Técnica de procesamiento para detección de índices que señalen la presencia de onda MU en la señal EEG

  • Antonio Alvarez Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina https://orcid.org/0000-0001-9028-4868
  • Negman Alvarado Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Sebastián Reynoso Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Sofia Gai Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Jorge Cassia Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Santiago Pérez Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Edinson Dugarte Grupo de Ingeniería Biomédica (GIBULA), Universidad de Los Andes (ULA), Mérida, Venezuela
  • José Balacco Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Jorge Abraham Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina
  • Alejandra Molina Universidad Nacional de Córdoba (UNC). Córdoba, Argentina
  • Nelson Dugarte Instituto Regional de Bioingeniería (IRB) – Centro de computación y Neurociencia (CERECON), Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM), Argentina; Grupo de Ingeniería Biomédica (GIBULA), Universidad de Los Andes (ULA), Mérida, Venezuela
Palabras clave: Procesamiento de señales, Detección de la onda MU, Neuronas espejo, Análisis del electroencefalograma

Resumen

Estudios modernos han demostrado que las neuronas espejo están involucradas en el desarrollo de la empatía social y el lenguaje. En consecuencia, una deficiencia en la respuesta de las redes neuronales espejo podría ser una de las disfunciones presentes en el trastorno del espectro autista (TEA), como expresión funcional fenotípica de las canalopatías en algunas regiones cerebrales.
La detección temprana de las deficiencias en los sistemas de redes neuronales espejo, podría permitir aplicaciones más eficientes de las terapias comportamentales en los pacientes con TEA. La detección de las ondas MU en el Electroencefalograma (EEG) podría ser una técnica interesante que hace referencia al funcionamiento de estas redes neuronales.
En este artículo se presenta una técnica simple, desarrollada con el propósito de identificar la presencia de ondas MU en el registro EEG. Consiste en un procesamiento que analiza cada una de las derivaciones del EEG, con la implementación de un método matemático. El análisis de la señal busca los cambios en los patrones de frecuencia relacionados con las ondas MU, discriminando la presencia de ondas alfa por la asociación a la respuesta del paciente ante un estímulo visual condicionado.
Los resultados preliminares demuestran la eficiencia del sistema. En el análisis se hizo hincapié en las alteraciones de frecuencia en el rango de 9 a 12 Hz. Las respuestas más significativas se obtuvieron con el procesamiento de las derivaciones C3, CZ, y C4.

Descargas

La descarga de datos todavía no está disponible.

Citas

Ganong W., “Fisiología Médica. Manual Moderno”, 17ª Edición, Editorial McGraw-Hill. México, D.F., 1999.

Herculano-Houzel S. The remarkable, yet not extraordinary, human brain as a scaled-up primate brain and its associated cost. Proc Natl Acad Sci USA. 2012;109(Suppl):10661–10668. http://www.pnas.org/cgi/doi/10.1073/pnas.1201895109

Fan, L., Li, H., Zhuo, J., Zhang, Y., Wang, J., Chen, L., Yang, Z., Chu, C., Xie, S., Laird, A.R., et al., 2016. The human brainnetome atlas: A new brain atlas based on connectional architecture. Cerebral Cortex, bhw157. Cerebral Cortex. 2016; 26: 3508–3526 https://www.doi.org/10.1093/cercor/bhw157

Zhendong N., Yaoxin N., Qian Z., Linlin Z., and Jieyao W. A brain‑region‑based meta‑analysis method utilizing the Apriori algorithm. BMC Neurosci (2016) 17:23 https://www.doi.org/10.1186/s12868-016-0257-8

Arango C., Pimienta H. El cerebro: de la estructura y la función a la psicopatología. Revista Colombiana de Psiquiatría. 2004; 33 (1).

Vera J., Autismo temprano, neuronas espejo, empatía, integración sensorial, intersubjetividad. Cuadernos de Psiquiatría y Psicoterapia del Niño y del Adolescente, 2012; 54 (1): 79-91.

Vázquez M. Trastorno del espectro autista. Departamento de Educación Especial Aguascalientes. México, 2014.

Valdez D., Ruggieri V. Autismo, del diagnóstico al tratamiento. Editorial Paidós. Buenos Aires. 2011.

Centro para el Control y Prevención de las Enfermedades (CDC) [Internet]. Prevalencia del autismo levemente más alta según informe de la Red ADDM de los CDC. [Citado 18 septiembre de 2018]. Disponible en: https://www.cdc.gov/spanish/mediosdecomunicacion/comunicados/p_prevalencia-autismo_042618.html

Organización mundial de la Salud (WHO) [Internet]. Trastornos del espectro autista [Citado 18 octubre de 2018]. Disponible en:http://www.who.int/es/news-room/fact-sheets/detail/autism-spectrum-disorders

Ramachandran, VS. Mirror neurons and imitation learning as the driving force behind "the great leap forward" in human evolution. Revista Edge. 2009; 1 (6).

Bautista J, Navarro JR. Neuronas espejo y el aprendizaje en anestesia. Rev Fac Med. 2011; 59:339-351.

Hobson HM, Bishop DVM.The interpretation of mu suppression as an index of mirror neuron activity: past, present and future. R. Soc. open sci. 4: 2017. 160662. http://dx.doi.org/10.1098/rsos.160662

Obermana, L., Hubbarda, E., McCleeryb, J., Altschulera, E., Ramachandrana, V., Pinedad, J. EEG evidence for mirror neuron dysfunction in autism spectrum disorders. Cognitive Brain Research. 2005; 24 (2): 190-198.

Ramos, F., Morales, G. Egozcue, S., Pabón, R., Alonso, M. Técnicas básicas de electroencefalografía: principios y aplicaciones clínicas. Servicio de Neurofisiología Clínica del Hospital Virgen del Camino. Pamplona. 2009; 32 (3): 69-82.

Fox NA, Bakermans-Kranenburg MJ, Yoo KH, Bowman LC, Cannon EN, Vanderwert RE, Ferrari PF, van IJzendoorn MH. 2015 Assessing human mirror activity with EEG mu rhythm: a meta-analysis. Psychol. Bull. 142, 291–313. https://www.doi.org/10.1037/bul0000031

Roussos, J. El diseño de caso único en investigación en psicología clínica, Un vínculo entre la investigación y a práctica clínica. Revista Argentina de Clínica Psicológica. 2007; 16 (3): 161-170.

Talamillo, T. Manual básico para enfermeros en electroencefalografía. Revista de la Junta Médica de Andalucia, Enfermería Docente. 2011; 94: 29-33.

Asociación Médica Mundial (AMM). Declaración de Helsinki de la AMM - Principios éticos para las investigaciones médicas en seres humanos. Disponible en: http://www.anmat.gov.ar/comunicados/HELSINSKI_2013.pdf. Última visita: mayo 2018.

González, J. Transformadas Wavelet impacto fundamental en procesamiento de señales y compresión de imágenes. Tesis de la Facultad de Ciencias Básicas, Universidad Tecnológica de Pereira. Colombia. 2014.

Publicado
2019-07-10
Cómo citar
1.
Alvarez A, Alvarado N, Reynoso S, Gai S, Cassia J, Pérez S, Dugarte E, Balacco J, Abraham J, Molina A, Dugarte N. Técnica de procesamiento para detección de índices que señalen la presencia de onda MU en la señal EEG. Rev Peru Investig Salud [Internet]. 10jul.2019 [citado 17ene.2020];3(3):101-8. Available from: http://revistas.unheval.edu.pe/index.php/repis/article/view/331
Sección
Artículos originales