Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Tecnicas de procesado de PSGs- Martín

5,472 views

Published on

Proyecto Final de Carrera realizado en el Área de Procesado de Señales de la Universidad Politécnica de Valencia sobre el estudio de técnicas de procesado automático de polisomnogramas (PSGs).

Published in: Technology

Tecnicas de procesado de PSGs- Martín

  1. 1. E.T.S.I.T PROYECTO FIN DE CARRERA Martín Martínez Villar Dtor: Luis Vergara González Arturo Serrano Cartagena Técnicas de procesado de polisomnogramas (PSG) para la extracción automática de hipnogramas. Valencia, Marzo de 2009
  2. 2. Introducción 4 Capitulo 1
  3. 3. Introducción 4 Capitulo 1 A los compañeros del GTS A Addisson y Arturo A Reyes y Martín A Julio y Juana
  4. 4. Técnicas de procesado de polisomnogramas (PSG) para la extracción automática de hipnogramas. Índice de contenidos ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS: Capítulo 1. Introducción 1 Capítulo 2. Electroencefalografía aplicada al estudio del sueño 5 2.1. Fundamentos del análisis electroencefalográfico 7 2.2. Anatomía Cerebral 8 2.3. La Señal EEG 10 2.3.1. Registro de la Señal EEG 11 2.3.2. Electrodos 11 2.3.3. Localización de los Electrodos 12 2.3.4. Campos de potencial 14 2.3.5. Tratamiento de la Señal EEG 15 2.3.6. Montajes y Uso Razonable de Canales 16 2.3.7. Características de la señal EEG 18 2.3.8. Formato de la señal EEG 19 2.4. Polisomnograma (PSG) e Hipnograma 21 2.4.1. El Sueño 21 2.4.2. Polisomnografía 22 2.4.3. Hipnograma 23 2.4.4. Técnicas y Sistemas de Marcado 24 2.4.4.1. Reglas RK 24 2.4.4.2. Manual AASM 31 Capítulo 3. Segmentación y extracción de características del EEG 33 3.1. Introducción 35 3.2. Preprocesado 36 3.3. Segmentación 39 3.4. Extracción de Características 44 3.4.1. Amplitud 46 3.4.2. Frecuencia central 48 3.4.3. Energía Pesada en Frecuencia (FWE) 53 3.4.4. Spindles 54 3.4.5. Índice de Onda Lenta Alpha (ASI) 55 3.4.6. Índice de Actividad de Sueño Theta (TSI) 55 3.4.7. Detección de movimiento en los ojos (EMs) 56 3.5. Tratamiento de Artefactos 58 Capítulo 4. Clasificación automática de segmentos EEG 61 4.1. Introducción 63 4.2. Algoritmo K-Means (KM) 64 4.3. Algoritmo Fuzzy K-Means (FKM) 65 4.3.1 Índices de Calidad de Partición 66 4.4. Algoritmo K-Means en 2 Etapas 68 4.5. Comparación de algoritmos 73 4.5.1. Caso 1 75 4.5.2. Caso 2 81 Capítulo 5. Conclusión y Trabajo Futuro 85 Anexo: I: Acrónimos y definiciones 91 II: Referencias 92
  5. 5. Técnicas de procesado de polisomnogramas (PSG) para la extracción automática de hipnogramas. Índice de contenidos Índice de Tablas: Tabla 1. Nomenclatura empleada en el Sistema Internacional de Referencia 10/20……………………...13 Tabla 2. Bandas de frecuencias definidas para los patrones EEG y sus diferentes formas de onda...........18 Tabla 3. Duración aproximada de cada una de las fases de sueño según la edad del sujeto.......................24 Tabla 4. Principales características de las fases del sueño, basado en las Reglas RK……………………44 Tabla 5. Parámetros generales de sueño…………………………………………………………………..74 Tabla 6. Estadios de sueño en el Caso 1…………………………………………………………………..75 Tabla 7. Estadios de sueño en el Caso 2…………………………………………………………………..81 Índice de Figuras: Figura 1. Imagen de uno de los primeros aparatos EEG. Laboratorio de Hans Berger…………………….7 Figura 2. Vista lateral del cerebro (lado izquierdo).......................................................................................9 Figura 3. Representación de las diferentes zonas del cuerpo junto con sus áreas correspondientes en el córtex somatosensorial (izquierda) y el córtex motor (derecha) [9]...................................................9 Figura 4. Electrodo activo plano usado en EMG y EEG de la marca BioSemi...........................................12 Figura 5. Representación del Sistema Internacional 10-20 para la colocación de los electrodos................13 Figura 6. Ejemplo de Campo Potencial y valor en los distintos electrodos.................................................14 Figura 7. Principio de la localización bipolar..............................................................................................17 Figura 8. Ejemplo de un Hipnograma con la distribución de las distintas fases de sueño que atraviesa el paciente a lo largo de las horas de sueño..........................................................................................23 Figura 9. Localización de los electrodos en los EOGs, EMG y EEGs........................................................25 Figura 10. Época perteneciente a fase W o de vigilia..................................................................................25 Figura 11. Aunque hay dominancia de alta amplitud, la mayor parte de la época está oscurecida por movimientos, por lo que la época se marca como MT (Movement Time).......................................26 Figura 12. La época muestra una porción de fase 1 con ondas vértex prominentes en el EEG y aparición de movimientos oculares lentos........................................................................................................26 Figura 13. Época en fase S2 con elevada tónica EMG..............................................................................27 Figura 14. Época en fase S3. EEG de alta amplitud con actividad lenta en un tercio de la época..............28 Figura 15. Época en fase S4. EEG de alta amplitud con actividad lenta delta en más de la mitad de la época……………………………………………………………………………………………….29 Figura 16. Época en fase REM con bajo voltaje, frecuencia EEG mixta, REMs y EMG en el menor nivel de toda la grabación. Aparición de ondas con forma de diente de sierra..........................................30 Figura 17. Diagrama de bloques de las etapas que constituyen el capítulo 3..............................................35 Figura 18. Diagrama del preproceso de los EEGs. Se muestra la creación de las referencias así como los filtros empleados en cada señal.........................................................................................................36 Figura 19. Fragmento de la señal EEG C3A2 antes y después de filtrar.....................................................37 Figura 20. Fragmento de la señal EMG antes y después de filtrar..............................................................37 Figura 21. Fragmento de ambos EOGs antes y después de filtrar...............................................................38 Figura 22. Respuesta en frecuencia de los filtros Butterworth de 6º orden con el que se tratan la señales EEG (fc=30 Hz), EMG (fc=40Hz) y EOG (fc=5Hz)........................................................................38 Figura 23. a) Fragmento EEG de 4 segundos. b) Parámetro NLEO del fragmento EEG con un tamaño de ventana de 128 muestras...................................................................................................................39 Figura 24. a) Señal EEG registrada sobre el canal central. La duración es de 23.4 segundos o 6000 muestras con fs= 256 Hz. b) Comparación del parámetro Gnleo para diferente tamaño de ventana N (64, 128, 256, 512 respectivamente).............................................................................................40 Figura 25. Criterio de segmentación umbralizado para diferente tamaño de ventana L.............................41 Figura 26. Obtención del criterio de segmen-tación global.........................................................................42 Figura 27. División final en segmentos. Se muestran los 7 segmentos en que se divide la señal ejemplo. La duración mínima del segmento se establece en 3 segundos (768 muestras). Para el tramo de señal ejemplo, el segmento más corto es de 3.067 segundos (785 muestras) mientras el más largo es de 3.29 segundos (841 muestras). Dicha duración depende del contenido en amplitud y frecuencia de las señales EEG y EMG..............................................................................................43 Figura 28. Los canales EEG y EMG se usan para generar el criterio global de segmentación. Las líneas verticales indican las marcas de los segmentos generados, que automáticamente se extienden a los canales EOG, resultando segmentos en los cinco canales................................................................44 Figura 29. Un segmento se caracterizará finalmente por un vector de 13 características...........................46
