1690
• Enlace del recurso: https://hdl.handle.net/20.500.12390/1690
• Nivel de acceso: acceso abierto
• Materia: Señales eléctricas; Imágenes digitales; Electroencefalograma; https://purl.org/pe-repo/ocde/ford#2.02.01

La electroencefalografía es un método no invasivo de monitoreo de las señales biológicas que genera el cerebro. Este método tiene diversas aplicaciones tanto en investigación como en aplicaciones clínicas, como es el caso de las discapacidades mentales. Para analizar estas señales se usan modelos que se basan en promedios, siendo estos pocos realistas y no permitiendo apreciar la interacción de las distintas áreas corticales y su influencia sobre las señales captadas, disminuyendo así la capacidad de análisis de éstas. Algunos modelos, como los modelos dinámicos causales (DCM), tienen como objetivo analizar las señales de electroencefalograma (EEG) de forma más realista teniendo en cuenta la interacción de las neuronas y sus diferentes conectividades. Para aplicarlo, se requiere de la ubicación de las fuentes neuronales, posicionadas en la corteza cerebral, que son las responsables de generar las señales de EEG. Para ello, diversas técnicas existen en la literatura para estimar la ubicación de dichas fuentes a partir de las señales de EEG, un problema conocido comúnmente como "problema inverso”. La aplicación de estas técnicas requiere generalmente de gran cantidad de electrodos para su análisis (>100). Por otro lado, en estudios clínicos es común el uso de equipos con una cantidad relativamente pequeña de electrodos (<40), por lo que el uso de las técnicas para resolver el problema inverso, con menor cantidad de electrodos, es de importancia. En la presente tesis se analizó el desempeño de diversas técnicas de inversión propuestas en la literatura (MNE, WMNE, LORETA, FOCUS, MFOCUSS y MSP). Este desempeño se midió para señales EEG sintéticas, con diferentes niveles de ruido y diferente número de electrodos; así como para señales EEG reales tomadas de un experimento auditivo que involucró 2 estímulos (Frecuente y No Frecuente) captadas con 128 electrodos. En ambos casos, la reducción de electrodos se hizo basándose en la potencia de la señal. En el análisis con datos sintéticos se encontró que MFOCUSS y MSP ubicaban siempre soluciones con las menores medias de error. MFOCUSS logró ubicar, en algunos casos, las fuentes sin error y MSP presentaba un error alrededor de 2cm. Esto fue cierto incluso para señales con SNR de hasta 10dB y con 32 electrodos. Al analizar los contrastes entre condiciones (No Frecuente > Frecuente) de las fuentes obtenidas con los datos reales se observó que MSP presentaba consistencia en las fuentes significativamente más activas (t-test con p<0.05 y corrección FWE) al reducir la cantidad de electrodos hasta 32.