Está en la página 1de 20

Los dispositivos EEG portátiles tienen un gran potencial para convertirse en

interfaces de computadora eficientes. Sin embargo, un paso necesario es


describir con precisión la señal del EEG para cuantificar los ritmos
cerebrales. Este estudio exploró dos técnicas de análisis de señal, Matching
Pursuit (MP) y Fast Fourier Transform (FFT), para la diferenciación entre dos
estados, ojos abiertos (EO) y ojos cerrados (EC), a través de la detección de la
actividad alfa de EEG obtenida de Siete regiones del cuero cabelludo, utilizando
un dispositivo EEG portátil. Los sujetos fueron diez voluntarios varones
sanos. Los resultados de MP generalmente reprodujeron los resultados del
análisis FFT, y todos los métodos funcionaron bien en la región occipital. Sin
embargo, hubo una mejor discriminación estatal con el número de átomo de MP,
y el número de átomo de MP fue la única variable que alcanzó significación
estadística en todas las ubicaciones en estudio. Cuando se emplea el ritmo alfa
de EEG para la discriminación del estado de EO frente a EC, puede ser útil calcular
el número de átomo de MP, especialmente cuando se justifica la adquisición
extra-occipital.

© 2019 Elsevier Ltd. Todos los derechos reservados.

1. Introducción

El ratón de la computadora es una interfaz que impuso una revolución en la


usabilidad de la computadora personal [1] , pero la interfaz definitiva en la
simbiosis humano-computadora queda por definir. Usar información
directamente derivada del cerebro ya es posible. La señal de
electroencefalograma (EEG) es una de las señales fisiológicas más fascinantes
exploradas en el siglo XX. Desde su primera medición en humanos a principios
de la década de 1920 [2] , su potencial para abrir una ventana al funcionamiento
cerebral directo de manera no invasiva ha desafiado a la comunidad
científica [3] . Las dificultades técnicas con la adquisición de EEG fuera de la
unidad de neurofisiología se están superando gradualmente gracias a la
aparición de dispositivos portátiles que pueden capturar la señal de EEG con una
resolución aceptable y bajo costo en comparación con las máquinas clínicas de
EEG [4,5] . Aunque estos dispositivos pueden ser menos adecuados para la
práctica clínica, permiten el desarrollo de una ciencia completamente nueva en la
interfaz cerebro-computadora (BCI) [6 –9] .

El efecto más simple medido con EEG de superficie (cuero cabelludo) puede ser
el llamado efecto de Berger o ritmo alfa [2,3] . Se compone de alfa

∗ Autor de correspondencia.
Direcciones de correo
electrónico: joselrfilho@ibb.unesp.br , jose.rybarczyk@gmail.com

(JL Rybarczyk-Filho).

https://doi.org/10.1016/j.bspc.2019.03.014

1746-8094 / © 2019 Elsevier Ltd. Todos los derechos reservados.


(entre 8 y 13 Hz) actividad detectada principalmente en localizaciones occipitales
durante la vigilia relajada. Normalmente se suprime cuando se abren los
ojos [3] . El ritmo alfa es una alternativa interesante para ser utilizada en
dispositivos BCI cuya funcionalidad se basa en la detección de las señales del
EEGdel usuario , ya que es relativamente fácil de detectar y puede ser producida
voluntariamente por la mayoría de la población con poco o ningún entrenamiento.
El uso de dichos dispositivos BCI es menos estresante para los usuarios [10] . El
método más simple para la cuantificación del ritmo alfa utiliza la Transformada
de Fourier (FT), que se ha aplicado al EEG desde 1932 [11] . El uso de un algoritmo
de transformada rápida de Fourier (FFT) es el estándar actual para la
cuantificación de la actividad alfa. Por ejemplo, en Inoue et al., FFT se aplicó con
éxito para detectar ondas alfa y usarlas como una clave binaria para operar un
brazo robot [10] . Sin embargo, existe una variabilidad considerable en el EEG
obtenido de sujetos normales y la señal de EEG es altamente no estacionaria [3] ,
lo que implica cierta pérdida de información cuando se emplea FFT, que asume
una señal estacionaria. Los investigadores y los clínicos se enfrentan a la
necesidad de explorar metodologías alternativas para mejorar la descripción de
la señal del EEG.