  6. 6. Técnicas de procesado de polisomnogramas (PSG) para la extracción automática de hipnogramas. Índice de contenidos Figura 30. La Amplitud del Canal Central es la primera de las características de los segmentos...............46 Figura 31. Amplitud de los distintos segmentos que componen la señal EEG O2A1.................................47 Figura 32. Amplitud de los segmentos que componen la señal EMG.........................................................47 Figura 33. Comparación de la amplitud de las señales registradas sobre los canales central y occipital...48 Figura 34. Representación del Ritmo Dominante en los Canales EEG con el Método AR-2.....................51 Figura 35. Representación del Ritmo Dominante en los Canales EEG con el método de la frecuencia centroide............................................................................................................................................51 Figura 36. Comparativa de Técnicas: FFT vs. AR-2 en los EEG Central y Occipital……………………52 Figura 37. Parámetro FWE de los canales EEG y EMG.............................................................................53 Figura 38. Porcentaje de Spindles en el EEG Central.…………………………………………………....54 Figura 39. ASI: Índice de Actividad Alpha en el Canal Occipital...............................................................55 Figura 40. TSI: Índice de Onda Lenta Theta en el Canal Central................................................................56 Figura 41. Diagrama de bloques del algoritmo de detección de Movimientos de Ojo……………………56 Figura 42. Detección de inversión de fase con suficiente amplitud.............................................................57 Figura 43. Detección de movimientos oculares rápidos..............................................................................58 Figura 44. Procedimiento de clústering KM................................................................................................64 Figura 45. Coeficiente y Entropía de Partición de una agrupación……………………………………….67 Figura 46. Procedimiento general de clústering…………………………………………………………..68 Figura 47. Diagrama de bloques del algoritmo 2-KM…………………………………………………….69 Figura 48. Selección aleatoria de 600 segmentos candidatos a centroide...................................................71 Figura 49. Hipnogramas del Caso 1 y 2…………………………………………………………………...73 Figura 50. Procedimiento de comparación de hipnogramas........................................................................74 Figura 51. Distribución de segmentos del canal Central y Occipital del Caso 1.........................................75 Figura 52. Índices de calidad Caso 1...........................................................................................................76 Figura 53. Hipnogramas del Caso 1……………………………………………………………………….77 Figura 54. Relación de índices del primer k-means realizado con la estrategia de clústering.....................78 Figura 55. División en clústeres de todos los segmentos una vez tratados los artefactos, kf =5.................78 Figura 56. a) Hipnograma digitalizado b) Hipnograma marcado por un especialista.................................79 Figura 57. Valores de los centroides del Ritmo Dominante y la Amplitud sobre ambos EEGs………….80 Figura 58. Hipnograma generado por el algoritmo k-means con estrategia 2-KM……………………….80 Figura 59. Distribución de segmentos del canal Central y Occipital del Caso 2.........................................81 Figura 60. Hipnogramas del Caso 2……………………………………………………………………….82 Figura 61. Coeficiente y Entropía de Partición del Caso2...........................................................................83 Figura 62. Evolución del algoritmo FKM según el número de clústeres de agrupación.............................84
  7. 7. Introducción 1 Capitulo 1 Capitulo 1. Introducción
  8. 8. Introducción 2 Capitulo 1
  9. 9. Introducción 3 Capitulo 1 Capitulo 1. Introducción El presente proyecto final de carrera (PFC) se ha realizado en el Grupo de I+D de Tratamiento de Señal (GTS) de la Universidad Politécnica de Valencia (UPV). El PFC se inscribe en una línea de investigación del GTS en el área de bioseñales. En esta área, el GTS ha desarrollado sistemas de procesado de señales radiológicas de mamografías para la detección precoz del cáncer de mama y un sistema de digitalización de electrocardiogramas impresos para el diagnóstico de la enfermedad de Chagas. Recientemente, el GTS ha iniciado una colaboración con el área de electroencefalografía (EEG) del Hospital Universitario La Fe de Valencia con el fin de trabajar en el diagnóstico de enfermedades relacionadas con el sistema nervioso central. Se pretende aplicar al mejoramiento del diagnóstico médico la experiencia del GTS en el desarrollo de nuevos algoritmos de detección, filtrado, clasificación y predicción de señales. Objetivos El objetivo general de éste PFC es desarrollar técnicas de análisis de polisomnogramas (PSG) para la extracción automática de hipnogramas. Las medidas PSG incluyen electroencefalograma (EEG), electromiograma (EMG), electrooculograma (EOG), y otros tipos de señales. Estas medidas se han usado para dividir el sueño (estado biológico no-uniforme) en diferentes estados o etapas. La diagnosis y el tratamiento de pacientes con desordenes del sueño requiere de la clasificación de los PSGs en los diferentes estados del sueño. Normalmente, el sueño sano está organizado en secuencias de etapas en ciclos de 60-90 minutos. Dependiendo de los estándares adoptados, las diferentes etapas se derivan de cuatro estados básicos del sueño biológico: Despierto, Sueño Ligero, Sueño Profundo, y Sueño de Movimiento Rápido de Ojos (REM, del inglés Rapid Eye Movement). El hipnograma es un diagrama con la descripción evolutiva en el tiempo de las etapas de sueño. Este diagrama es usado por los médicos para diagnosis de desordenes del sueño tales como insomnio, apnea, y narcolepsia. La estima de las etapas del sueño está basada en asumir que existe un patrón durante un intervalo de tiempo hasta que un nuevo patrón emerge señalizando un cambio de estado. Puesto que de hecho existe un continuo desde el sueño ligero hasta el sueño profundo, la demarcación artificial de etapas del sueño es una simplificación. El procedimiento manual consiste en dividir el PSG generalmente en épocas de duración fija (20, 30, o 60 segundos) las cuales son visualmente clasificadas por un experto neurofisiólogo en una de las etapas según un estándar comúnmente aceptado. El tiempo exacto de cambio de estado es altamente subjetivo y variable, dejando lugar a la interpretación del evaluador, que podría cambiar de una lectura a otra del mismo PSG. Además de ser subjetivo, el análisis visual de los registros es muy tedioso y consumidor de tiempo, lo cual ha conducido a investigar en la clasificación por ordenador de los PSGs. En el procesado automático de las señales de PSGs hay que considerar diferentes variables tales como: dificultad para traducir reglas ambiguas de interpretación de PSGs
  10. 10. Introducción 4 Capitulo 1 a un modelo matemático; segmentación de un registro de señales EEG de naturaleza no estacionaria adquiridas en un período largo de tiempo; requerimientos de ajuste de algoritmos y umbrales para diferentes grupos de pacientes, etc. Teniendo en cuenta la literatura existente para la extracción automática de hipnogramas, se formularon los siguientes objetivos específicos para el PFC: (i) estudiar los procedimientos de extracción automática de PSGs y las técnicas de extracción/clasificación aplicadas; (ii) desarrollar y/o adaptar un algoritmo de segmentación de las señales EEG, EMG, y EOG; (iii) desarrollar y/o adaptar algoritmos de extracción de características temporales y frecuenciales de las señales segmentadas; (iv) desarrollar y/o adaptar algoritmos de clasificación de las características extraídas; (v) aplicar los algoritmos desarrollados en casos reales. Particularmente, en este trabajo se han procesado señales reales almacenadas en una base de datos de La Fe para el estudio de epilepsia y apnea obstructiva, utilizando una configuración de dos electrodos EEG, dos electrodos EOG, y un electrodo EMG. Los siguientes capítulos de este documento están organizados de la siguiente forma. El Capítulo 2 contiene un marco conceptual de la electroencefalografía aplicada al estudio del sueño. Se incluyen conceptos tales como fundamentos del análisis electroencefalográfico, anatomía cerebral, la señal EEG, PSG e hipnograma. El Capítulo 3 presenta los algoritmos de preprocesado, segmentación, tratamiento de artefactos, y extracción de características desarrollados. Entre las características extraídas tenemos: amplitud, frecuencia central, energía pesada en frecuencia, spindles, índice de onda lenta (ASI, del inglés Alpha-Slow-Wave Index), índice actividad de sueño Theta (TSI, del inglés Theta-Slow-Wave Index), detección de movimiento de ojos (EM, del inglés Eye Movement). El Capítulo 4 incluye los algoritmos de clasificación que fueron utilizados y una comparación de los resultados obtenidos por estos algoritmos en el procesado de dos casos reales. Los algoritmos de clasificación son: k-means, fuzzy k- means, y un algoritmo de 2 niveles de clasificación denominado 2-k-means. Finalmente, en el Capítulo 5 se incluyen las conclusiones del PFC y diferentes opciones de trabajo futuro.
