Eliminacion de artefactos del EEG con leA en un registro de un caso

Transcripción

Revista CENIC Ciencias Biol6gicas, Vol. 37, No.4, 2006.
Eliminacion de artefactos del EEG con leA en un registro de
un caso con infarto cerebral
Jose Miguel Sanchez Bornot, Pedro Antonio Valdes Sosa y Elena Cuspineda Bravo
Departamento de Neurofisica. Centro de Neurociencias de Cuba, Ave. 25, No.15202, Esq. 158,
Cubanacan, Playa., CPo 10600, Ciudad de La Habana, Cuba.
Recibido: 22 de noviembre de 2003.
Aceptado: 7 de diciembre de 2003
Palabras clave: ICA, Amtlisis de Componentes lndependientes, eliminaci6n de artefactos, infarto cerebral, EEG, qEEG.
Keywords: ICA, Independent Component Analysis, artifacts removing, stroke, EEG, qEEG.
RESUMEN. La presencia de artefactos en la sefial de EEG
dificulta
enomlemente
el
trabajo
del
electroencefalografista. Yarias tecnicas se han propuesto
para eliminar estas sefiales extracerebrales, especialmente
las provenientes de artefactos oculares, entre elIas ha sido
muy utilizado el Analisis de Componentes lndependientes
(ICA por sus siglas en ingles). Este articulo nos apoya
dicho metodo para identificar y eliminar los artefactos del
EEG registrado a las 24 horas a una paciente que sufri6 un
infarto cerebral. Producto a que el tipo de actividad
estudiada viene acompafiada de un aumento de la actividad
lenta, se dificulta la localizaci6n de artefactos oculares,
muy comunes en los registros de EEG. Por tanto la
detecci6n se basara fundamental mente en el conocimiento
previo de la regi6n infartada mediante el amilisis de la
imagen de difusi6n (DWI) del paciente y la observaci6n del
registro en una ventana de analisis del Trackwalker,
software desarrollado y comercializado por el CNC. En el
articulo ademas se discute la factibilidad de ICA como
metoda de analisis para eliminar artefactos en registros de
casos que sufran accidentes vasculares encefalicos (AYE.).
ABSTRACT. Artifacts in EEG signals present several
problems for electroencephalographic interpretation. Many
techniques have been proposed to remove these artifacts
from EEG recordings, especially those arising from eye
movement and blinks; one of them is Independent
Component Analysis (lCA). In this paper we discussed ICA
as a source identification method for EEG recording of a
patient that suffers cerebral infarct. Due to the type of
studied activity comes accompanied from an increase of the
slow activity, is more difficult identify ocular artifacts, very
common in the EEG recordings. Therefore our detection
will fundamentally be based on the previous knowledge of
the stroke region by means of the analysis of the diffusion
image (DWI) of the patient and the EEG observation with
Trackwalker, software developed and commercialized by
270
CNC. In this paper we also analyze ICA feasibility as
artifact remove method in presence of cerebral infarct.
INTRODUCCION
Se ha demostrado que existen cambios muy evidentes en el
EEG convencional cuando el cerebro sufre una isquemia.
Esto ha sido comprobado tanto en animales con isquemia
experimental como en humanos '. En ambos casos se ha
reportado un aumento sustancial de la actividad en la banda
de frecuencias delta (I - 4 Hz) del EEG. Esta impresi6n
subjetiva ha sido ratificada por el uso del anaIisis espectral
cuantitativo, que consiste en estimar de fomm numerica la
energfa de la actividad oscilatoria del EEG a distintas
frecuencias.
En este sentido, en pacientes con accidente vascular
encefalico (AYE), el analisis cuantitativo del EEG,
especfficamente de la actividad lenta, perrnite conocer de
fonna objetiva el dafio en el tejido cerebral. La presencia
de artefactos en el registro de EEG analizado dificulta la
interpretabilidad del EEG, y por eso es importante eliminar
este tipo de actividad sin afectar las de interes para el
estudio. Mas si tenemos en cuenta que la presencia de
artefactos de origen ocular incide tambien en un aumento
de la actividad lenta de la sefial en los canales frontales, que
bien pudiera confundirse con la actividad lenta propia del
infarto.
