Documente Academic
Documente Profesional
Documente Cultură
PRCTICA DE PROCESADO DE
SEALES BIOMDICAS
Procesado de seales biomdicas Curso 2008-2009
NDICE
1. OBJETIVOS______________________________________________________ 3
7. INFORME DE RESULTADOS_______________________________________ 7
BIBLIOGRAFA ____________________________________________________ 8
2
Procesado de seales biomdicas Curso 2008-2009
1. OBJETIVOS
Con esta prctica se pretende que el alumno sea capaz de programar y evaluar la
utilidad de mtodos de anlisis tiempo-frecuencia y no lineales para procesar seales de
electroencefalograma (EEG) de pacientes con la enfermedad de Alzheimer y sujetos de
control. Las seis sesiones prcticas se llevarn a cabo en el seminario Bangemman (2
planta). Al final de la prctica se deber haber realizado una serie de programas de
Matlab que permitirn:
2. SEALES DE EEG
3
Procesado de seales biomdicas Curso 2008-2009
Las ondas generadas por el EEG abarcan frecuencias desde 0.5 Hz hasta unos
100 Hz, con amplitudes comprendidas entre 100 V y 10 mV, dependiendo de si el
punto de registro se encuentra en la corteza (electrodos intracraneales) o sobre la
superficie del cuero cabelludo (electrodos superficiales).
Las seales de EEG con las que van a trabajar fueron registradas con un
electroencefalgrafo digital Profile Study Room 2.3.411 de Oxford Instruments.
Empleamos el sistema internacional 10-20 (canales Fp1, Fp2, F3, F4, C3, C4, P3, P4,
O1, O2, F7, F8, T3, T4, T5, T6, Fz, Cz y Pz), con el electrodo de referencia situado en
la barbilla. Con el fin de minimizar la presencia de artefactos ruidosos en la actividad
base del EEG, los registros se realizaron con todos los sujetos sentados, despiertos, en
reposo, quietos y con los ojos cerrados. La seal se registr con los ojos cerrados para
minimizar la presencia de artefactos debidos a movimiento ocular.
La frecuencia de muestreo empleada en el registro de la seal fue 256 Hz. Los
datos se digitalizaron con un conversor A/D empleando 12 bits y se organizaron en
pocas continuas de 5 s (1280 puntos).
Descargue en su directorio de trabajo las seales de EEG disponibles en la
pgina web de la asignatura.
4
Procesado de seales biomdicas Curso 2008-2009
3. ENFERMEDAD DE ALZHEIMER
Los registros EEG son seales no estacionarias [7]. Por tanto, un anlisis preciso
de sus caractersticas requiere de la aplicacin de tcnicas de procesado que reflejen la
variacin en el tiempo de sus propiedades. Para ello, resulta til emplear
representaciones en tiempo-frecuencia capaces de reflejar la variacin en el tiempo de
las caractersticas espectrales de las seales. Una de las representaciones ms sencillas e
intuitivas es la transformada corta de Fourier (STFT, Short Time Fourier Transform),
que selecciona segmentos de la seal mediante una serie de ventanas temporales que se
desplazan a lo largo de la misma. Dado que los segmentos seleccionados se pueden
considerar estacionarios, si la ventana es suficientemente pequea, el siguiente paso
consiste en aplicar la transformada de Fourier sobre cada uno de ellos. De esta forma, es
posible obtener una evolucin temporal del espectro de la seal [8].
A travs de la representacin que proporciona la STFT calcularemos la
evolucin temporal de alguno de los siguientes mtodos tiempo-frecuencia para el
anlisis de la actividad base de la actividad EEG de pacientes con un diagnstico de EA
probable y de sujetos de control.
Frecuencia mediana. Es un ndice que se usa para resumir de una forma
sencilla el contenido del espectro de potencia. Se define como la frecuencia a
5
Procesado de seales biomdicas Curso 2008-2009
6
Procesado de seales biomdicas Curso 2008-2009
7. INFORME DE RESULTADOS
1
La plantilla correspondiente est disponible en la pgina web de la asignatura.
7
Procesado de seales biomdicas Curso 2008-2009
BIBLIOGRAFA
[1] H. H. Jasper, The ten twenty electrode system of the International Federation,
Electroenceph. clin. Neurophysiol., vol. 10, pp. 371-375, 1958.
[2] A. Gil-Nogal, J. Parra, J. Iriarte, and A. M. Kanner, Manual de
electroencefalografa. Mc. Graw-Hill, 2001.
[3] T. D. Bird, Alzheimers disease and other primary dementias, in Harrison's
Principles of Internal Medicine, E. Braunwald, A. S. Fauci, D. L. Kasper, S. L.
Hauser, D. L. Longo, and J. L. Jameson, Eds. New York: The McGraw-Hill
Companies, Inc., 2001, pp. 2391-2399.
[4] R. T. Woods, La enfermedad de Alzheimer. Madrid: Instituto Nacional de
Servicios Sociales, 1991.
[5] A. Harrison, Principios de Medicina Interna. 13th ed. Madrid: McGraw-Hill,
1995.
[6] J. Jeong, EEG dynamics in patients with Alzheimers disease, Clin.
Neurophysiol., vol. 115, pp. 1490-1505, 2004.
[7] S. Blanco, H. Garca, R. Q. Quiroga, L. Romanelli, and O. A. Rosso, Stationarity
of the EEG series, IEEE Eng. Med. Biol., vol. 14(4), pp. 395399, 1995.
[8] O. Rioul, and M. Vetterli, Wavelets and Signal Processing, IEEE Signal
Process. Mag., vol. 8(4), pp. 1438, 2001.
