Está en la página 1de 11

02/11/2010 30400608

Red de Revistas Científicas de América Latina y el Caribe, España y Portugal


Sistema de Información Científica Redalyc
Hemeroteca

Artículo
tadísticas

tadísticas de Autores

tículos relacionados

ros artículos de
Umbral Científico
Fundación Universitaria Manuela Beltrán
rtículos en XML
umbralcientifico@umb.edu.co
OAI-PMH Record ISSN (Versión impresa): 1692-3375
COLOMBIA
omo citar

Revista
tadísticas

gina de revista

2005
Dora Ballesteros / Hasbleidy Pardo
tículos relacionados
SOFTWARE DE ANÁLISIS DE ENERGÍA EN SEÑALES
ELECTROENCEFALOGRAFICAS BASADO EN LA TRANSFORMADA WAVELET
nviar por correo
DISCRETA
Umbral Científico, junio, número 006
er pantalla Fundación Universitaria Manuela Beltrán
Bogota, Colombia
pp. 54-61

Red de Revistas Científicas de América Latina y el Caribe, España y Portugal

Universidad Autónoma del Estado de México

http://redalyc.uaemex.mx

redalyc.uaemex.mx/…/30400608.html 1/11
02/11/2010 30400608

sOFTWARE DE A ALIsIs DE
E ERgIA E sEÑALEs
ELECTROE CEFALOgRAFICAs
BAsADO E LA TRA sFORMADA
WAVELET DIsCRETA
Dora Ballesteros 1
Hasbleidy Pardo

REsuME

Este artículo presenta un software para el análisis de energía en señales EEG en cada uno de los ritmos de la
señal, delta, theta, alfa y beta, por medio de la utilización de una técnica moderna de procesamiento de señales:
la transformada wavelet discreta. El análisis de energía permite establecer criterios de respuesta del paciente a
estímulos externos, y la comparación de la señal EEG obtenida en diferentes regiones permite estimar la cohe-
rencia y simetría de la respuesta del cerebro.

Palabras claves: energía, ritmos, electroencefalografía, coherencia, simetría, transformada wavelet discreta.

ABsTRACT

The analysis of energy in EEG signals is presented in this article. The delta, theta, alpha and beta rhythms are
considered for this analysis and the discrete wavelet transform is used. The energy analysis allows to establish
criteria of answer of the patient to external stimuli, and the comparison of EEG signal obtained in different
regions allows to determine the coherence and symmetry of the answer of the brain.

Key words: energy, rhythms, electroencephalograph, coherence, symmetry, discrete wavelet transform.

1 Msc. en Ingeniería Electrónica. Directora de Investigación Formativa en Ingeniería, Líder Grupo SAPAB reconocido por Colciencias.
Estudiante de Ingeniería Electrónica.

54

redalyc.uaemex.mx/…/30400608.html 2/11
02/11/2010 30400608

I TRODuCCIO El software que se presenta en este artículo hace


parte del proyecto de investigación Sistema de
Las señal es electr oencefalográfi cas Medición de respuesta cerebral vestibular
corresponden al resultado de la actividad a partir de señales electroencefalográficas,
eléctrica del cerebro, con presencia o ausencia que se está desarrollando en la Universidad
de estímulos. Manuela Beltrán dentro del grupo de
investigación SAPAB.
La forma y características de estas señales
no siguen un patrón predefinido, como si es El algoritmo se desarrolla en Matlab, versión
el caso de las señales electrocardiográficas, 6.5 y utiliza el toolbox wavelets. Las
donde cada segmento de la señal ECG pruebas de validación se realizan utilizando
corresponde a una actividad específica del la base de datos MIT-BIH Polysomnographic
corazón. Database.

Debido a la ausencia de un patrón y la no


periodicidad de las señales EEG, el análisis
y la interpretación debe realizarse a partir de MARCO TEORICO
un estudio temporal y frecuencial (Zhang,
​000). A. Señales Electroencefalográficas:

Una de las técnicas matemáticas utilizadas en


los últimos años para el análisis multiresolución Tabla 1.
de señales no estacionarias (aquellas señales Caracterización de los ritmos en una señal EEG
que no son periódicas y no se pueden
caracterizar por sus promedios y desviación
estándar) es la transformada wavelet discreta
la cual ha sido utilizada no solamente en
el caso de señales EEG (Shen, ​00​), sino
en señales biomédicas e imágenes, tanto
para el pre-procesamiento, como para el
procesamiento y análisis.

El ritmo delta es la onda de mayor amplitud


y más lenta. Es normal en niños hasta 1 año
de edad y en los estados de sueño 3 y 4. Son
anormales en adultos despiertos. (Figura 1).

redalyc.uaemex.mx/…/30400608.html 3/11
02/11/2010 30400608

Fig 1. Fig 3.
Señal delta: Señal alfa:
Representación en tiempo y frecuencia. Representación en tiempo y frecuencia.