  11. 11. Electroencefalografía aplicada al estudio del Sueño 5 Capitulo 2 Capitulo 2. Electroencefalografía aplicada al estudio del Sueño
  12. 12. Electroencefalografía aplicada al estudio del Sueño 6 Capitulo 2
  13. 13. Electroencefalografía aplicada al estudio del Sueño 7 Capitulo 2 Capitulo 2. Electroencefalografía aplicada al estudio del Sueño 2.1. Fundamentos del análisis electroencefalográfico La Neurofisiología se fundamenta en los estudios del premio Nóbel español Dº Santiago Ramón y Cajal, quien en 1891 postuló la Ley de la polarización dinámica de las neuronas, la cual ayudó a descubrir los mecanismos que gobiernan la morfología y los procesos conectivos de dichas células nerviosas. El cerebro es la estructura organizada más compleja e importante conocida hoy día por el ser humano. Esta gran red procesadora de información está formada por un mínimo de 1010 neuronas, que se ubican en su mayoría en el córtex cerebral. Las neuronas se interconectan entre sí en aproximadamente 1015 puntos llamados conexiones sinápticas. Cuando una neurona es excitada, a través de ella fluye una pequeña corriente eléctrica que produce campos electromagnéticos en el exterior que pueden captarse y medirse. La Electroencefalografía (EEG) es una exploración neurofisiológica basada en la grabación o registro de la actividad bioeléctrica cerebral en condiciones de reposo, vigilia, sueño o durante diversas situaciones, esto es, una evaluación del sistema nervioso en cualquiera de sus estados. Su descubrimiento se debe al neurólogo alemán Hans Berger en 1929, quien recogió las señales EEG como resultado de la actividad del cerebro con o sin presencia de estímulos, ver Figura 1. Figura 1. Imagen de uno de los primeros aparatos EEG. Laboratorio de Hans Berger. La adquisición e interpretación de la señal es compleja debido a la interconexión desconocida de billones de células mediante un número aun mayor de conexiones sinápticas que tienen lugar en el cerebro. Se piensa que este órgano funciona enviando señales químicas entre neuronas y modulando la potencia de éstas conexiones. Las señales químicas generan actividad eléctrica como subproducto de la sinapsis, y es esta la actividad a la que llamamos electroencefalográfica, que podemos medir e interpretar mediante una forma invasiva (implante directo de los electrodos en el cerebro) o no invasiva (electrodos sobre superficie del cuero cabelludo).
  14. 14. Electroencefalografía aplicada al estudio del Sueño 8 Capitulo 2 De este modo se intenta comprender la compleja actividad eléctrica neuronal, que genera señales EEG irregulares traducidas en ondas EEG aparentemente aleatorias y no estacionarias. Menos obvia es la explicación fisiológica del carácter rítmico de ciertos patrones EEG observados tanto durante el sueño como durante la vigilia. La utilidad principal del EEG es el diagnóstico de patologías relacionadas con el funcionamiento del cerebro: enfermedades cerebro-vasculares, coma, síndromes de delirio (epilepsia), aunque también se emplea en el caso de monitorización de pacientes sometidos a anestesia, para conocer la actividad eléctrica cerebral durante una crisis. Otro papel desempeñado por el EEG es el estudio de posibles procesos toxicometabólicos, dado que aunque las alteraciones analíticas permiten establecer un diagnóstico, no siempre es así. El EEG aporta datos que pueden apoyar un diagnóstico, dado que revela en ocasiones hallazgos importantes, por lo que se emplea en el seguimiento de pacientes. Otras áreas de uso del EEG son el accidente cerebrovascular, el incremento de presión intracraneal, el hematoma subdural, la demencia, el coma, por nombrar algunos. Desde que se descubrieron las alteraciones asociadas a la epilepsia por Berger, otras aplicaciones adicionales se han sumado a esta prueba. Hasta la introducción de técnicas de imagen, el EEG era la herramienta principal para evaluar pacientes con enfermedades cerebrales, precediendo al uso de métodos invasivos como la arteriografía y la neumoencefalografía. La llegada de la tomografía computerizada (TAC) y la resonancia magnética (RM) provocaron una sensación de desolación entre los especialistas en electroencefalografía al considerar que las nuevas técnicas diagnósticas sustituirían al EEG. Sin embargo, gracias a la expansión de la tecnología y la introducción de aplicaciones sofisticadas en diferentes procesos patológicos, la electroencefalografía sigue ocupando una situación importante en la evaluación diagnóstica de enfermedades neurológicas. En resumen, el EEG puede aportar información clave y complementaria en un abanico de enfermedades neurológicas. 2.2. Anatomía Cerebral El cerebro es la parte central del sistema nervioso encargada de supervisar, de manera consciente e inconsciente, todo proceso que ocurre en nuestro cuerpo y en el exterior. Se trata del único órgano del cuerpo humano que se encuentra protegido por una coraza ó bóveda ósea; ocupa aproximadamente 1500 cm3 en la cavidad craneal, donde se aloja. Entre el cráneo y el cerebro se encuentran las meninges, unas membranas que envuelven y protegen el cerebro y la médula espinal. A nivel estructural, el cerebro se divide en dos hemisferios, separados por la fisura interhemisférica que, a su vez, están divididos en lóbulos por dos surcos (menos profundos que la fisura): el surco central y la cisura de Silvio. Ambos surcos delimitan cuatro lóbulos en cada hemisferio: el lóbulo frontal, el lóbulo temporal, el lóbulo parietal y el lóbulo occipital. Por otra parte, a los lados del surco central, bordeándolo, encontramos el córtex motor, a un lado, y el córtex somatosensorial, ver Figura 2.
  15. 15. Electroencefalografía aplicada al estudio del Sueño 9 Capitulo 2 Figura 2. Vista lateral del cerebro (lado izquierdo). Por lo tanto, el cerebro no es en absoluto homogéneo, sino que está compuesto por distintas estructuras anatómicas con diferentes características físicas (densidad, dureza, conductividad, etc.). En algunas zonas, se ha conseguido realizar un mapa funcional: sabemos que el córtex auditivo se encuentra alojado en el lóbulo temporal (interior de la fisura de Silvio) y el córtex visual se encuentra en el lóbulo occipital. El homunculi (Figura 3) representa el mapa funcional en el córtex motor a ambos lados del círculo central, donde se han asociado las distintas regiones del córtex motor y la procedencia de los estímulos procesados en el córtex somatosensorial. Se representa con mayor tamaño aquellas áreas corporales con mayor sensibilidad y que utilizan, por tanto, mayor zona del córtex somatosensorial y de igual manera en el córtex motor (Penfield y Rasmussen, 1950) [9]. Figura 3. Representación de las diferentes zonas del cuerpo junto con sus áreas correspondientes en el córtex somatosensorial (izquierda) y el córtex motor (derecha) [9].