[9] J. Poza, R. Hornero, D. Absolo, A. Fernndez, and M. Garca, Extraction of
spectral based measures from MEG background oscillations in Alzheimers
disease, Med. Eng. Phys., vol. 29(10), pp. 10731083, 2007.
[10] A. Ramalingam and S. Krishnan, Gaussian mixture modeling of Short-Time
Fourier Transform features for audio fingerprinting, IEEE Transactions on Inf.
Forensics Secur., vol. 1(4), pp. 457463, 2006.
[11] N. S. Jayant and P. Noll, Digital coding of waveforms: Principles and applications
to speech and video. Prentice Hall, 1984.
[12] G. J. Kelen, R. Henkin, A. M. Starr, E. B. Caref, D. Bloomfield, and N. el-Sherif,
Spectral turbulence analysis of the signal-averaged electrocardiogram and its
predictive accuracy for inducible sustained monomorphic ventricular tachycardia,
Am. J. Cardiol., vol. 67(11), pp. 965975, 1991.
[13] P. R. B. Barbosa, A. de Souza Bomfim, E. C. Barbosa, P. Ginebra, S. H. Cardoso
Boghossian, C. Destro, and J. Nadal, Spectral turbulence analysis of the signal-
averaged electrocardiogram of the the atrial activation as predictor of recurrence of
idiopathic and persistent atrial fibrillation, Int. J. Cardiol., vol. 107(3), pp. 307
316, 2006.
[14] R. Vzquez, E. B. Caref, F. Torres, M. Reina, J. A. Guerrero, and. N. El-Sherif,
Reproducibility of time-domain and three different frequency-domain techniques
for the analysis of the signal-averaged electrocardiogram, J. Electrocardiol., vol.
33(2), pp. 99105, 2000.
[15] C. E. Shannon, A Mathematical Theory of Communication, Bell System Tech.
J., vol. 27(7/10), pp. 379423,623655, 1948.
[16] G. E. Powell and I. C. Percival, A spectral entropy method for distinguishing
regular and irregular motion of Hamiltonian systems, J. Phys. A Math. Gen., vol.
12(11), 20532071, 1979.
[17] T. Inouye, K. Shinosaki, H. Sakamoto, S. Toi, S. Ukai, A. Iyama, Y. Katsuda, and
M. Hirano, Quantification of EEG irregularity by use of the entropy of the power
spectrum, Electroenceph. Clin. Neurophysiol., vol. 79(3), pp. 204210, 1991.
8
Procesado de seales biomdicas Curso 2008-2009
[18] P. E. Rapp, Chaos in the neurosciences: cautionary tales from the frontier,
Biologist, vol. 40, pp. 89-94, 1993.
[19] C. J. Stam, T. C. A. M. van Woerkon, and W. S. Pritchard, Use of nonlinear EEG
measures to characterize EEG changes during mental activity, Electroenceph.
clin. Neurophysiol., vol. 76, pp. 214-224, 1996.
[20] S. M. Pincus, Approximate entropy as a measure of system complexity, Proc.
Natl. Acad. Sci. USA, vol. 88, pp. 2297-2301, Mar. 1991.
[21] S. M. Pincus and D. L. Keefe, Quantification of hormone pulsatility via an
approximate entropy algorithm, American Journal of Physiology, vol. 262, pp.
E741-E754, 1992.
[22] S. M. Pincus, Assessing serial irregularity and its implications for health, Annals
of the New York Academy of Sciences, vol. 954, pp. 245-267, 2001.
[23] A. Lempel and J. Ziv, On the complexity of finite sequences, IEEE Trans.
Inform. Theory, IT-22, pp.75-81, 1976.
[24] X.-S. Zhang, Y.-S. Zhu, N. V. Thakor, Z.-Z. Wang, Detecting Ventricular
Tachycardia and Fibrillation by Complexity Measure, IEEE Trans. Biomed. Eng.,
vol. 46, pp. 548-555, 1999.
[25] J. S. Richman and J. R. Moorman, Physiological time-series analysis using
approximate entropy and sample entropy, Am. J. Physiol. (Heart Circ. Physiol),
vol. 274, pp. 2039-2049, 2000.
[26] J. Poza, R. Hornero, J. Escudero, A. Fernndez, and C. Gmez, Analysis of
spontaneous MEG activity in Alzheimer's disease using time-frequency
parameters, Proc. 30th Ann. Int. Conf. IEEE Eng. Med. Biol, pp. 57125715,
Vancouver, Canada, 2008.
[27] R. Hornero, J. Escudero, A. Fernndez, J. Poza, and C. Gmez, Spectral and Non-
linear Analyses of MEG Background Activity in Patients with Alzheimers
Disease, IEEE Trans. Biomed. Eng., vol. 55(6), pp. 1658-1665, 2008.
[28] D. Absolo, R. Hornero, P. Espino, J. Poza, C.I. Snchez, and R. de la Rosa,
Analysis of regularity in the EEG background activity of Alzheimer's disease
patients with Approximate Entropy, Clin. Neurophysiol., vol. 116, pp.
18261834, 2005.
[29] D. Absolo, R. Hornero, P. Espino, D. lvarez, and J. Poza, Entropy analysis of
the EEG background activity in Alzheimers disease patients, Physiol. Meas., vol.
27, pp., 2006.
[30] D. Absolo, R. Hornero, C. Gmez, M. Garca, and M. Lpez, Analysis of EEG
background activity in Alzheimers disease patients with Lempel-Ziv complexity
and Central Tendency Measure, Med. Eng. Phys., vol. 28, pp., 2006.