Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Dinámica Cerebral, Sistemas BCI, Caracterización de Señales EEG

No description
by

JE Munoz

on 15 October 2012

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Dinámica Cerebral, Sistemas BCI, Caracterización de Señales EEG

DINÁMICA CEREBRAL, SISTEMAS BCI Y SU INTERACCIÓN CON EL EEG Se define como la ciencia y la tecnología de dispositivos y sistemas de respuesta a los procesos neuronales en el cerebro que generan movimientos motores y procesos cognitivos. INTERFAZ CEREBRO
COMPUTADOR El objetivo principal de las BCIs es permitir una comunicación directa de una persona con algún sistema en particular mediante la captación e interpretación de señales bioeléctricas del cerebro. PARA QUE SIRVEN Reanimación de los miembros paralizados
El control de dispositivos robóticos
El envió y análisis de los datos hacía un ordenador. COMO FUNCIONAN? (10-100)mV EMOTIV EPOC PERIFÉRICOS
COMERCIALES NEUROSKY MINDSET BCI no invasiva.
Tiene incorporado 14 extensiones de electrodos
El casco es totalmente inalámbrico, permitiendo así al usuario moverse libre y naturalmente
Incluye un giroscopio que le permite movimientos de la cabeza para controlar la cámara o el cursor
Los sensores del casco se adhieren a la cabeza como los audífonos, sin necesidad de algún gel como en los EEG. BCI comercial no invasiva
Se soporta del EEG como principio de funcionamiento
Cuenta con un solo electrodo que tiene contacto en la frente del usuario
Utiliza una tecnología denominada “ThinkGear” que procesa las señales eléctricas análogas generadas por la actividad neuronal, convirtiéndolas en señales digitales.
Utiliza un sistema inalámbrico Bluetooth de comunicación y su presentación es en forma de diadema. (cc) image by nuonsolarteam on Flickr PROPUESTA Desarrollar una aplicación que permita experimentar con datos de EEG recolectados usando el Emotiv EPOC.
Utilizar la transformada de Hilbert para hallar las distintas frecuencias de sincronización asociadas con correlatos neurales en señales de superficie EEG. Recolección Clasificación FINALMENTE Se identificaran las frecuencias de sincronización del vector de fase asociado con la representación neuronal de las actividades sensoriomotrices. MACROSCÓPICO MESOSCÓPICO MICROSCÓPICO ESPACIO DE ESTADO Y VECTOR DE CARACTERÍSTICAS DE LAS BCI Walter J. Freeman DINÁMICA CEREBRAL Y PROCESOS DE SINCRONIZACIÓN Brain Dynamics, Hermann Haken Análisis de la Señal Procesos y sistemas estudiados con Micro-Electrodos, pueden referirse a canales iónicos o simples neuronas.
La actividad microscópica evocada por los receptores de entrada en las sensaciones (dato proveniente de los sentidos) induce el nacimiento de la actividad mesoscópica en la percepción. El nivel microscópico se estudia a través de los trenes de espiga, un tren de espiga es una serie de potenciales de acción discretas de una neurona tomado como una serie temporal. Son agrupados dentro de conjuntos de vectores característicos espacio-temporales de la actividad de espiga múltiple (MSA) en pasos de 50-250 ms. La escala macroscópica corresponde a las escalas más grandes posibles que existen para medir la actividad cerebral. Esta sería la dinámica relacionada con los mapas, o sistemas, cortico-talámicos, o interacciones cortico-corticales, normalmente medidos con PET (tomografía por emisión de Positrones), fMRI, u otras técnicas de imágenes cerebrales que permiten la captura de las dinámicas asociadas con los flujos de sangre y el metabolismo. En este nivel se encuentra el estudio del potencial producido en el cuero cabelludo. El EEG es la exploración neurofisiológica más utilizada en los sitemas BCI. La dinámica Mesoscópica del cerebro por lo general se refiere a la actividad neural o la dinámica a escalas intermedias del sistema nervioso, en niveles entre las neuronas y el cerebro entero.
Se considera generalmente que se refieren a la dinámica de las redes neuronales corticales, típicamente en el orden espacial de unos pocos milímetros a centímetros, y temporalmente en el orden de milisegundos a segundos. Se utilizan Potenciales de Campo Localizados (LFP) y Electro-Corticogramas (EcoG) El Emotiv EPOC es capaz de recolectar datos relacionados a la actividad cerebral ante estímulos visuales, el sistema capta 30 tipos de expresiones, emociones y acciones distintas.
Los nombres de los canales que posee el EPOC basados en las locaciones internacionales 10-20 son: AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4. SDK Research Edition
Grabación y reproducción de archivos en formato binario para EEGLAB.
Línea de comandos para la conversión de archivos incluida para producir formato "csv". ANÁLISIS DE SERIES DE TIEMPO EEG ECG El análisis en series de tiempo Electrocardiográfico es un campo novedoso de investigación de algunos problemas aún no solucionados tales como:
Identificación realizable de la onda P
Identificación de cambios isquémicos y no isquémicos en el ST.
Estimación realizable del intervalo QT
Filtrado robusto de señal o separación de fuentes.
Identificación de mala colocación de electrodos
Problema Inverso
Modelamiento de ECG y fijación de parámetros
Métricas predictivas, clasificación de parámetros de enfermedad y mapeo superfice ECG. La desporalización auricular da comienzo a la onda P inmersa en la línea base ruidosa de la señal.
La identificación de esta señal es importante para análisis de variabilidad interlatido, la cual se utiliza el complejo QRS como marca fiducial.
Filtros Tipo Kalman permiten la remoción de hasta el 98% del ruido de línea base y del ruido de la red. Marcadores de elevación o de depresión del segmento ST-TQ son indicadores de isquemia presente dentro del músculo cardiaco. Sin embargo ellos se ven alterados por artefactos de movimiento y algunas afecciones como isquemia silente.