  16. 16. Electroencefalografía aplicada al estudio del Sueño 10 Capitulo 2 La mayor parte del contenido de la señal EEG registrada parece originarse en las neuronas, en las que existen varias fuentes de actividad eléctrica: los potenciales de acción, los potenciales postsinápticos y la despolarización neuronal crónica. Los potenciales de acción inducen una leve corriente local en el axón (10 ms. o menos) y tienen un potencial de campo muy limitado, razón por la cual se consideran candidatos poco probables. Los potenciales postsinápticos (PPS) son considerablemente más prolongados (50-200 ms.) y tienen un campo mayor que los primeros, por lo que posiblemente constituyen los principales generadores del EEG, aunque la despolarización de la neurona puede jugar un papel importante al dar lugar a modificaciones en el EEG que podrían quedar registradas en un tejido cerebral lesionado. Los mecanismos subyacentes a la ritmicidad EEG están mediados por dos procesos principales: la interacción corteza-tálamo y el proceso relacionado con las propiedades funcionales de las grandes redes neuronales existentes en la corteza y que poseen la capacidad intrínseca de ritmicidad, resultado del cual aparecen unos patrones EEG reconocibles que nos permiten evaluar las ondas cerebrales. 2.3. La Señal EEG Debido a las peculiaridades del cerebro, la forma y característica de la señal EEG no sigue un patrón definido, con lo cual para interpretar y decodificar este tipo de señal debemos asumir que personas diferentes pueden tener patrones de EEG muy distintos para los mismos pensamientos. La solución a la diferencia de patrones es hacer un sistema adaptativo capaz de aprender los patrones específicos de cada usuario del sistema en un periodo de tiempo dado. Otro problema importante en electroencefalografía es la amplificación (en más de 1.000.000 de veces) de las corrientes tan pequeñas que se registran, con transducción de los potenciales amplificados para que puedan ser interpretados mediante una representación gráfica, a los que se suman los potenciales extra cerebrales (otros movimientos y artefactos) que se amplifican del mismo modo y que habitualmente tienen una amplitud mucho mayor que los potenciales electro-corticales. Al fin y al cabo, nuestro objetivo es obtener un registro libre de artefactos, o en caso contrario, identificarlos y excluirlos de la consideración diagnóstica. Aunque las señales EEG se obtienen de un modo simple (tan solo tenemos que colocar una serie de electrodos en las posiciones correctas y monitorizarlos), contamos además con el inconveniente de los artefactos (fuentes) que interfieren o distorsionan la señal: - Diferentes perturbaciones procedentes del equipo de grabación. - Interferencias eléctricas externas al sujeto y al sistema. - Las sondas y los electrodos: aun teniendo en cuenta las pérdidas introducidas, el número de electrodos es un compromiso, ya que al incrementarlo mejoraremos la resolución de la adquisición perjudicando las interferencias y complicando el algoritmo de separación de señales de los diferentes canales. - El sujeto: actividad eléctrica cardiaca, parpadeo, aparato digestivo, movimiento ocular y muscular que trataremos como artefactos.
  17. 17. Electroencefalografía aplicada al estudio del Sueño 11 Capitulo 2 La señal resultante es muy compleja y pequeña en amplitud y frecuencia, en torno a los 300 µV y con un ancho de banda que va desde la continua a no más de 100 Hz. Consecuencia de esto es que se hace indispensable una fase de tratamiento de la señal necesaria para extraer la información electroencefalográfica y el uso de dispositivos para poder visualizar la señal (filtros amplificadores diferenciales de bajo ruido y con ganancia superior a 100 dB). 2.3.1. Registro de la Señal EEG Aunque en 1875 un médico inglés llamado Richard Caton expuso por primera vez hallazgos sobre la actividad bioeléctrica en los hemisferios cerebrales de ratones y monos expuestos por craniectomía, se necesitaron 50 años hasta que se consiguió éxito en seres humanos. Durante la primera prueba realizada por Berger en 1929, dos electrodos se situaron en la parte frontal y trasera de la cabeza, midiendo así una actividad de la actividad cortical global, sumando la ventaja de que su técnica no precisaba de craniectomía. A través de otros investigadores de la época como Adrian, Matthews y Yamagiwa, se llegó al descubrimiento en 1934 de que los registros EEG variaban en diferentes puntos de la cabeza, por lo que rápidamente se empezó a usar registros multicanal y a dedicar estudios exhaustivos sobre los puntos en los cuales se registraba una actividad más significativa. En la década de los 30, a medida que aumentaba el número de laboratorios implicados en la investigación EEG, se consiguió una proliferación rápida de las técnicas e interpretaciones de la actividad de grabación: el uso de múltiples canales permitió a los investigadores grabar simultáneamente diferentes zonas de la cabeza, llegando incluso al descubrimiento de importantes parámetros de la señal, como la presencia de actividad localizada alpha y los spindles de sueño (que serán explicados más adelante). La observación de qué diferentes tipos de actividad ocurrían simultáneamente animaba al uso de más electrodos o canales de grabación simultánea, aunque se contaba con el inconveniente de que en los trabajos de investigación, en la cada laboratorio, se colocaban los electrodos en ubicaciones diferentes, por lo que había problemas para comparar los resultados. Esto fue seguido de ensayos para emplazar electrodos de un modo estandarizado, de modo que un paciente pudiera ser monitorizado en diferentes sesiones teniendo referencias anteriores fiables, e incluso para poder comparar las señales obtenidas de diferentes pacientes. Se consiguió una amplia diversidad de técnicas para emplazar los electrodos y se establecieron métodos y estándares de emplazamiento. 2.3.2. Electrodos Son los dispositivos que facilitan la conducción de los potenciales electro-corticales hacia el dispositivo de amplificación a la entrada de los equipos que registran las señales. Su función es convertir esas corrientes iónicas dadas por los potenciales a corrientes eléctricas que podamos interpretar. La estructura de un electrodo es la de un pequeño disco metálico no reactivo recubierto de plástico que se coloca sobre el cuero cabelludo mediante una pasta de conducción (ver Figura 4). El metal puede ser oro, plata/cloruro de plata, estaño y platino, y su contacto debe ser firme para garantizar una impedancia (resistencia al flujo de corriente) baja, con el fin de minimizar los artefactos asociados al electrodo y el exterior.
  18. 18. Electroencefalografía aplicada al estudio del Sueño 12 Capitulo 2 Figura 4. Electrodo activo plano usado en EMG y EEG de la marca BioSemi. 2.3.3. Localización de los Electrodos Un comité de la Federación Internacional de Sociedades para la Electro- encefalografía y Neurofisiología Clínica, encabezado por el Dr. Herbert Jasper, un especialista en electroencefalografía del Montreal Neurological Institute, recomendó en 1958 un sistema específico de emplazamiento de electrodos, el conocido como Sistema Internacional de Referencia 10-20, que ayuda a comparar e interpretar las señales registradas sobre el mismo o varios pacientes, de modo que pudo solucionarse el problema de registro de modo lógico e interpretable de la actividad de las distintas zonas del cerebro fue solucionado. Sistema Internacional de Referencia 10-20 El sistema referencial divide la distancia entre el nasión y el inión en 5 partes iguales y coloca electrodos en las intersecciones, etiquetadas con una letra y un número que indica la zona donde se ubica exactamente el electrodo (ver Figura 5). Se obtienen mediciones en tres planos (sagital, coronal y horizontal) de un arco semicircunferencial del cráneo. Aunque con este método las distancias entre electrodos varían de un sujeto a otro y en un mismo sujeto en diferentes momentos de su vida, el electrodo siempre se sitúa sobre la misma zona funcional y capta, por tanto, señales comparables. La localización recomendada por la ‘American EEG Society’ para el uso del sistema 10-20 emplea 21 electrodos, aunque el sistema se diseñó para permitir el uso de electrodos adicionales. Cada electrodo tiene una letra que hace referencia al lóbulo del cerebro sobre el que se colocan. La numeración contempla la colocación de electrodos intermedios. El sistema de numeración asigna electrodos con numeración impar a los puntos del hemisferio izquierdo y los pares al derecho, junto a una letra que designa el área anatómica: Fp (frontopolar), F (frontal), C (central), T (temporal), P (parietal), O (occipital), A (oreja).