Un conjunto de metodos han sido propuestos para eliminar
artefactos de la sefial del EEG, algunos de ellos basados en
regresi6n en el dominio del tiempo 2, 3, 4, 0 en el dominic de
la frecuencia 5, 6. Sin embargo estos metodos muchas veces
necesitan de un canal de referencia para realizar la
regresi6n, ademas del inconveniente de que este tipo de
procesamiento trae como consecuencia la perdida de
componentes de interes, e introducci6n de ruido en la sefial.
EI ICA 7 fue originalmente propuesto para resolver el
problema de separaci6n de las sefiales del EEG y encontrar
las componentes independientes que conforrnan la misma.
Una vez aplicado, la tarea del electroencefalografista
consistini en identificar las componentes que representan
artefactos y eliminarlas. Luego de 10 cual la sefial del EEG
quedani libre de artefactos sin afectaci6n alguna de las
seflales de interes.
La comparaci6n de los espectros de potencia del EEG
contra los valores normativos calculados en sujetos sanDs g
nos permite testar el grado de normalidad de la actividad
registrada por los electrodos en el EEG. En la tesis de
doctorado de Jorge Bosch 9, utilizando el modelo Amilisis
Espectral de Banda Estrecha (AEBE), se realiz6 el calculo
de la norma y las ecuaciones de regresi6n para el logaritmo
del espectro del EEG para una muestra de sujetos sanDs de
la poblaci6n cubana, con un rango de edades entre 5 y 97
afios 10. La evaluaci6n de las ecuaciones de regresi6n en el
rango de la edad y en todo el rango de frecuencias de 0.39 a
19.11 Hz, permiti6 obtener las superficies de desarrollo del
EEG en cada derivaci6n del sistema 10120 9.
La construcci6n de las superficies de desarrollo posibilit6 la
construcci6n de intervalos de confianza, de forma tal que
los espectros individuales pudieran ser testados contra la
base de datos de sujetos normales para analizar las
diferencias significativas en una derivaci6n determinada.
Estos intervalos fueron establecidos partiendo de la
extensi6n de la metodologia de la Z probabilistica al
modelo de Banda Estrecha g. La representaci6n de esta
informaci6n en forma de mapas topograficos permite la
localizaci6n aproximada de la zona lesionada por el AVE.
De esta forma, el analisis de la norrnalidad de la actividad
registrada en las derivaciones y el amilisis de los mapas
topograficos de la z correspondiente nos permite
seleccionar topograficamente la regi6n afectada por el
infarto. Este metoda nos permite identificar cuales son, por
su localizaci6n, los canales que mejor recogen la
informaci6n del infarto, y por tanto, al realizar la
eliminaci6n de artefactos con lCA, podemos verificar la
actividad de estos canales para comprobar que actividades,
como la reflejadas por el infarto cerebral, no han sido
afectadas.
MATERIALES Y METODO
El caso estudiado corresponde a una aborigen australiana,
conducida al hospital tres horas despues de haber sufrido un
infarto cerebral. La paciente tuvo dificultad para hablar
(afasia) y empez6 a ignorar su hemicuerpo derecho
(sfndrome de Neglect). A la paciente se Ie realizaron
estudios de MRI estructural, PWl y DWl para ponderar el
dafto del tejido cerebral y estimar con mayor exactitud la
zona de la lesi6n. En la figura I (derecha) se muestra fa
DWI pudiendose comprobar lesiones en eJ area de Broca
asf COmo en el l6bulo parietal Izquierdo siendo estas areas
cerebrales las que explican la sintomatologia de la paciente.
notablemente de forma
Como la paciente mejor6
espontanea se procedi6 a un estudio detallado para
conocer los signos objetivos de la recuperaci6n del infarto.
