Resumen de Procesamiento de señales cerebrales provenientes de estímulos visuales y auditivos utilizando análisis wavelet y redes neuronales artificiales

Alberto Lizcano Portilla, Alfonso Mendoza Castellanos, Zulmary Carolina Nieto Sánchez

• español

  Este artículo presenta el diseño y desarrollo de un prototipo portátil para la adquisición, procesamiento y clasificación de señales EEG con el objetivo de caracterizar estímulos visuales y auditivos, se trabajó con dos pacientes diferentes para la validación de los resultados, se realizó el registro de las señales durante 4 segundos a una frecuencia de 500Hz. Los pacientes fueron expuestos a estímulos visuales y auditivos en diferentes casos, cuya frecuencia de aparición permanecía constante. Para el registro de las señales se diseñó un sistema de adquisición de 4 canales configurables entre sí para trabajar con derivación unipolar o bipolar según requiera el experimento. La selección de la mejor base en el análisis multi-resolución de wavelet  se tuvieron en cuenta dos parámetros importantes, la medida de la entropía y los porcentajes de clasificación de dichos niveles, debido a que los potenciales evocados son generalmente constantes en su morfología, se hizo promediación coherente dando como resultado la ubicación espacio-tiempo donde aparece dicho potencial evocado, una vez se obtuvo las características de la señal tratada se procedió a clasificarlas mediante dos métodos diferentes de  inteligencia artificial, redes neuronales y máquinas de soporte vectorial, en esta etapa se tomó en cuenta la medida de la desviación estándar de los datos, para garantizar que la máquina de aprendizaje se entrene de manera correcta. Los resultados obtenidos demuestran de manera fidedigna el comportamiento general de los potenciales evocados como resultado a los estímulos presentados, además de que se pudo comprobar la variación de las ondas alfa del paciente según su estado de relajación o alerta en cada caso, es recomendable realizar un sistema de filtrado mucho más robusto para aumentar la relación señal a ruido de la señal EEG, facilitar su análisis y mejorar los resultados.

• English

  This article presents the design and development of a portable prototype for the acquisition, processing and classification of EEG signals with the aim of characterizing visual and auditory stimuli. Two different patients were worked with to validate the results, and the signals were recorded for 4 seconds at a frequency of 500Hz. The patients were exposed to visual and auditory stimuli in different cases, whose frequency of appearance remained constant. For the recording of the signals, a 4-channel acquisition system was designed, which could be configured to work with unipolar or bipolar derivation, as required by the experiment. The selection of the best base in the multi-resolution wavelet analysis, two important parameters were taken into account, the measurement of entropy and the percentages of classification of these levels, because the evoked potentials are generally constant in their morphology, it was made coherent averaging giving as a result the space-time location where this evoked potential appears, Once the characteristics of the treated signal were obtained, they were classified using two different methods of artificial intelligence, neural networks and vector support machines. At this stage, the measurement of the standard deviation of the data was taken into account to ensure that the learning machine was trained correctly. The results obtained reliably demonstrate the general behaviour of the evoked potentials as a result of the stimuli presented. In addition, it was possible to verify the variation of the patient's alpha waves according to his or her state of relaxation or alert in each case, it is advisable to carry out a much more robust filtering system to increase the signal-to-noise ratio of the EEG signal, facilitate its analysis and improve the results.