  19. 19. Electroencefalografía aplicada al estudio del Sueño 13 Capitulo 2 Figura 5. Representación del Sistema Internacional 10-20 para la colocación de los electrodos. A continuación se muestran las localizaciones más importantes definidas: NOMENCL. NOMBRE SITUACIÓN Fp1/Fp2 Frontopolar o Prefrontal En la frente (registra la actividad de los polos frontales). F3/F4 Mediofrontal Sobre el lóbulo frontal. F7/F8 Frontal o temporal inferior Regiones temporales anterior y medial. C3/C4 Central Aproximadamente sobre la cisura de Rolando o el surco central. P3/P4 Parietal Sobre el lóbulo parietal. O1/O2 Occipital Sobre el lóbulo occipital. T1/ T2 Temporales anteriores verdaderos Regiones temporales anteriores. T3/T4 Temporal medial Regiones temporales anterior y medial. T5/T6 Temporal posterior Regiones temporales posteriores. Fz, Cz, Pz Frontal, Central y Parietal Superficies de la línea media y mediales de los hemisferios A1/A2 Mastoides o Pabellones Auriculares Lóbulos de las orejas, regiones temporales mediales. Tabla 1. Nomenclatura empleada en el Sistema Internacional de Referencia 10/20. (Se muestra el nombre de la región de los electrodos así como su situación). Años más tarde se añadieron nuevas guías de emplazamiento de electrodos, como la añadida en 1991 y en la cual se designaban localizaciones específicas e identificaban 75 posiciones de electrodo a lo largo de 5 planos laterales.
  20. 20. Electroencefalografía aplicada al estudio del Sueño 14 Capitulo 2 2.3.4. Campos de potencial La suma de los PPSI y los PPSE (potenciales postsinápticos inhibitorio y excitatorio) en una red neuronal genera corrientes eléctricas que fluyen alrededor de las células y hacia el interior de las mismas. El flujo de corriente creado genera a su vez un campo que se difunde desde el foco eléctrico, muy parecido a los anillos concéntricos que se forman al tirar una piedra al agua de un estanque. Esto quiere decir que los fenómenos que dan lugar a un voltaje máximo en un electrodo concreto también influyen en los electrodos adyacentes, pero en menor grado a medida que el potencial se aleja de su punto de origen. (Ver Figura 6). Figura 6. Ejemplo de Campo Potencial y valor en los distintos electrodos. La Figura 6A) ilustra un potencial negativo máximo de 100 en F9. El campo se difunde hasta afectar a T4 con un potencial inferior de 70 µV y después a Fp2 y T6 con 30 µV. El fondo no aparece afectado por los potenciales de 20 µV de promedio. B) Misma interpretación que A) pero en forma de gráfica: rápido incremento desde Fp2 hasta F8, con disminución sucesivamente hasta T4 y T6. O2 presenta el mismo potencial que el resto del fondo EEG.
  21. 21. Electroencefalografía aplicada al estudio del Sueño 15 Capitulo 2 2.3.5. Tratamiento de la Señal EEG Amplificación En un amplificador simple, cualquier señal de entrada obtenida a través de un electrodo activo es conducida hasta el amplificador y comparada con una señal de tierra. La señal de salida estará constituida por la diferencia de potencial entre el electrodo activo y tierra. Si visualizamos esa señal, en la pantalla aparecen los potenciales electrocorticales y otros potenciales del entorno, que influyen sobre el electrodo (inter- ferencias eléctricas cercanas). En la amplificación diferencial, las señales procedentes de dos electrodos activos se conducen hasta el amplificador, por lo que se determina la diferencia de potencial entre ambas. En este caso, cualquier señal que influyera en los electrodos de igual modo, da lugar a una diferencia de potencial nula, por lo que no se mostraría o su contribución sería pequeña. A este fenómeno se le llama cancelación de fase. Calibrado y filtrado El calibrado de la señal proporciona una evaluación de la sensibilidad de cada uno de los amplificadores por separado. Para asegurarnos de que la máquina funciona correctamente, el técnico debe cerciorarse de que la señal tenga el tamaño adecuado en cuanto a amplitud, espacio del fichero y demás parámetros. Antes de proceder a la adquisición de datos, se comprueba el calibrado. El calibrado inicial de señales testea la máquina, el amplificador y las plumas que escriben la señal en papel (en caso de no disponer de un aparato digital). Al final de la grabación, es deseable un nuevo calibrado usando todas las sensibilidades y los filtros usados en la grabación. El abuso en el uso de filtros proporciona una de las mayores fuentes de controversia entre neurofisiólogos y técnicos. Para hablar de filtrado primero hay que tener en cuenta el rango de frecuencias que tienen las señales que deseamos medir. El rango de actividad neurofisiológica se extiende desde los 0.5 hasta los 2000 ciclos por segundo (o Hz) en el cerebelo. En general uno podría pensar que cuanto mayor es el ancho de la banda medida, mayor es la fidelidad de la reproducción en la actividad grabada. En teoría es cierto, salvo que un mayor rango frecuencial incrementa la cantidad de interferencias y ruido externo en la señal. Los filtros se usan para establecer un compromiso entre reducción de señales extrañas y preservar tanto como sea posible la fidelidad de las ondas cerebrales, en particular la que se desee observar. En EEG hay pocos valores para la señal por encima de 50 Hz, mientras que en una grabación de potenciales evocados de corta latencia en campo lejano es común filtrar frecuencias bajo 100 o 150 Hz para quedarnos con las componentes a más alta frecuencia (3KHz en adelante). En el caso de que queramos medir actividad lenta, habrá que eliminar la actividad rápida. Esto es posible gracias al filtrado, por lo que antes de medir e interpretar el registro, hay que tener una idea de la señal que vamos a grabar para poder aplicar un tipo de filtrado u otro.
  22. 22. Electroencefalografía aplicada al estudio del Sueño 16 Capitulo 2 2.3.6. Montajes y Uso Razonable de Canales El término ‘montaje’ se refiere a una relación sistemática entre los electrodos que se diseña para obtener una representación lógica de la actividad cerebral. Se trata de una herramienta usada para un propósito específico, así que dependiendo del tipo y objetivo del registro, se podría dar el caso de cambiar de montaje incluso dentro de la misma sesión (sobre el mismo paciente). A diferencia del sistema de colocación 10/20, no existen normas internacionales para el montaje en los laboratorios de EEG, aunque hay ciertos montajes que se emplean más que otros. En la era del EEG digital, la selección del montaje específico no tiene un carácter tan crítico como en épocas anteriores. Todos los montajes se efectúan de manera referencial, ya que el software muestra la representación de los potenciales registrados en cualquier montaje deseado, y así poder cambiar con facilidad de un montaje a otro para analizar las características de un fenómeno concreto. El montaje lleva a cabo dos funciones simultáneas: una es grabar desde todas las áreas posibles del cerebro (el sistema 10-20 solventó esta tarea) y la segunda es recoger actividad de modo que sea fácilmente percibida y reconocida por el técnico que realiza la grabación, quien empleará en cada momento sus capacidades para identificar los patrones y características de la señal. El número de electrodos necesarios para el montaje está basado en diversos factores, incluyendo el tipo de montaje empleado, el tipo de actividad que se considera, el número disponible de canales y las habilidades del paciente. Dependiendo del tipo de medida y paciente tendremos adquisiciones con diferente número de electrodos y posición. Existe un electrodo ‘tierra’ que se coloca en la línea media de la frente (o en un lugar neutro) que nos ayuda a proteger eléctricamente al paciente. Referencias y Valoración Los montajes usados en EEG se dividen en dos categorías: - Estilo Referencial o Monopolar: los electrodos que se colocan a lo largo del cerebro están referenciados a un único electrodo común o referencia. Mediante una comparación de simetrías, donde tenemos electrodos alternativos comparables situados en cada hemisferio, se permite detectar diferencias sutiles de simetría y amplitud entre ambos lados del cerebro. Las asimetrías permiten el reconocimiento de anomalías, y su interpretación, que depende tanto del técnico supervisor como de la visualización, depende del montaje empleado. Hay asimetrías que se encuentran determinadas: una asimetría en la región temporal se ve en situaciones de somnolencia o sueño ligero. Uno de los inconvenientes de este montaje es que un artefacto cerca del electrodo referencia altera el registro del resto de electrodos. - Estilo Bipolar: Un registro bipolar une electrónicamente varios electrodos sucesivos, de modo que el voltaje determinado en un electrodo se compara con el de los electrodos adyacentes. Ambos electrodos (normalmente dos) se encuentran sobre la zona activa de registro. Eliminamos el inconveniente anterior, ya que un artefacto sobre la zona alteraría el registro de ese canal, pero no el del resto (ver Figura 7).