Análisis tipo frecuencia tipo Cohen y la Transformada Hilbert-Huang, son herramientas que permiten la distinción característica de estos segmentos en isquemia. Medidas reales del intervalo QT se deben ajustar por la edad y la frecuencia cardiaca, al igual que la prolongación del QRS. Existe una predisposición latente entre el alargamiento del intervalo QT y las arritmias letales.
Los cambios morfológicos y de duración en el complejo QRS y QT son debidos a variabilidad interlatido y cambios en el sistema simpático.
Filtrados lineales y no lineales son herramientas utilizadas para generar precisión en la duración y forma de estos complejos. La señal de ECG esta inmersa en todas las señales eléctricas del cuerpo; modula la señal neuronal pero es modulada por la señal muscular.
Análisis de componentes principales (PCA) y Análisis de señales Independientes (ICA) y BSP son herramientas promisorias para separar el ECG de su entorno bioeléctrico. Aunque los electrodos para la electrocardiografía tienen una colocación definida desde el trabajo de Eithoven pueden existir malas colocaciones o movimientos involuntarios durante la obtención de la señal. La mayoría de los clasificadores autónomos asumen un nivel de amplitud, una duración y una morfología específica para cada electrodo.
Separación ciega de fuentes de señales no correlacionadas (Feto Madre) o de mala colocación de electrodos conllevan a separación y clasificación de vectores de estado del ECG El problema inverso intenta obtener las fuentes a partir de la señal cardiaca, este problema no tiene única solución. Técnicas de cálculo multivariado e inversión de matrices altamente rígidas son utilizadas para la solución de este problema. El modelamiento de ECG desde modelos Bipolares hasta mapas de superficie esta disponible hoy en día. Sin embargo las variaciones entre latidos por periodos largos de tiempo no están accesibles.
Sistemas como el ECGSIM permiten la interacción y el modelamiento de diferentes formas de señal.
Fijación paramétrica de datos reales se utiliza para compararlo con modelos pulsátiles. Sin embargo no existe una metodología que permita extraer el mejor vector de parámetros fijos en un corazón real. MÉTRICAS El desarrollo de métricas que permitan estandarizar la señal ECG es importante para su utilización en diagnóstico personalizado. Métricas de intervalos de arritmias utilizando densidad espectral de potencia y filtrado no lineal son herramientas usuales para la obtención de un parámetro clasificatorio o común que permita utilizar el ECG de manera diagnóstico-computarizada. PARÁMETROS DE ENFERMEDAD Alargamiento o acortamiento del QT, son marcadores de síndromes de onda largos y cortos respectivamente.
Elevación o depresión del ST, es marcador de isquemia o infarto agudo.
Variabilidad en el intervalo RR es un marcador inespecífico de arritmias. La definición exacta de estos 3 parámetros es fundamental para el diagnóstico de enfermedades conducentes a muerte.
Diversas transformadas como la Hilbert, la FFT y la Cohen son ejemplos de posibles formas de definir la confiabilidad de estos parámetros. VARIABILIDAD DE FRECUENCIA CARDIACA Los procesos de sincronización neuronal fueron descritos de manera experimental por Singer y colaboradores. Haken utiliza herramientas de sistemas dinámicos no lineales para modelar una neurona como un oscilador cíclico dependiente de sus entradas y modulador de sus salida. La Beta-Gamma banda del EEG son las que presentan mayor sincronización y según Llinas son las responsables de muchos de los eventos conscientes empezando por la señal visual y su coordinación con la movilidad hasta los demás sistemas sensorio-motrices. Haken propone un modelo de osciladores síncronos como vectores independientes rotantes para representar la sincronización en diversos agregados neuronales.
Freeman propone utilizar distribuciones de potencia Gaussiana para caracterizar la amplitud de la señal síncrona y transformada de Hilbert sobre la fase de los vectores para obtener la singularidad de fase centrada en la frecuencia distintiva. A partir de las bandas de sincronización se realiza la clasificación de las señales obtenidas por el sensor.
Se utilizan HHM, Clasificadores Bayesianos, Densidad Espectral de Potencia y Transformada Hilbert Ph. D. Oscar Henao Gallo CURRICULUM VITAE Licenciado en Matemática y Física (1995)
Especialista en Bioingenieria (2004)
MSc. Bioingenieria (2006)
MSc. Instrumentación Física (2007)
Ph. D. Bioingenieria (2007)

Par Colciencias 2010: Biofísica, Matemáticas y Electrofisiología.
3 Libros Resultados de Investigación
6 Artículos en revistas indexadas
6 Artículos en Congresos Internacionales
22 Artículos en Congresos Nacionales
Comite científico de 5 congresos nacionales y 2 Internacionales, Comite Organizador de "33 Congress of Computers in Cardiology".
Dirección de 4 tésis de pregrado, 4 tésis de maestría y una de Doctorado.
Full transcript