Como parte del estudio se Ie realizaron registros de EEG a
las 7, 13, 24, 48, 72 horas y 1 mes para detectar la
normalizaci6n del ritmo contenido en el EEG. En este
trabajo se estudi6 el registro realizado a las 7 horas. EI EEG
original recogido por los australianos es un registro
multicanal con 64 electrodos (derivaciones), incluyendo
canales de electrooculograma para medir la actividad
proveniente de los movimientos oculares. La frecuencia de
muestreo (FM) con que se digitaliz6 la sei'lal para cada uno
de los registros realizados fue de 500 Hz, para un periodo
de muestreo (PM) de 2 mseg (FM=l/PM). Se
seleccionaron ventanas de amilisis de 1024 puntos
(N t = 1024), siendo el tiempo de duraci6n de la ventana
(Ttotal) 2.048 segundos (Total=N t • PM). Luego, un
experto en EEG elimin6 aquellas ventanas en las cuales se
habian recogido periodos de somnolencia, quedando
Nk =102 ventanas de EEG.
Por la dimensionalidad de los datos, este estudio no pudo
hacerse extensivo a los 64 electrodos, y por tanto se
escogieron de ellos las 19 derivaciones correspondientes al
sistema convencional 10/20. La topografia de cada uno de
los 19 canales, mas la de los canales oculares EOG I Y
EOG2 se muestran en la parte izquierda de la figura I (ver
figura 1).
A la derecha de la figura I se observa la MRI de difusi6n
(DWl). Note que la lesion (zonas hiperintensas) se
encuentra en. el hemisferio izquierdo, y por tanto los
electrodos que mejor recogen esta informaci6n son aquellos
colocados en dicha regi6n. Mas especificamente, por su
posici6n, los electrodos F7 Y T3 son muy importantes en la
explicaci6n del dana cerebral posterior al AVE, Y por tanto
parte del analisis que sigue se centra en estos canales.
Fig. 1. Mapa topograjico de los electrodos segun el sistema 10120 e imagen de MRJ de difusi6n que muestra la region
de la lesion (zonas hiperintensas).
271
EI voltaje registrado en cada uno de los 19 canales del
sistema 10/20 10 denotaremos por la variable v: (t),
donde d representa cada una de las 19 derivaciones y k
cada uno de los segmentos. Para el amllisis de los datos,
estos fueron transformados al dominio de la frecuencia
mediante la aplicacion de la transformada nipida de
Fourier para analizar las componentes de frecuencia
fundamentales:
N(-1
I
v:(m) =
v:(t) ·exp(-2/Titm/ Nt)
componentes, no obstante, cste modelo inicial suponia que las
fuentes tenian distribucion gausiana. Una extension del
algoritmo infomax 13 pennite la separacion de fuentes
independientes en casos en que las distribuciones sean sub- 0
super-gausianas.
Toda esta teoria esta implementada en el toolbox EEGLAB de
Matlab, que es el que utilizamos en el proceso de eliminar los
artefactos. En este amilisis, ademas de las 19 derivaciones del
sistema 10/20 se incluyeron los canales oculares para realizar
un mejor tratamiento de los artefactos oculares.
(1)
1=0
RESULTADOS
Luego de 10 cual se ca1culo el periodograma para cada
uno de los segmentos y se estimo el espectro como la
media de los periodogramas para una determinada
frecuencia 0) :
s: (m) = Iv: (m )1
2
(periodograma)
Identificacion de la region lesionada
(2)
Nk
Sd
(m) =
~k Is~ (rv)
(3)
k=1
Luego, para poder comparar el registro con la base
normativa cubana se ca1culo el "espectro z" del registro,
atendiendo a la edad del sujeto e j , y para cada una de las
derivaciones d . EI "espectro z" se define en terminos de
la media y la desviacion est{mdar de las ecuaciones de
desarrollo mediante la siguiente expresion II:
(4)
Donde
X
d
(
m)
= In ( Sd ( m ) ) es
el
logaritmo
del
espectro en la derivacion d del registro rcalizado con el
sistema 10/20 al individuo. Mediante este metoda
pretendemos identificar cuales son las principales
derivaciones que capturan la actividad lenta del infarto
cerebral, y de esta forma, cuando realicemos la
eliminacion de artefactos con leA, tener una manera de
corroborar la efectividad del proceso de limpieza de la
sefial de EEG.