El objetivo de este trabajo es probar un algoritmo alternativo para cuantificar el


ritmo alfa de EEG en un experimento de efecto Berger utilizando un dispositivo
portátil. Es posible aplicar una búsqueda coincidente.

[12] Algoritmo como MP, que descompone la señal en una serie de funciones
con localización temporal y de frecuencia. La principal ventaja de este enfoque
se basa en el rico detalle de estas funciones.

98 GBS Seco et al. / Procesamiento y control de señales biomédicas 52


(2019) 97 –102
Estas son adecuadas para el análisis de una señal no estacionaria como el EEG
y pueden adaptarse automáticamente a la variabilidad entre sujetos [13] . MP ha
estado empleado en la investigación de EEG durante décadas [13
- 15] . Exploramos el poder de discriminación estadística de cantidades
dife- rentescon punto de fusión para la detección de la actividad alfa, en contraste
con la FFT tradicional, durante una tarea de ojos abiertos / ojos cerrados (EO vs
CE) realizadas por los seres humanos sanos, con la ayuda de un portátil
Dispositivo de EEG. Los resultados muestran que la MP es adecuada para la
detección de actividad alfa en humanos. Puede proporcionar un mayor grado de
discriminación del ritmo alfa en comparación con la FFT tradicional.

2. Métodos

2.1. Asignaturas

Los participantes fueron diez voluntarios varones sanos (edad media 27.1,

= 8) reclutados entre estudiantes universitarios locales y personal de


investigación. Los criterios de exclusión fueron la falta de producción alfa (un
sujeto) y la discapacidad cognitiva o de la vista. El protocolo se llevó a cabo de
acuerdo con las buenas prácticas clínicas y la declaración de Helsinki [16] . El
consentimiento informado por escrito fue proporcionado por todos los
participantes del estudio y el estudio fue aprobado por el comité de ética local
(Faculdade de Medicina de Botucatu - UNESP) bajo el número de proyecto
59229916.4.0000.5411.

2.2. Dispositivo EEG

El sistema de adquisición EEG consistió en un dispositivo Emotiv EPOC.


[17] que utiliza sensores de contacto chapados en oro fijados a los brazos de
plástico flexibles de un auricular inalámbrico. 1 El auricular incluye 16 sensores
alineados con el Sistema Internacional 10-10 (IS) [3] de la siguiente manera:
izquierda-derecha anterior-frontal (AF3, AF4), anterior temporal (F7, F8), frontal
(F3, F4), fronto-central (FC5, FC6), posterior temporal (T7, T8), parietal (P7 , P8),
localizaciones occipitales (O1, O2) y mastoides (M1, M2). M1 actuó como un punto
de referencia con el que se comparó el voltaje de cada otro sensor. M2 fue una
referencia de avance que redujo la interferencia eléctrica externa. Figura
1 muestra la configuración experi-mental y las posiciones de los electrodos en el
cuero cabelludo.

2.3. Adquisición de datos

Los sujetos se sometieron a tres sesiones de 20 minutos, cada una de las cuales
consistió en una adquisición de EEG de diez minutos con EO y EC,
respectivamente. Dos sesiones tuvieron lugar durante la mañana o la tarde y una
tercera sesión ocurrió en el turno opuesto. Los sujetos estaban sentados
cómodamente en una habitación con luz natural. Se les indicó que permanecieran
lo más quietos posible y que evitaran mover los ojos mirando fijamente un objeto
de alquitrán, minimizando así los artefactos en la señal resultante. Durante el
proceso de adquisición inicial, se detectaron interferencias de ruido de 60 Hz de
la red eléctrica eléctrica. Luego se evitó manteniendo apagadas las luces de la
habitación durante todo el procedimiento. Cuando fue necesario, otros
dispositivos eléctricos fueron apagados. La adquisición de la señal solo se
realizó cuando el procedimiento de verificación de impedancia por defecto de
Emotiv Epoc mostró impedancias de electrodo aceptables (nivel 4).