El ritmo Beta normalmente se observan en


El ritmo theta se clasifica como baja actividad. todos los grupos de edad.
Es anormal en adultos despiertos, pero es
perfectamente normal en niños hasta los 13 Se aprecia en ambos lados del cerebro, en una
años y también durante el sueño en adultos y distribución simétrica y es el ritmo dominante
está asociado a pensamientos de tipo creativo, en pacientes que están en alerta, ansiosos o
a la imaginación, fantasía. (Figura ​) que tienen los ojos abiertos. (Figura 4).

Fig 2.
Fig 4.
Señal theta:
Señal beta:
Representación en tiempo y frecuencia.
Representación en tiempo y frecuencia.

El ritmo alfa se aprecia generalmente en todos


los grupos de edad, pero son más frecuentes en B. Transformada Wavelet discreta y la
adultos. Ocurren rítmicamente en ambos lados multiresolución:
de la cabeza y tiene una amplitud levemente
mayor en el lado no dominante. A partir de una señal electroencefalográfica
se pueden obtener los ritmos de la señal
Se asocia a estados de relajación, inactividad y la energía contenida en cada uno de
mental y casi siempre aparece cuando se estos ritmos (Shen, 2001). La transformada
cierran los ojos. (Figura 3). wavelet permite obtener la representación
56

redalyc.uaemex.mx/…/30400608.html 4/11
02/11/2010 30400608

en diferentes rangos de frecuencia de una - La señal alfa se obtiene a partir de


señal (Sun, 2002), y la relación entre los la reconstrucción de los coeficientes
rangos obtenidos y los ritmos de la señal se obtenidos es d4a1.
realiza aplicando los siguientes principios - La señal beta se obtiene a partir de la suma
(Ballesteros,2003): de la reconstrucción de los coeficientes
d4d​ y d3.
- Se utiliza el criterio de muestreo de
Nyquist el cual exige que una señal sea
muestreada al menos el doble del ancho Fig 5.
de banda análogo. Distribución de frecuencia en el árbol de
escomposición wavelet
- Cada nivel de descomposición de la
transformada wavelet divide el ancho de
banda inicial en dos anchos de banda,
uno correspondiente a la parte alta y otro
correspondiente a la parta baja.
- En el proceso de descomposición se
obtienen coeficientes para la representación
de la señal, pero es por medio de la
reconstrucción a partir de estos coeficientes
que se obtienen los ritmos de la señal
EEG.

METODOLOgIA uTILIZADA

Primero se analiza la descomposición de la


señal

Posteriormente se encuentra la relación entre Como tercer paso se definen las variables de
los coeficientes y los ritmos de la señal EEG. entrada al software, las cuales son tiempo ini-
Comparando la Figura 5 con la tabla I, se cial, tiempo final y archivo con la señal EEG,
encuentra que: y como salida se tiene la señal escogida por
el usuario y las gráficas de los ritmos con su
- La señal delta se obtiene a partir de la correspondiente energía.
reconstrucción de los coeficientes a5.
- La señal theta se obtiene a partir de la El tiempo inicial y tiempo final corresponde
reconstrucción de los coeficientes a4. al valor en segundos de la señal EEG regis-
trada de la cual se desea realizar el análisis

redalyc.uaemex.mx/…/30400608.html 5/11
02/11/2010 30400608

de energía. REsuLTADOs OBTE IDOs


La señal del paciente es almacenada en
un formato de tipo texto plano de cuatro Se escoge un archivo de la base de datos de
columnas, donde cada columna corresponde duración ​ segundos ( de 1 a 3 segundos) y
al registro en una zona diferente del cerebro. se corre la aplicación.
Como cuarto paso, se plantea el diagrama de
flujo del software (Figura 6) y por último se
realiza el código sobre Matlab 6.5 utilizando Fig 7. Señal real EEG
el toolbox wavelet.
Para garantizar que el código generado
corresponda al diseño planteado inicialmente
y que éste a su vez sea acorde con la
identificación de los ritmos de la señal EEG y
sus energías, se hace necesario una etapa de
validación de los resultados obtenidos.