El problema de la estimacion de fuentes independientes
en lCA se traduce en encontrar la matriz W tal que la
transformacion lineal S~ (t)==Wv: (t) restablezca la
condicion I (S~, st) = 0 para todo i -::f. j . Bell y
Sejnowski 12 propusieron un algoritino para ca1cular la
matriz W usando maximizacion de la informacion
(infomax). Ellos demostraron que maximizando la
entropfa conjunta,
i -::f. j,
272
H (y) entre I (s~, st)
=
0 para todo
se minimiza la informacion mutua entre estas
La siguiente figura muestra la transformada z del espectro del
EEG de la paciente estudiada comparada contra la norma
cubana para una frecuencia determinada (m = 1.95 Hz )
(ver figura 2). En la figura, donde se muestra una grafica para
cada derivacion, el eje vertical corresponde a los valores de la
z, y el eje horizontal a la frecuencia en Hz. En este ultimo eje,
las marcas pequefias delimitan cada una de las bandas
fundamentales del EEG estudiadas: delta, theta, alpha y beta
respectivamente. Las rayas horizontales paralelas delimitan el
intervalo de confianza para la "z del logaritmo del espectro",
por tanto, todo tramo de la curva del log-espectro que
sobresalga de este intervalo. denotani presencia de actividad
"patologica" en la derivacion en cuestion. La linea vertical
muestra en la curva z correspondiente, la frecuencia que se
esta analizando. Por ultimo, el numero representado en cada
una de las 19 graficas indica el valor de la z para Ia frecuencia
en cuestion. La imagen a la derecha que se muestra en la
figura es un mapa topografico que muestra los valores de la z
en cada una de las derivaciones para la frecuencia 1.95 Hz
(ver figura 2). En la misma, las zonas mas claras denotan
puntos de maxima actividad, noten que estos se concentran en
la region donde se ubica la lesion. Analizando el mapa
topografico se puede concluir, en correspondencia con la
figura 1 derecha, que los mapas topograficos permiten una
buena localizacion de la zona de la lesion y con ella facilita la
lectura e interpretaci6n de los resultados.
En particular, se puede observar en esta figura un aumento
significativo para frecuencias lentas, principalmente dentro de
la banda delta. Observe las graficas de las derivaciones F7 y
T3 donde este aumento es muy significativo, con pico en 1.95
Hz. Los valores de z para esta frecuencia son 7.35 y 7.75
respectivamente. Como se puede observar, los dos picos
positivos en los espectros de las derivaciones F7 y 1'3
corresponden con las zonas de mayor actividad en el mapa
topografico para la frecuencia en cuesti6n, la cual esta
altamente correlacionada con la zona lesionada por el infarto
cerebral. Por tanto, los canales F7 y 1'3 por su ubicacion en el
cuero cabelludo con respecto a la regi6n infartada y las
razones ilustradas aquf,' son los que mejor explican la
actividad en la region del tejido lesionado.
Fp!·AVR
Fp2·AVR
2.24
2.57
Fig. 2. Transformada z del espectro del EEG para cada una de las derivaciones antes de la limpieza de artefactos
con leA. El mapa topografico de la derecha revela el pica de actividad lenta (1.953 Hz) que ocurre en el
hemisferio izquierdo a causa del AVE.
Eliminacion de artefactos de la seilal
La siguiente figura muestra cada una de las 21
componentes calculadas con el metodo runICA del
toolbox EEGLAB de matlab. En la misma se muestran
los mapas topograficos de cada componente estando
representadas las zonas de mayor actividad (positiva 0
negativa) por tonalidades de color mas oscuras (ver
figura 3).
5
•
11
13
I
14
••
19
I
20
I
16
I
I
12
17
I
•
Fig. 3. Mapa de las 21 componentes independientes calculadas par leA.
273
craneal en especffico, por su alto contenido de frecuencias
rapidas, debe estar atrapando los artefactos musculares del
EEG.