Las señales se digitalizaron internamente a 2048 Hz (16 bits) y posteriormente se


filtraron en paso bajo (43 Hz) y se muestrearon a 128 Hz antes de la transmisión
al módulo de adquisición [17] . El auricular se conectó de forma inalámbrica a una
PC e interconectaba el SDK Emotiv plat-form. Tal sistema ha sido empleado en
otros estudios [6] . Las señales se convirtieron a ASCII para evaluar FFT y MP.
1 La página de internet de Emotiv Epoc : http://emotiv.com/ .

2.4. Análisis de señal por FFT y MP

La FFT normalizada (NFFT) se calculó con la característica de Espectro de


potencia predeterminada del paquete TISEAN 3.0.1 implementada dentro de una
tubería construida por el cliente (ventana cuadrada, frecuencia de muestreo de
128 Hz, resolución de frecuencia de 1/60 s) [18] . Se calculó la NFFT para cada
segmento de EEG de un minuto y sin relleno. La potencia alfa se definió como el
porcentaje del espectro de potencia en la banda 8 –13 Hz.

Los procedimientos de búsqueda coincidentes son aproximaciones adaptativas


de una señal con una variedad de funciones fundamentales elegidas de un
diccionario. La señal se describe a través de "átomos " fundamentales (las
funciones del diccionario). Se introdujo un algoritmo de búsqueda coincidente
con diccionarios de frecuencia de tiempo en [19] y en [13] se completó un
esquema de corrección para datos de gran tamaño como EEG (en este
documento denominado MP) . En el método MP, se considera una señal Sg ( t ) y
se realizan pasos iterativos para escribir Sg ( t ) en términos de un diccionario
básico y redundante de funciones D = { g yo } . El método MP empareja la señal
con una función g i en cada paso i , dejando un R i +1 residual Sg ( t ) debe
coincidir con el mismo procedimiento en el paso i + 1. Al final, el método MP
proyecta la señal Sg ( t ) en un vector g y evalúa el R 1 residual Sg (t ).

Las funciones reales de Gabor se utilizan para construir el diccionario para el


análisis de frecuencia de tiempo, como se puede ver a continuación
g ( t ) = ˛e - (( t - b ) / s ) 2
sin
(2 ω (t - b) / n + ), (1)

Aquí, N es el número de punto digital de la señal (tamaño de la señal), = { ˛, b, w,


s, } es una lista de parámetros para funciones de diccionario y ˛ Se elige tal que
|| g || = 1. Una variedad de funciones delta y de Fourier de Dirac también se agrega
a este diccionario para tratar las estructuras que están bien localizadas en el
tiempo y la frecuencia. Esta elección no es única como se explica en [14,15,19] .

La metodología MP [13] se aplicó en ventanas yuxtapuestas en las series de


tiempo obtenidas a partir de la señal EEG (cada ventana tiene 2048 puntos y 16 s
de duración), con 96 iteraciones para cada segmento. Los átomos obtenidos con
la metodología MP tienen un punto central en el tiempo y la frecuencia. Sus
límites pueden determinarse por medio ancho (HW) correspondiente a ± en una
curva gaussiana. No se establecieron límites de tiempo para HW. Para ser
clasificado como un evento detectado por MP, el átomo tenía que tener una
frecuencia central entre 8 Hz y 13 Hz (ver Diagrama de flujo en Material
suplementario).

2.5. análisis estadístico

La media y la desviación estándar (SD) de cuatro cantidades, denominadas


conjuntamente como Variables (), se calcularon para cada segmento de EEG de
un minuto: NFFT (Alpha), número de átomo MP (N), amplitud (AT) y longitud (
td). Los promedios para cada condición (EO y EC) se calcularon para cada sujeto
y ubicación del cuero cabelludo. Para reducir el número variable, las posiciones
de los electrodos se analizaron en siete pares de canales (anterior-frontal,
anterior temporal, frontal, fronto-central, posterior temporal, parietal y
occipital). Las variables fueron consideradas dependientes de la condición.Se
aplicó una puntuación Z para comparar las condiciones en cada ubicación del
cuero cabelludo. Estos análisis se realizaron con el software R [20] .