  23. 23. Electroencefalografía aplicada al estudio del Sueño 17 Capitulo 2 Figura 7. Principio de la localización bipolar. La figura muestra la descarga puntiaguda de 100µV en T4. El potencial es conducido a la Entrada II en el primer amplificador y la Entrada 1 en el segundo amplifi- cador. Los demás electro- dos no aparecen afectados por el fenómeno. El resultado se denomina inversión de fase. En ambos casos, la señal recogida en un canal es la diferencia de potencial entre los dos electrodos de registro. En un EEG continuo, el montaje más empleado es el bipolar, debido a que presenta menor incidencia de artefactos, dada la importancia de los mismos. Las localizaciones de referencia de uso común suelen ser el vértex (Cz) y los pabellones auriculares (A1 y A2). El primero se utiliza en forma de montaje de referencia para complementar a la de los pabellones auriculares. Se sabe que en el vértex hay una gran actividad cerebral, por lo que el ruido de fondo del EEG registrado se dirige hacia la entrada de todos los canales. Un fenómeno registrado (una punta, onda lenta) se presenta mejor cuando la referencia está alejada del electrodo de exploración. Las dos referencias: pabellón auricular y vértex, son complementarias. Se dispone de un casco con agujeros sobre la situación indicada en el sistema 10/20, que indican la posición de cada uno de los electrodos de registro. Para valorar el EEG se necesitan conocer una serie de parámetros: .Sensibilidad: Es la amplitud de la deflexión del sistema de inscripción (plumilla) por un potencial determinado. .Filtros que atenúan las señales fuera de rango: se usa un filtro de Baja Frecuencia (0.3-0.5 Hz) y otro de Alta Frecuencia (70 Hz) además de un filtro específico (50 Hz) para eliminar ruidos eléctricos. .Resistencia de los electrodos (ha de ser menor que 5KOhm). .Velocidad de Registro: Normalmente 30 mm/sg o 60 mm/sg en caso de registros prolongados. .Calibración: para calibrar el sistema se introduce una señal de 50µV. Para una sensibilidad de 10 µV/mm se deberá producir una deflexión de 5 mm.
  24. 24. Electroencefalografía aplicada al estudio del Sueño 18 Capitulo 2 2.3.7. Características de la señal EEG Clasificación de ondas: Para obtener patrones de onda básicos, se ordena al paciente cerrar los ojos y estar relajado. La forma de onda de esos patrones es normalmente sinusoidal. A menudo, son medidos pico a pico y normalmente tienen una amplitud que va desde los 0.5µV a los 100µV en amplitud, la cual es aproximadamente 100 veces menor que las señales ECG. Gracias a la Transformada de Fourier, se obtiene el espectro a partir de la señal EEG bruta. A pesar de que el espectro es continuo desde los 0 Hz hasta la mitad de la frecuencia de muestreo, el estado del cerebro contiene frecuencias dominantes. Las ondas cerebrales se han clasifican en 4 grupos: Banda Frecuencia Forma de Onda Delta 0.5 – 4 Hz Theta 4 – 8 Hz Alpha 8 – 13 Hz Beta > 13 Hz Tabla 2. Bandas de frecuencias definidas para los patrones EEG y sus diferentes formas de onda. DELTA ( 0.5-4 Hz ) Ocupa la banda de frecuencias más baja y refleja la mente inconsciente, el sueño profundo y la reestructuración física y mental. En su puesta en marcha entran en funcionamiento las partes más profundas del cerebro, siendo el ritmo dominante en niños mayores de 1 año y presente en la 3ª y 4ª etapa del sueño. Son las mayores en amplitud, y su actividad se registra mientras desconectamos de la actividad del mundo físico. Es la banda de frecuencia más desconocida. THETA ( 4-8 Hz ) Es clasificada como de actividad lenta. Poco normal en adultos conscientes pero perfectamente normal en niños de hasta 13 años y durmiendo. Podría decirse que están en medio del "consciente" y el "inconsciente": estados de imaginación espontánea, estados oníricos, ensoñación, fantasías alucinantes, donde la realidad se abstrae y se da ‘rienda suelta’ a la mente. Sus características son muy parecidas a la frecuencia alpha solo que más pronunciadas. Total relajación física y mental. Se producen con estados de meditación profunda como el yoga, la música (percusión, electrónica), situaciones de gran calma y relax, audición de músicas armónicas, los sueños oníricos. ALPHA ( 8-13 Hz ) Se aprecian mayoritariamente en las regiones posteriores de la cabeza, siendo mayores en amplitud en la zona dominante. Produce imaginación y lucidez creativa, mayor memoria, asimilación y capacidad de estudio, mejor rendimiento en el deporte. Ideal para proyectar autosugestiones y comportamientos. Producidas por estados de relajación activa o pasiva, estados de oración o meditación, relajación mental y muscular, ingestión de sustancias psicotrópicas o hipnóticas y sedantes. Se entra en este estado cerrando los ojos o mediante relajación, y se sale abriendo lo ojos o alertándose de algún mecanismo (pensando, calculando). Se trata el mayor ritmo reconocido en adultos relajados y está presente en la mayor parte de la vida, especialmente desde los trece años. BETA ( 14-30 Hz ) Se trata de una actividad rápida. Tiene una frecuencia mínima de 14 Hz. Se puede ver en las zonas laterales en distribución simétrica y más evidente en la cara frontal. Se acentúa con drogas sedantes e hipnóticas, especialmente las benzodiacepinas y los barbitúricos. Se trata normalmente como un ritmo normal de razonamiento lógico en el que surgen recuerdos automáticos, conversaciones habituales, autoconsciencia, y es dominante en pacientes alertados o ansiosos, los cuales tienen los ojos abiertos. Es el estado presente en la actividad normal: en el trabajo, estudio, lectura, atención… GAMMA ( a partir de30 Hz ) Surgen en un estado de conciencia como la vigilia, y la consecuencia es un estado de comportamiento histérico y de pérdida del control de la propia personalidad, agresividad, pánico, estados de miedo, cólera, huida, terror o ansiedad desbordada. Son producidos por ruidos fuertes, insultos, situaciones tensas o de pánico, crisis, noticias terribles, enfados fuertes, agresiones físicas o psicológicas, etc.