En la figura 4 se muestra la actividad de cada una de las 21
componentes (ver figura 4) para permitir una inspecci6n
visual de la actividad capturada por cada una de elias.
Un amilisis detallado de estos mapas sugiere que las
componentes 1, 2, 9, 10, 11, 12 Y 16 contienen diferentes
tipos de artefactos que pueden ser identificados por su
tipica topografia craneal (frontal en el caso de artefactos
oculares). Por otra parte la componente 21, aunque no
esta relacionada aparentemente con alguna ubicaci6n
211--
.....
.,l....
500 1(ll) 1500
0
~-
I
500
l00J 15(lO
0
_!
.......
,
5DlJ
,
,
1000
1~
I
0
"
I",
500 100) 1500
fJ
500
1000 15((1
I
0
Fig. 4. Actividad capturada por cada una de las 21 componentes.
Note la actividad ondulatoria de algunas de estas
componentes, por ejemplo: 2, lOy 11, 10 que reafirma la
sospecha que estas componentes contengan artefactos.
Tambien se muestra actividad rapida de la componente
21, A continuaci6n se analiza en detalle las
caracteristicas de la componente 1 como muestra del
analisis realizado.
La siguiente figura muestra informaci6n de importancia
para determinar el tipo de actividad contenida en la
componente I. Esta figura presenta una ventana de
anal isis del EEGLAB modificada, que permite al usuario
analizar el espectro y la visualizaci6n topografica de la
componente, asi como la posibilidad de determinar si
dicha componente es un artefacto 0 no (ver figura 5).
EI analisis de la grafica del espectro nos muestra que esta
componente contiene actividad muy lenta, siendo esta
una de las expresiones fundamentales de artefactos
oculares. Por otra parte, los mapas' topograficos de la
componente I, muestran claramente que el centro de
actividad de esta componente esta localizado
frontalmente. De manera precisa, la actividad capturada
por esta componente esta centrada a nivel de uno de los
canales oculares.
274
Component'1 map Component 1 activity
,.,
,
.f
r
,
f
,
,.
Activity power spectrum
co GO
~40
III
"C
:E 20
c::
~
~
0
----L'
, - I_ _
o
10
-'-,_ _~'---_ _...LI_ _---J'
20
30
40
50
Frequency (Hz)
Fig. 5. Ventana de ami/isis de /a componente 1.
Partiendo de este amilisis se decidi6 eliminar de la sei'ial de!
EEG las componentes I, 2, 9, 10, 11, 12, 16 Y 21. Esto es
posible anulando los coeficientes de estas componentes y
reconstruyendo la serial del EEG a partir de las fuentes que
restan, opciones disponibles en el EEGLAB.
EVALUACION DE LA LIMPIEZA DEL TRAZADO
Las proximas dos figuras muestran el mismo segmento
de EEG antes y despues de eliminar las componentes
seleccionadas como artefactos. Comparando ambos EEG
se observa que existe una mejora sustancial en la calidad del
EEG dada por la correccion de la actividad en FP I y FP2, y
por un mejor comportamiento, menos ondulatorio, de la sefial
captada en los canales oculares.
4
5
Fp1
Fp2
F3
f...A~'\N-r4"'Y~i:M........-'
F4
C3
C4
P3
P4
01
02
F7
F!3
13
T4
T5
1'6
Fz
Cz
pz
~~~""""~.f'-';J,~t-~...,J'-~'"'Avv-'vv::- r---~J"-.,.~~~~r"""-.,.""'-NV'"'V"J'''''''+..-y,i'N''''I'v-NvY'\l''",...,,~ Scale
EOG1
EOG2 """"-'-1'....
140
500 10001500 0
500 10001500 0
Fig. 6. Ventana de amilisis del EEO que muestra la actividad registrada en los 19 electrodos del sistema 10/20 mas la
actividad de los canales oculares (E001 y E002).
Fp1
Fp2
F3
3
2
......
,
'I
• ..-h.