Se aplicó un enfoque cuantitativo para clasificar las Variables para la separación


EO vs. EC. Un algoritmo para separar EO vs. CE puede usar una relación r de
eventos en cada caso (Variable en estudio) para llegar a una decisión. Se usó
una relación de umbral variable p como corte para EO. Calculamos el número de
aciertos (detecciones de EO correctas) entre p y p + p , donde p es un incremento
arbitrario más bajo que la diferencia entre los promedios de casos.

GBS Seco et al. / Procesamiento y control


de señales biomédicas 52 (2019) 97 –102 99
Fig. 1. Configuración experimental que incluye la descripción del protocolo. (A)
Posiciones del electrodo EPOC en el cuero cabelludo. (B) Un átomo de MP. Los
átomos obtenidos con la metodología MP tienen un eje central. punto en el tiempo
y la frecuencia; sus límites están determinados por un ancho medio (HW)
correspondiente a ± en una curva gaussiana (ver texto para más detalles). Dos
ejemplos de descomposición de MP para muestras de EEG de 16 s se presentan
en los ojos (C) ojos abiertos y (D) ojos cerrados. El espectro de potencia FFT
normalizado de la señal (NFFT) se muestra en el lado derecho. En el estado de los
ojos cerrados, el ritmo alfa (8 –13 Hz) es visualmente conspicuo en los canales
occipitales, y hay un fuerte aumento en la potencia espectral alfa, así como en el
número y la amplitud correspondientes de los átomos de MP. La banda alfa está
representada por hash en C y D. Los átomos se dibujan con una elipse hueca para
reducir la contaminación visual.

Queríamos estudiar el comportamientoLa figura 3 muestra discriminación


(poder discriminador) de la estadística S ( p ) en la región occipital
Para las cuatro variables en
estudio. De nuevo, el número del
función átomo (N) era
La variable que mejor se
clasificó. Amplitud AT y potencia FFT-
alfa
norte tenía picos muy cercanos, lo que
refleja la naturaleza similar de estos
dos
iri, p/ cantidades. La duración del MP tuvo el
S(p)= yo 1S ,N, (2) poder de separación más débil.
La tabla 1 muestra EO occipital
individual (sujeto) frente a promedios
= EC
Para cada variable estudiada. Los
promedios occipitales individuales de
dónde CE fueron
consistentemente más alto en
comparación con los valores de
si p <r EO. En otras palabras,
1 <p pag Mayor potencia espectral FFT, átomos
MP más amplios y numerosos.
de otra fueron vistos con EC. Sin embargo, en
i r i ,pag =0 manera + (3) esta muestra, dos sujetos (sujetos).
7 y 8 en la Tabla 1 ) tuvieron una
duración más corta del átomo de MP
S , N es una constante de normalización yen el occipital
es un vector para todas las variables. región durante la CE. tabla 1 También
El valor máximo de S (, p ) es un umbralmuestra la amplia variedad
donde la variación Capacidad en parámetros
La velocidad de activación tiene unindividuales. Por ejemplo, el promedio
número máximo de detecciones de EOde MP N varió
positivas verdaderas. alrededor de tres veces entre los
sujetos, tanto durante EO como
Como este valor cambia a la derecha,durante EC.
implica que la variable tiene mejor
poder de discriminación (ver Sección
3, Fig. 3 ).
4. Discusión
3. Resultados
Este estudio exploró algunas
propiedades estadísticas
discriminatorias.
La figura 2 muestra Muestra completa dede diferentes cantidades obtenidas
promedios de EO vs. EC para NFFT Alpha con Matching Pursuit, en contraste
y MP AT, N y td en todos los pares deA la FFT tradicional, para la detección
canales EEG. Cantidades derivadas de MPdel ritmo alfa EEG durante un ojo.
Tarea abierta / ojos cerrados realizada
Los lazos siguieron la misma tendenciapor humanos sanos. Como era de
que la medida alfa. Sin embargo, NFFT esperar,
Los resultados de MP generalmente
Se alcanzó significación estadística enreprodujeron los resultados del
localizaciones frontales y occipitales. análisis FFT, y
solo, mientras que MP N alcanzóLa región occipital fue la más
significación estadística en todas lasadecuada para la detección del ritmo
ubicaciones alfa.
en estudio En comparación con otras
ubicaciones del cuero cabelludo, lacación Sin embargo, la discriminación
información de estadística fue más alta cuando MP
Electrodos occipitales mejor separadosse empleó un número atómico, y el uso
EO vs. EC. La región occipital de esta variable fue efi-
Ciente incluso en sitios extra-
Fue el único lugar donde las cuatrooccipitales. Esta característica puede
variables mostraron estadísticas ser útil
en entornos clínicos donde la
importancia, y el único lugar donde MP ATadquisición de EEG con electrodo
fue significativo. limitado