  25. 25. Electroencefalografía aplicada al estudio del Sueño 19 Capitulo 2 Algunas de las señales EEG son provocadas o inducidas, como respuesta a un estímulo presentado, como en el caso de los potenciales evocados (respuestas eléctricas del sistema nervioso producto de la aplicación de un estímulo sensorial o motor) o los potenciales corticales lentos, los cuales son empleados en sistemas de comunicación síncronos, mientras otras son producidas espontáneamente por el cerebro, como los ritmos mu y beta, que nos ofrecen la posibilidad de diseñar un sistema BCI asíncrono. En este último caso, varios tipos de características pueden ser extraídos, ya sea en el dominio del tiempo, de la frecuencia, o de tiempo-frecuencia conjuntamente. La naturaleza no estacionaria (transitoria) de las señales EEG hace necesario el uso de métodos que sean capaces de cuantificar el contenido espectral como una función del tiempo. Los métodos de representación Tiempo- Frecuencia (TFR) son apropiados como herramientas para el estudio de cambios espontáneos e inducidos en estados oscilatorios, donde el mejor método será aquel que maximice la variación interclase (variabilidad entre las clases) y minimice la variación intraclase (variabilidad entre los estados de una misma clase) en la base tiempo- frecuencia. Los estados oscilatorios son la característica principal de la actividad EEG porque además de indicar la sincronización de un gran número de neuronas indican un orden rítmico temporal de activación. Diferentes patrones oscilatorios deben ser indicativos de diferentes estados procesados de información. 2.3.8. Formato de la señal EEG EDF Se trata de un estándar simple y flexible para el intercambio y almacenamiento de señales biofísicas en el que las señales pueden tener dimensiones físicas y frecuencias de muestreo diferentes. Fue publicado en 1992 en Electroencephalography and Clinical Neurophysiology, 82: 391-393, fecha desde la cual no ha sufrido apenas modificaciones. El formato se encuentra ampliamente extendido hoy en día, y la industria lo ha comenzado a incorporar en sus equipos y software para registro de EEG y PSG. Las señales tratadas en los siguientes capítulos se encontraban almacenadas en este formato. Cada fichero contiene un registro poligráfico digitalizado ininterrumpido, y consiste en una cabecera seguida del cuerpo de datos. La cabecera, de longitud variable, identifica al paciente y especifica las características técnicas de las señales grabadas. El registro de datos contiene épocas consecutivas de duración fija de la grabación poligráfica. Los primeros 256 bytes de la cabecera especifican la versión del formato, identificación local del paciente y de la sesión, información temporal, número de canales grabados. Para cada señal grabada, se especifica el tipo de señal (p.e. EEG, temperatura cuerpo, EMG, etc.) amplitud de calibración y el número de muestras en cada registro. De este modo, el formato permite diferentes ganancias y frecuencias de muestreo para cada señal. La cabecera contiene 256 + (nº señales * 256) bytes.
  26. 26. Electroencefalografía aplicada al estudio del Sueño 20 Capitulo 2 El máximo y mínimo digital para cada señal debe especificar los valores extremos que puede darse en el registro de datos. A menudo coinciden con los valores extremos del conversor A/D. Las ganancias, montajes de electrodos y filtros deben permanecer fijos durante la grabación, aunque posteriormente pueden tratarse por separado. A continuación se detalla la estructura de un fichero .edf. CABECERA 8 ascii : version del formato de datos (0) 80 ascii : información local al paciente 80 ascii : información local de grabación 8 ascii : fecha de comienzo de registro (dd.mm.aa) 8 ascii : hora de comienzo de registo (hh.mm.ss) 8 ascii : número de bytes de la cabecera 44 ascii : reservado 8 ascii : número de registros de datos 8 ascii : duración de un registro de datos, en segundos 4 ascii : numero de señales en la grabación (ns) ns * 16 ascii : ns * etiqueta (p.e. EEG Fpz-Cz or Body temp) ns * 80 ascii : ns * tipo trasductor (p.e. electrodo de AgAgCl) ns * 8 ascii : ns * dimensión física (p.e. uV o ºC) ns * 8 ascii : ns * mínimo físico (p.e. -500 o 34) ns * 8 ascii : ns * máximo físico (p.e. 500 o 40) ns * 8 ascii : ns * mínimo digical (p.e. -2048) ns * 8 ascii : ns * máximo digital (p.e. 2047) ns * 80 ascii : ns * prefiltrado (p.e. HP:0.1Hz LP:75Hz) ns * 8 ascii : ns * número de muestras de cada grabación de datos ns * 32 ascii : ns * reservado CUERPO DE DATOS número de muestras[1] * entero : primera señal de la grabación número de muestras[2] * entero : segunda señal . . . número de muestras [ns] * entero : última señal EDF+ Es una especificación más detallada que EDF, compatible con ésta última, a excepción de que un fichero EDF+ puede contener registros interrumpidos, eventos discontinuos, anotaciones de texto, estímulos, señales promediadas, parámetros QRS así como otros parámetros secundarios. Puede almacenar EMG, potenciales evocados, elec- troneurograma, electrocardiograma y más tipos de señales biofísicas. Para ello se estandarizaron tanto los nombres de electrodos como las anotaciones de texto. EDF+ fue publicado en 2003 en Clinical Neurophysiology 114(9):1755-1761.
  27. 27. Electroencefalografía aplicada al estudio del Sueño 21 Capitulo 2 2.4. Polisomnograma (PSG) e Hipnograma 2.4.1. El Sueño Este concepto continúa siendo el gran misterio de la neurociencia moderna. Por definición, se trata como un estado de reposo contrario al de la vigilia. Un ser humano pasa aproximadamente un tercio de la vida durmiendo, pero la función del sueño continua siendo tan compleja como desconocida. Hay teorías que intentan explicar el propósito del sueño como la de la conservación de energía (que supone que el propósito del sueño es recuperar la energía), restauración de tejidos y crecimiento, termorregulación, regulación de emociones, maduración neural, consolidación de memoria y aprendizaje, entre otras. Afortunadamente, en los últimos años, la investigación ha hecho posible conocer un poco más este estado fisiológico y la circuitería cerebral que controla los estados de sueño y vigilia. El sueño se caracteriza por alteraciones en los niveles de actividad fisiológica (presión sanguínea, respiración, ritmo cardiaco) y por una respuesta menor ante estímulos externos, con una periodicidad aproximada de 24 horas. Durante este período, el organismo sufre una serie de cambios fisiológicos, desde variaciones en el funcionamiento cerebral, sistema muscular, sistema respiratorio, temperatura corporal, flujo sanguíneo, hasta cambios en el sistema genital, así como psicológicos. El sueño también se trata de un proceso mental involuntario en el que se reelabora la información relacionada con las experiencias vividas durante un pasado a corto plazo y nos sumerge en una realidad virtual constituida de imágenes, sonidos, pensamientos y/o sensaciones, en el cual aun estando en un estado de inconsciencia, el cerebro mantiene un control sobre los sentidos. Por tanto, su función es tanto biológica como psicológica y se presenta en la mayoría de mamíferos, tanto terrestres como marítimos. Fue el psicólogo norteamericano William Charles Dement el pionero en su investigación. En 1928 fundó el ‘Centro de Investigación del Sueño’, primer laboratorio mundial del sueño, en la Universidad de Stanford. Los primeros resultados importantes llegaron en la década de los 50 de su mano y de la de Kleitman, ayudados por resultados de Loomis, Harvey y Hobart años atrás. Se centró en el estudio de la conexión entre los movimientos rápidos de ojo (MOR o REM, Rapid Eye Movement) y el sueño. Fue pionero en emplear la técnica EEG para estudiar el sueño. Logró realizar registros continuos durante toda una noche del EEG y EOG que le permitieron un estudio más a fondo, lo cual le llevó al descubrimiento de que el sueño no se trataba de un proceso único, sino que se podía dividir en cinco etapas, que caracterizan al sueño según las transformaciones fisiológicas que sufre el cuerpo humano. Los resultados establecidos hasta la fecha por Dement, ayudaron a los Doctores de Psiquiatría y Psicología Allan Rechtschaffen y Anthony Kales a desarrollar en 1968 los criterios de escala de sueño aceptados actualmente y denominadas ‘Reglas RK’. Según dicha clasificación, el sueño se subdivide en 2 grandes etapas: MOR (etapa caracterizada por Movimientos Oculares Rápidos REM y que ocupa una cuarta parte del sueño) y NMOR o No REM (que se subdivide según la profundidad del sueño en fase S1, fase S2, fase S3 y fase S4). El registro de estos parámetros electrofisiológicos para definir los estados de sueño y de vigilia se denomina polisomnografía. Las técnicas que posibilitan la obtención de los patrones característicos en un polisomnograma (PSG) son el electroencefalograma (EEG), el electrooculograma (EOG) y el electromiograma de superficie (EMG).