La señal de la Figura 7 corresponde al registro


de un paciente adulto en estado de sueño, que
de acuerdo al comportamiento de normalidad
debe predominar el ritmo delta. Los ritmos
obtenidos a partir de la reconstrucción de los
coeficientes wavelet se presenta en la Figura

Fig 6. Fig 8.
Diagrama de flujo simplificado Ritmos delta, theta, alpha y
del software desarrollado beta obtenidos de la señal EEG.
58

redalyc.uaemex.mx/…/30400608.html 6/11
02/11/2010 30400608

Y la energía de cada ritmo, calculada por el Para una segunda señal se obtienen los
software es: siguientes resultados:

- Ritmo delta: 83.98%


- Ritmo theta: ​.45% Fig 10. Señal EEG duración ​ segundos
- Ritmo alpha: 5%
- Ritmo beta: 0.93%

Para un total del 9​.36%. Esta energía


total es relativa con respecto a la energía
de la señal inicial, y el porcentaje es
inferior al 100% debido a que no se
considera todo el espectro de frecuencia
de la señal análoga original. El ritmo
predominante encontrado corresponde
a delta, tal como se intuía teóricamente,
y el ritmo beta es el de menor presencia en la Fig 11. Ritmos delta, theta, alpha y
señal de EEG examinada. beta obtenidos de la segunda señal EEG

La apariencia de la interfaz de usuario se


presenta en la Figura 9.

En la parte izquierda se ubican las variables


de entrada y en la parte derecha la salida del

Y la energía de cada ritmo es:

- Ritmo delta: 97.8​ %


- Ritmo theta: 0.5%
Fig 9. Interfaz de usuario desarrollada - Ritmo alpha: 0.45%
- Ritmo beta: 0.067%

redalyc.uaemex.mx/…/30400608.html 7/11
02/11/2010 30400608

Para un total de 98.84%. software la clasificación de normalidad y


definir niveles de estimulación de acuerdo al
El aumento de la cantidad de energía en el estándar estimado.
ritmo delta se asocia con un estado de sueño
más profundo.
CO CLusIO Es

APLICACIO Es La transformada wavelet discreta permite


la identificación de los ritmos de la señal
El software de análisis de energía de señales electroencefalográfica, a partir de la
electroencefalográficas tiene dos áreas reconstrucción de los coeficientes obtenidos
importantes de aplicación, la primera es en el proceso de descom posición que
desde el punto de vista de enseñanza, donde corresponden a los anchos de banda de cada
el estudiante puede identificar la presencia uno de ellos.
de diferentes componentes espectrales en un
registro de la señal para diferentes estados de Es de vital importancia la identificación
actividad cerebral; y la segunda aplicación preliminar de los coeficientes que se relacionan
consiste en la valoración de niveles de con los ritmos de la señal, para evitar errores
estimulación cerebral como herramienta de en la identificación inexacta de los anchos de
apoyo en un diagnóstico clínico. banda asociados.

La opción de selecci ón de archi vo La selección de la ventana temporal de análisis


permite com parar diferentes registros (tiempo inicial y tiempo final), permite el
electroencefalográficos, los cuales pueden análisis de la señal con diferentes resoluciones
estar asociados a la captura en un mismo temporales, dejando al usuario la posibilidad
instante de tiempo de diferentes zonas del de cuantificar la evolución de la señal en
cerebro, y así comparar la respuesta del registros de larga duración.
cerebro a estímulos externos en diferentes
regiones. El área de Procesamiento Digital de Señales,
puede contribuir con procesos de valoración y
rehabilitación clínica, al construir aplicaciones
de tipo software que sirvan de apoyo a estos
TRABAjO A FuTuRO
La utilización de este software en el análisis de procesos.
energía de señales EEG en pruebas realizadas
en pacientes a los cuales se les estimula su Esto conlleva a un desarrollo teórico riguroso
sistema vestibular, con el fin de estandarizar que garantice la validez de los resultados
una respuesta “normal" al protocolo utilizado.
Además se debe incluir como salida del
60

redalyc.uaemex.mx/…/30400608.html 8/11
02/11/2010 30400608

BIBLIO gRAFIA

Ballesteros DM. Aplicación de la transformada wavelet en la descomposición temporo-frecuencial de señales de


electroencefalografía. ISSN 169​- 3375. No.3
Diciembre de ​0 03.

Clark I, Biscay R, Echeverria M, Virues T . Multiresolution decomposition of non-stationary EEG signals: a prelimi-
nary study. Comput Biol Med. 1995 Jul; ​5 (4):373-8​

Niedermeyer, E. Electroencephalography: basic principles, clinical applications, and related fields. 1999

Shen M, Sun L, Chan HY. Detection od dynamic rhythms of electroencephalography by using wavelet packets
decomposition. ​0 01 Proceedings of the ​3 r dannual EMBS International Conference.

Shen M, Li , Zhang. T he time-varying coherent analysis of medical signals. ICSP’ 2002.

Sun L, Shen M. Analysis of non-stationary electroencephalogram using the wavelet transformation. ICSP’ 02
Proceedings.

Zhang Z, Kawabata H, LIU Z-Q. EEG Analysis using fast wavelet transform. 2000.

redalyc.uaemex.mx/…/30400608.html 9/11
02/11/2010 30400608

redalyc.uaemex.mx/…/30400608.html 10/11
02/11/2010 30400608

Universidad Autónoma del Estado de México

redalyc.uaemex.mx/…/30400608.html 11/11