100 GBS Seco et al. / Procesamiento y control de señales biomédicas 52


(2019) 97 –102
Fig. 2. Comparación entre los ojos abiertos / cerrados para todos los pares de
canales. Tenga en cuenta que los canales occipitales son los mejores
separadores como se espera. Sin embargo, separando el poder por átomo. El
número (N) fue significativo en todos los canales. Aquí * p ≤ 0.05, ** p ≤ 0.01,
*** p ≤ 0.001.

Fig. 3. La función. S ( p ) (2) para todas las variables, mostrando el número de


átomo (N) como el mejor Opción para canales occipitales. Tenga en cuenta que
la amplitud AT y la potencia de FFT-alfa tenían picos muy cercanos, lo que refleja
la naturaleza similar de estas dos cantidades. Td: longitud del átomo (duración
en segundos).
el número y desde ubicaciones extra-occipitales se hace necesario, por ejemplo,
durante los cuidados intensivos. Hubo una amplia variedad entre los sujetos, lo
que confirma la necesidad de una adaptación de parámetros individuales en
aplicaciones prácticas.

Los átomos de MP recolectados con los ojos cerrados fueron más numerosos,
más altos en voltaje y generalmente más largos que los obtenidos con los ojos
abiertos. Sin embargo, con los ojos cerrados, dos sujetos tenían átomos de MP
más cortos (aunque más altos y más numerosos), en comparación con los ojos
abiertos. Este hallazgo resalta la no estacionariedad fundamental de los ritmos
cerebrales (de hecho, se espera un comportamiento no estacionario en todas las
señales biológicas [3] ). Con la estacionariedad de la señal como una suposición
básica, la cuantificación de los ritmos cerebrales por medio de la potencia
espectral de FFT, por más eficiente que sea, implica una simplificación de la
descripción sig- nal del EEG [3] . La actividad alfa es básicamente irregular a lo
largo del tiempo, lo que puede causar la propagación de la frecuencia en el
espectro de potencia. Con el uso de MP, las oscilaciones de amplitud en la banda
alfa simplemente se traducen en un aumento en el número de átomos con la
misma frecuencia central. Esto muestra la ventaja potencial de emplear una
herramienta que se ajuste a la no estacionariedad natural del EEG. Descripciones
de señales matemáticas tales como MP y FT con ventana (WFT) apuntan a
aproximadamente

Imate la no estacionariedad de EEG y puede aumentar la precisión con la que el


EEG captura interacciones de interdependencia entre diferentes ritmos
cerebrales. Varios estudios que sostienen que la actividad cognitiva está
mediada o reflejada en la interacción de diferentes conjuntos de frecuencias de
EEG se han basado en el análisis de wavelets (ver [21] para una revisión
completa. Cabe señalar que, aunque el ritmo alfa es muy conocido, su
importancia sigue sin resolverse [3,22,23] . El diseño del estudio explorado aquí
es simple, pero muestra que el MP puede mejorar la precisión en la cuantificación
de la frecuencia alfa. En estudios donde los cambios de frecuencia sutiles son
críticos, el enfoque de MP puede ser particularmente útil para comprender los
fenómenos fisiológicos subyacentes.

