Clasificación de señales EEG. ¿Es posible la detección automática de focos epileptógenos?
Enviado por Martin Varela • 13 de Marzo de 2016 • Documentos de Investigación • 2.897 Palabras (12 Páginas) • 472 Visitas
Clasificación de señales EEG[pic 1]
¿Es posible la detección automática de focos epileptógenos?
Monografía vinculada a la conferencia del Prof. Ing. Franco Simini (NIB - Facultades de Medicina e Ingeniería) sobre "Novell EEG: a new concept of brain electrical activity recording for emergency and clinical appraisal" el 2 de Junio del 2015
Germán Mamberto
Resumen. El presente documento pretende dar una introducción a la complejidad existente en el diagnóstico de la epilepsia y responder si es posible lograr una herramienta de apoyo para dicho diagnóstico. Para esto se describe cómo es posible identificar los grafoelementos epileptógenos, llamados spikes, mediante la herramienta del electroencefalograma, y por qué es tan importante generar esta herramienta de apoyo que logre detectar automáticamente dichos spikes. Se analiza y se brinda un breve resumen de las principales estrategias aplicadas para el desarrollo de esta herramienta, y luego se presenta una de las técnicas más utilizadas en los estudios al respecto, conocida como teoría de Wavelet. Se describe en qué consiste esta teoría, cuáles son sus propiedades como herramienta de análisis de señales y su relación con el análisis de Fourier.
Palabras claves. EEG, Epilepsia, spikes, wavelets.
- Introducción
Las epilepsias constituyen uno de los trastornos neurológicos crónicos más comunes en el mundo, superando a varias enfermedades conocidas como ser el Parkinson. Se estima que la padecen 50 millones de personas, de las cuales cerca de 5 millones viven en Latinoamérica y el Caribe, donde al menos 60% de los pacientes no son diagnosticados o no reciben tratamiento. Faltan especialistas y los médicos generales a menudo no poseen los conocimientos adecuados sobre la epilepsia [1].
La herramienta de diagnóstico clásica para la Epilepsia es el electroencefalograma (EEG) el cual consiste en el registro eléctrico de las variaciones de las diferencias de potencial producidas por las células cerebrales [2]. Sin embargo, no todos los electroencefalografistas tienen un entrenamiento adecuado, además se suma el problema de que en muy pocos países existe la licenciatura en neurofisiología clínica. Como resultado de ello pueden existir errores de diagnósticos inducidos por incorrectas técnicas e informes EEG. Este problema real de salud mundial motiva esta investigación donde se intentará dar luz a la existencia de algún método automático de detección de focos epilépticos a través del análisis de las señales neuronales capturadas en el EEG.
- Señales bioeléctricas
El EEG es una representación gráfica en tiempo real de la actividad cerebral fluctuante. Esta señal es obtenida mediante la colocación de electrodos apropiados en determinadas áreas del cuero cabelludo, y mediante el electroencefalógrafo donde se visualiza los ritmos cerebrales [3]. La representación del EEG se da en un monitor representando una gráfica en 2D con los ejes de amplitud y tiempo, donde la amplitud de la señal está en el orden de los micro-voltios en el eje de las ordenadas y el tiempo en segundos en el eje de las abscisas [3].
Si bien los fenómenos que ocurren en la sinapsis son de naturaleza química, estos tienen efectos eléctricos laterales que se pueden medir. Los ritmos cerebrales capturados en un EEG suelen tener diferentes frecuencias eléctricas que se vinculan a las acciones y a diferentes estados de la conciencia. Frecuentemente se identifican cuatro ritmos importantes dentro del EEG de acuerdo a sus diferentes bandas (Figura 1), siendo considerado como ruido o artefacto cualquier señal que exceda la frecuencia de los 30 Hz [4]. | [pic 2] |
- Diagnóstico de Epilepsia
La epilepsia es un trastorno cerebral común caracterizado por ciertas descargas neuronales anormales en el cerebro que pueden provocar convulsiones y crisis de ausencia [5].
Su diagnóstico se basa generalmente en la presencia de focos epileptógenos típicos detectados mediante el EEG. Los grafoelementos típicos que indican estos focos se suelen llamar descargas paroxísticas, o más comúnmente spikes, y son ondas que aparecen y desaparecen de forma brusca en el trazado del electroencefalograma y que se diferencian de la actividad de fondo en morfología y amplitud. Son producidas por descargas anormales de las células del cerebro y puede darse tanto en forma parcial o generalizada, dependiendo del tipo de epilepsia. Si su duración es menor a 70 milisegundos y aparecen aisladas se las denomina puntas (spikes) y si dura entre 70 y 200 milisegundos son ondas agudas (sharp waves). También es frecuente las puntas que son seguidas de una onda lenta, denominadas punta-onda (spike and slow wave), o pueden aparecer varias puntas agrupadas, conocidas como polipunta (multiple spike) [2]. | [pic 3] |
Generalmente es muy difícil lograr un diagnóstico preciso de la epilepsia por varias razones: dos expertos humanos a menudo no marcan como spikes los mismos grafoelementos, la morfología de los spikes y la actividad de fondo es muy variable entre los pacientes, algunas puntas y ondas agudas pueden deberse a otros factores y no ser por epilepsia [6], [7]. También existen diferentes patrones eléctricos normales dados por los artefactos, como ser el parpadeo, movimiento, sudoración y los sistemas eléctricos del ambiente, que a simple vista pueden ser confundidos con puntas y ondas agudas [6], [7].
- Detección automática de spikes
Durante varios años el problema de detección automática de spikes ha sido abordado por varios métodos y diferentes enfoques. Sin embargo, las principales estrategias prácticamente siempre han seguido el mismo principio: en primer lugar segmentar el EEG previamente digitalizado para extraer atributos discriminativos (features) de las señales capturadas, y en segundo lugar proveer de un vector organizado con dichos atributos a un clasificador [8].
El enfoque habitual para el proceso de extracción de atributos de las señales EEG consiste en examinar los datos de EEG mediante la búsqueda de las características que se destaquen, ya sea por la morfología del grafoelemento o por eventos correlacionados asociadas con la epilepsia [5]. Los métodos para la extracción de estos atributos consisten en la realización de distintas combinaciones y transformaciones sobre las señales cerebrales recogidas en la etapa de adquisición. La extracción se puede hacer ya sea en el dominio del tiempo, en el dominio de la frecuencia, y/o en el dominio de tiempo-frecuencia. Dado que las señales del EEG son consideradas altamente no estacionarias [8], [9], en general, es más apropiado utilizar métodos en el dominio de tiempo-frecuencia. Los resultados de los estudios en la literatura han demostrado que el método de la Transformada Wavelet (TW) es sin dudas uno de los más prometedores para extraer estos atributos de las señales de EEG [9], [10]. A través de la descomposición wavelet de las señales EEG, las características transitorias se capturan y se localizan con precisión tanto en el contexto de tiempo como en el de la frecuencia [11].
...