~
NoW"
,
4
,
I
I
F4
C4
P4
13
T4
EOG1
EOG2
I.
I
I
I.
.
.~
I
L
~~
....
A
. ....r..
~.~
....
.A..
.....,.
I
""~I
.
~
I
--
500 10001500 0
~
'v
~
I
~~A-~
500 10001500 0
VVV'
---
I
'Y
~
.~.
~.
I
T5
1'6
Fz
Cz
pz
J
I
P3
FB
-"""~
I
C3
01
02
F7
5
I
~l'
1
'I
.~
J
l~--
~
500 .1000 1500 0
~:-vl
500 10001500 0
--"""
~
Scale
140
500 10001500 0
Fig. 7. Ventana de analisis del EEO que muestra la actividad registrada en los 19 electrodos del sistema 10/20 despues
de eliminados los artefactos.
Estos resultados ilustran la efectividad de utilizar el ICA
como herramienta para eliminar ruido de los datos del
EEG. Es interesante observar que la eliminaci6n de las
componentes de artefactos no afecto la actividad lenta
presente en los canales F7 y T3, 10 cual es muy importante
pues como se menciono con anterioridad, la ubicacion de
estos canales sobre el cuero cabelludo los relaciona
estrechamente con la zona de la lesion (ver figura 1 y 2).
275
Otra manera que tenemos de evaluar los beneficios de "la
limpieza" del trazado del EEG con el ICA, es a traves del
analisis de los espectros normados y los mapas
I
0···1.
Fr(lqu8ncy: ...1
r·······..•···..···,·,··,
I 11.953 Hz
3:.11
I_~~.~--~
{;...............................................
/il'
Fpl·AVR:,
i
;1
·1
1.171
topograficos calculados en el Trackwalker, tal y como muestra
la siguiente figura (ver figura 8). Este procedimiento ya fue
descrito en el acapite anterior.
,
_
,
Fp2..AVR
0.32':
. . :I~j·
-
.
,,'''',,.
I
8.33 ,
:
'
~..
0.68
I
I
I
I''''';;''''
;)
0.D1 .
2.461
I•
I
!b:.'~O ~t~~
I
:
.
'11"'hr' ""'--"'v-AJo., • ~
..
0.91
9 a
I
1
•••_...;........:•• ,;.~-~ ..........,:.:.........','"""'-- ... ,.:...~-
•
i
GP Z 1.953 Hz
f-"~-"--
I
rJ
"'I"'
4.02
I
It~-!b~~2:lb;2~rbilb1
I
-
.IH--.,-----
rt;~::[~I~!1 ";~:I ~
i
i
i
I
-
If'
.
I
i
!
1..
_
_
.
_._..
I
.
0.37
i
I
j
. . !
i
Fig. 8. Transfarmada z del espectro del EEG para cada una de las derivaciones despues de la limpieza de artefactos
can lCA. El mapa topagrajico de la derecha revela el pico de actividad lenta (1.953 Hz) que ocurre en el
hemisferio izquierdo a causa del A VE.
Observe en esta ultima figura como la actividad lenta
recogida por los electrodos FP 1 Y FP2, correspondiente con
los movimientos oculares, disminuye y ya no existe
significaci6n estadistica en estas derivaciones al compararlo
contra las normas. Si comparamos los mapas topograticos
de esta figura con los mapas topograficos de la figura 3,
observamos que la actividad frontal producida par posibles
artefactos ha disminuido considerablemente (ver figura 2).
Sin embargo, la actividad lenta significativa en los canales
F7 y T3 se conserva.
Como se ha mostrado aqui es perfectamente posib1e
eliminar artefactos de la sefial de EEG a un paciente que
sufri6 infarto cerebral sin temor a perder senales de interes
para el analisis del dana del tejido cerebral en presencia de
una lesi6n producida por un infarto cerebral.
CONCLUSIONES
El ICA es un metodo que por su efectividad puede ser
utilizado para eliminar artefactos de la senal del EEG de
registros de pacientes que sufrieron infarto cerebral.