Otro objetivo del estudio fue familiarizarse con un dispositivo EEG portátil. Según
nuestra experiencia, el sistema Emotiv Epoc era práctico y fácil de usar; sin
embargo, se tuvieron que tomar varios pasos para minimizar la interferencia de
ruido, que incluía evitar movimientos oculares aleatorios y apagar otros
dispositivos eléctricos. Por lo tanto, los problemas técnicos pueden influir en la
reproducibilidad de nuestros resultados cuando trabajamos en condiciones más
realistas y en entornos menos controlados. Como era de esperar, los dispositivos
portátiles de EEG estarán más disponibles a un menor costo en el futuro. Aunque
aún no tienen la capacidad de cubrir bandas de frecuencia más rápidas, las
mejoras futuras en la frecuencia de muestreo y la calidad del filtro pueden permitir
mediciones más precisas. Una aplicación potencial importante para los sistemas
de EEG móviles es la comunicación alternativa, ya que las señales de EEG
obtenidas de forma no invasiva se consideran óptimas para el desarrollo de
nuevos dispositivos BCI [ 24-26] . Los sistemas portátiles de EEG también
pueden ser adecuados para la evaluación de la función cognitiva humana en
protocolos que se ocupan de entornos realistas, ya que los estudios que abordan
los procesos de memoria y la plasticidad cerebral pueden requerir diseños
experimentales realizados en un entorno natural, lejos de una máquina de EEG
convencional. En [27] , se propone un modelo para la reorganización de la fase
de Potencial Relacionado con el Evento (ERP) entre diferentes bandas de
frecuencia durante la actividad cognitiva controlada. El modelo replica datos
experimentales [28] . Los estudios de esta naturaleza podrían llevarse a cabo en
un dispositivo móvil conectado a una computadora personal para avanzar en el
estudio de ERP en situaciones de la vida real [7, 8] .

En el contexto de la investigación de EEG, la búsqueda de concordancia y la FFT


ya se han comparado [29,30] , y MP se ha empleado previamente para la
detección de la actividad alfa [31,32] . Sin embargo, según nuestro conocimiento,
MP y FFT no se han comparado previamente para la detección del ritmo alfa, y no
tenemos conocimiento de ningún intento previo de emplear la búsqueda de la
detección alfa en un dispositivo EEG portátil. Se ha detectado actividad alfa y ana-

GBS Seco et al. / Procesamiento y control


de señales biomédicas 52 (2019) 97 –102 101

tabla 1

Valores promedio occipital individual (desviación estándar) para amplitud,


duración y número de NFFT Alpha y MP durante los ojos abiertos frente a los ojos
cerrados. NFFT: FFT normalizado;

Potencia alfa: 8 –13 Hz NFFT; AT: Umbral de amplitud MP. Para cada sujeto, los
valores superiores corresponden a los ojos abiertos (EO) y los valores inferiores
corresponden a los ojos cerrados (EC).
Los números en negrita resaltan las dos instancias en las que la duración del
átomo de MP fue mayor durante EO en comparación con EC

Número de
Tema # Potencia alfa [%] EN [V] Duración [s] átomo [#]

1 0.246 (0.017) 49.860 (1.616) 4.053 (0.054) 94.6 (2.2)