El conocimiento previo de la regi6n afectada por el AYE
permite dirigir la eliminaci6n de artefactos, localizando
previamente cuales son las derivaciones cuya actividad y
localizaci6n craneal indica que contienen la actividad
provocada del infarto. Esto garantiza que la actividad
276
patol6gica del infarto no sea confundida con algun artefacto
detectado mas tarde al analizar las componentes
independientes.
El Trackwalker puede ser utilizado para comprobar la
efectividad de la eliminaci6n de artefactos con ICA
atendiendo fundamentalmente a la actividad de las
derivaciones identificadas con el infarto cerebral y a
aqueUas donde se detectaron los artefactos para comprobar
la correcci6n de los mismos.
BIBLIOGRAFIA
1. Niedermeyer, E. & Lopes Da Silva, F. (1993).
Cerebrovascular disorders and EEG. In Chapter 18 (pp.
275-300).
2. Gratton, G., Colex, M. G., & Donchin, E. (1983). A new
method for off-line removal of ocular artifact.
Electroencephalography and Clinical Neurophysiology, 55,
468-484.
3. Hillyard, S. A. & Galambos, R. (1970). Eye-movement
artifacts in the CNY. Electroencephalography and Clinical
Neurophysiology, 28, 173-182.
4. Yerleguer, R., Gasser, T., & Mocks, J. (1982). Correction
of EOG artifacts in event-related potentials of EEG:
Aspects of reliability and validity. Psychophysiology, 19,
472-480.
5. Whitton, J. L., Lue, F., & Moldofsky, H. (1978). A
spectral method for removing eyemovement artifacts from
Electroencephalography
and
Clinical
the
EEG.
Neurophysiology, 44,735-741.
6. Woestenburg, 1. c., Verbaten, M. N., & Slangen, J. L.
(1983). The removal of the eyemovement artifact from the
EEG by regression analysis in the frequency domain.
Biological Psychology, 16, 127-147..
7. Comon, P. (1994). Independent Component Analysis - A
new concept? Signal Processing, 36, 287-314.
8. John, E., Karmel, B., Coming, W., Easton, P., Brown, D.,
Aim, H. et al. (1977). Neurometrics: Numerical taxonomy
identifies different profiles of brain functions within groups
of behaviorally similar people. Science, 196, 1383-1410.
9. Bosch, J. (2000). Amilisis cuantitativo de alta resoluci6n
del EEG. CNC.
10. Valdes, P., Virues, T., Szava, S., Bosch, J., Galan, L., &
Biscay, R. (1990). High Resolution Spectral EEG Norms
Topography. Brain Topography, 3, 281-282.
11. Szava, S., Valdes, P., Bosch, J., Clark, 1., Jimenez, J. c.,
& Galan, L. (1994). High resolution quantitative EEG
analysis. Brain Tomography, 6, 211-219.
12. Bell, A. 1. & Sejnowski, T. 1. (1995). An information
maximization approach to blind separation and blind
deconvolution. Neural Computation, 7, 1129-1159.
13. Lee, T. W., Girolami, M., & Sejnowski, T. J. (1999).
Independent Component Analysis using an extended
infomax algorithm for mixed sub-Gaussian and super
Gaussian sources. Neural Computation, 11, 606-633.
---------------------
I
Es un
electroencefal6~rafo
di~ital
de 32 canales, 24 de
ellos monopolares con
posibilidades de
pro~ramaci6n y 8 bipolares
con la posibilidad de
conexi6n monopolar para
conformar 32 canales con
referencia comun
a
EI MEDICID 5 est concebido para el diagn6stico en las siguientes
especialidades:
~
~
~
~
~
~
~
NeurofisioloQia Clinica
NeuroloQia
Psiquiatria
Enfermedades Neurol6Qicas y Psiquiatricas
PsicofisioloQia
polisomnoQrafia
Monitoreo trans-operatorio
277

Eliminacion de artefactos del EEG con leA en un registro de un caso

Transcripción

Documentos relacionados

NEUROFAX EEG-1200 Pro Sistema de

Neurovirtual EEG