0.306 (0.016) 61.043 (2.167) 4.277 (0.054) 113.2 (2.0)
2 0.256 (0.029) 80.401 (2.809) 4.121 (0.041) 113.8 (2.3)
0.292 (0.031) 86.820 (2.549) 4,308 (0,047) 122.3 (2.0)
3 0.025 (0.002) 32.344 (2.644) 4.054 (0.073) 39.9 (1.2)
0.069 (0.008) 32.958 (1.029) 4.109 (0.074) 56.5 (1.9)
4 0.430 (0.027) 62.763 (2.621) 4.166 (0.053) 116.9 (2.6)
0.559 (0.027) 102.787 (3.830) 4.515 (0.056) 144.1 (1.3)
5 0.093 (0.009) 31.675 (1.509) 4,051 (0,074) 77.2 (2.2)
0.227 (0.020) 44.288 (2.166) 4.379 (0.053) 99.6 (2.2)
6 0.213 (0.023) 89.086 (5.141) 3.852 (0.058) 91.4 (2.8)
0.281 (0.032) 111.548 (4.752) 4.203 (0.053) 121.6 (1.9)
7 0.062 (0.004) 31.080 (0.575) 4.175 (0.067) 57.1 (1.4)
0.113 (0.009) 39.125 (1.080) 3.939 (0.061) 78.0 (1.9)
8 0.069 (0.003) 24.950 (0.435) 4.130 (0.064) 56,4 (1,2)
0.217 (0.015) 36.170 (1.109) 3.831 (0.049) 87.3 (2.1)
9 0.066 (0.003) 30.491 (0.680) 4.116 (0.065) 58,0 (0,7)
0.297 (0.016) 51.890 (1.254) 4.253 (0.056) 99.0 (2.4)
10 0.038 (0.005) 30.132 (1.490) 3,908 (0,067) 57.1 (1.7)
0.190 (0.020) 44.973 (1.533) 4.362 (0.054) 98.7 (3.2)
Liso con FFT para monitoreo de atención [33] y entrenamiento de neurofeedback
empleando dispositivos de EEG portátiles [34] . Es de destacar que se han
informado sistemas BCI que dependen de la detección de actividad alfa [10] . Un
BCI es un sistema por el cual la información es externalizada por un individuo
que pasa por alto las vías de salida normales del cerebro [26] . Después de la
adquisición de datos, un BCI válido comprende el preprocesamiento de señales
en línea, la extracción de características, la clasificación (toma de decisiones) y
la salida (por ejemplo, la implementación de una decisión de sí o no). Nuestro
estudio está relacionado con el paso inicial de extracción de características en
un BCI potencial. Se aplicó una interfaz no invasiva, basada en EEG, dependiente
de la actividad motora del párpado / ojo durante la apertura y el cierre del ojo para
detectar el ritmo alfa. La actividad alfa se cuantificó posteriormente fuera de línea
con diferentes técnicas de análisis de señales. El objetivo era adquirir una idea
de las propiedades estadísticas discriminatorias de estas cantidades antes de
proceder a un paso de clasificación de señal (no se hace aquí) mediante el cual
se emplearía la actividad alfa para informar sobre la acción del motor original
(movimiento del párpado / ojo). Cabe señalar que la velocidad de procesamiento,
una característica crítica de un BCI válido, no se ha probado aquí. Otras
limitaciones deben ser consideradas en este estudio. Debido a que la ausencia
de una muestra de prueba independiente excluye las pruebas de potencia de
diagnóstico a través de la sonda, no se ha intentado realizar una comparación
directa entre las variables MP y FFT en términos de sensibilidad y especificidad
para la toma de decisiones. También se puede argumentar que el análisis de FFT
se llevó a cabo en ventanas de señal más largas en comparación con el análisis
de MP (60 s vs. 16 s), lo que podría dificultar el rendimiento de la FFT. Por el
contrario, como la actividad alfa tiende a aumentar y disminuir, la FFT realizada
en ventanas de tiempo más cortas podría aumentar la variabilidad en los
resultados. Esto podría ser investigado en futuros estudios. Los periodos de
adquisición más cortos también deben probarse, ya que las sesiones
relativamente largas (de veinte minutos) pueden provocar cansancio, incluida la
fatiga por bloqueo alfa. Este es un estudio preliminar realizado en condiciones de
laboratorio que incluyó iluminación controlada. Es un primer paso necesario; sin
embargo, nuestros resultados pueden no ser extrapolados directamente en
entornos clínicos, incluso si en teoría el protocolo experimental no es difícil de
implementar en situaciones de la vida real, donde a menudo se necesita BCI para
mejorar la comunicación en el contexto de movilidad restringida. La fortaleza del
estudio se basa en su cuidadosa selección de sujetos e implementación de
protocolo, así como en su simplicidad. El ritmo alfa de EEG es

fácil de obtener, y solo uno de cada once sujetos no era un productor alfa.

En este experimento, pudimos implementar con éxito un protocolo para la


detección del ritmo alfa EEG con la ayuda de un dispositivo portátil. Al explorar
diferentes técnicas de análisis de señales, mostramos que el método MP,
particularmente el número de átomos MP, es eficiente para la detección de
actividad alfa. El número de átomo de MP puede ser especialmente útil cuando se
adquiere EEG desde sitios extraoccipitales.

Expresiones de gratitud

Esta investigación fue apoyada por la subvención CNPq (458810 / 2013-4, 181242
/ 2014-1, 182472 / 2015-9, 181963 / 2014-0, 185855 / 2014-8, 314178 / 2014-7, 310001
/ 2015-3) y recursos aportados por la Universidad del Estado de São Paulo
(UNESP).