  28. 28. Electroencefalografía aplicada al estudio del Sueño 22 Capitulo 2 2.4.2. Polisomnografía La polisomnografía (PSG) consiste en el registro de los parámetros electrofisiológicos que definen los estados de sueño y de vigilia. Para hacer esto posible se emplean varias técnicas (EEG, ECG y EMG) así como un sistema de clasificación de etapas o marcado de fases de sueño (Reglas RK o Manual AASM). Durante esta exploración se registran una serie de señales fisiológicas como son la actividad cerebral, el ritmo cardiaco, la respiración, la actividad muscular, movimientos corporales, posición del enfermo, la cantidad de oxígeno en sangre, los movimientos de los ojos y los ronquidos. Objetivo y Procedimiento El objetivo del PSG es el diagnostico de las enfermedades que alteran o se manifiestan principalmente durante el sueño, siendo en la actualidad la técnica más asequible, cómoda y segura para estudiar los fenómenos fisiológicos que acontecen durante el sueño y las enfermedades relacionadas. El estudio nocturno es inocuo para el paciente, sin presentar daño adverso, ya que no existen corrientes eléctricas ni radiaciones, sin realizar ningún tipo de anestesia. Lo único que se exige a un paciente que se somete a esta prueba es acudir al consultorio con mínimas condiciones de aseo exigible y descansado. El paciente duerme espontáneamente durante un tiempo variable (normalmente 8 horas son suficientes) mientras los aparatos registran el sueño. La prueba es supervisada por un técnico permanentemente, quien controla el sueño del paciente y el correcto funcionamiento del sistema. Una vez el paciente despierta, se retiran los electrodos y sensores, con lo que en aproximadamente 10 horas después del inicio de la prueba, el paciente puede retomar su vida normal. Posteriormente al estudio, un equipo de neurofisiólogos analiza los datos obtenidos y emite un informe médico con los resultados encontrados, que serán entregados al paciente con un diagnóstico final y pauta de tratamiento con caso de ser necesario.
  29. 29. Electroencefalografía aplicada al estudio del Sueño 23 Capitulo 2 2.4.3. Hipnograma Un hipnograma es un gráfico que muestra la distribución de las diferentes etapas de sueño que un paciente atraviesa a lo largo de una noche de sueño (ver Figura 8). Figura 8. Ejemplo de un Hipnograma con la distribución de las distintas fases de sueño que atraviesa el paciente a lo largo de las horas de sueño. La distribución de las fases a lo largo del periodo de sueño no es aleatoria, sino que sigue unas reglas preestablecidas y varía a lo largo de la evolución ontogenética (durante la vida del propio individuo). Las características de sueño que varían para un mismo individuo son el número de horas dormidas y el porcentaje de tiempo en que cada fase se manifiesta. Se establecen unos ciclos que duran alrededor de 1h30 a 2 horas cada ciclo, con lo cual se suelen dar de 4 a 5 ciclos por noche. El sueño normal de un adulto oscila entre las 7 y las 10 horas, periodo en el cual existe una distribución opuestas de las fases REM y las de onda lenta (Slow Sleep Wave). Durante la primera mitad de la noche abunda el sueño de onda lenta (que favorece la recuperación física del individuo), mientras que hay poco sueño REM. Sin embargo en la 2ª mitad de la noche sucede lo contrario: abunda el sueño REM con etapas progresivamente más largas y apenas hay sueño de onda lenta. La Fase S1 (No REM o de sueño ligero) se concentra al principio del sueño, es una etapa de transición (con una latencia entre 5-25 minutos). La Fase S2 se manifiesta a lo largo de toda la noche, ocupando aproximadamente el 45% del tiempo. Las fases S3 y S4 (Sueño Profundo), por su parte, se concentran en la primera mitad y ocupan entre el 15-20% del tiempo total de sueño. Finalmente, el sueño REM aparece cíclicamente cada 90 minutos aproximadamente, comprendiendo entre el 20-25% del total de sueño. W: Fase de Vigilia REM: Fase de Movimientos Rápidos de Ojo S1: Fase NMOR1 o NREM1 S2: Fase NMOR2 o NREM2 S3: Fase NMOR3 o NREM3 S4: Fase NMOR4 o NREM4 S1 S2 S3 S4
  30. 30. Electroencefalografía aplicada al estudio del Sueño 24 Capitulo 2 La estructura normal de sueño se modifica cuando la persona ha dormido menos de lo habitual en la/s noche/s anterior/es. En estos casos, el sueño no se recupera en cantidad, sino en calidad, por lo que aumenta el porcentaje de sueño de ondas lentas y sueño REM. 20 – 40 años > 40 años Fase S1 5 % 10 % Fase S2 50 % 60 % Fase S3 y S4 25 % 15 % REM 25 % 15 % Tabla 3. Duración aproximada de cada una de las fases de sueño según la edad del sujeto. Del mismo modo, si durante una ‘siesta’ aparece sueño de ondas lentas, en el sueño nocturno la cantidad de fase S3 y S4 será menor, ya que lo habremos ‘gastado’ antes. Este fenómeno es interesante en los afectados de insomnio, ya que el sueño nocturno es más superficial. En las primeras medidas terapéuticas se aplicará la eliminación de los episodios de sueño diurno o ‘siesta’. 2.4.4. Técnicas y Sistemas de Marcado El modo establecido para distinguir etapas de sueño a partir de los registros de canales obtenidos consiste en una revisión por parte de un especialista o neurofisiólogo, que observa las señales basadas en un montaje determinado y decide para cada medio minuto (duración de una época) cual es la etapa o la fase de sueño que más se apropia a ese fragmento de señal. El criterio de decisión son los manuales estándares: la mayoría de centros hoy en día emplean el manual de clasificación de Rechtschaffen y Kales [1](1968) o el manual AASM [8](2007). . 2.4.4.1. Reglas RK El documento estándar con el cual se marcan las épocas de sueño de un polisomnograma (PSG) es “A Manual of Standarized Terminology, Techniques and Scoring System for Sleep Stages of Human Subject”, elaborado en 1968 por un comité dirigido por A. Rechtschaffen y A. Kales [1]. Implica parámetros, técnicas y patrones de onda para registros PSGs, un canal de EEG, dos EOGs (uno para cada ojo) y un canal de EMG. Las derivaciones EEG de acuerdo con el Sistema de Referencia 10/20 son C4/A1 y C3/A2, los electrodos de referencia se sitúan en una de las orejas o mastoide (A1 o A2). El canal EMG se mide en la barbilla. Las etapas se marcan época por época en intervalos de 20 o 30 segundos (ver Figura 9).
  31. 31. Electroencefalografía aplicada al estudio del Sueño 25 Capitulo 2 Figura 9. Localización de los electrodos en los EOGs, EMG y EEGs. Los estados principales de vigilancia son: vigilia, sueño REM y No REM. El sueño NREM se divida a su vez en cuatro fases o etapas desde la más ligera NREM1 (S1) hasta la más profunda NREM4 (S4). Las fases S3 y S4 se refieren a sueño de onda lenta (Slow Wave Sleep o SWS). Vigilia (Etapa W) La etapa W (del inglés Wakefulness) está caracterizada por poco voltaje (10-30µV) y frecuencia mixta EEG con predominancia de actividad alpha en el EEG y alto tono EMG (debida a movimientos por la actividad muscular). Pueden darse lugar a movimientos oculares rápidos NMOR). Figura 10. Época perteneciente a fase W o de vigilia. Movimientos oculares rápidos o REM
  32. 32. Electroencefalografía aplicada al estudio del Sueño 26 Capitulo 2 Tiempo de Movimiento (Etapa MT) Si las señales EEG o EMG no son claras durante más de media época debido a bloqueo del amplificador o actividad muscular, la época se excluye de sueño o vigilia y se etiqueta como movimiento o artefacto MT (del inglés Movement Time). Figura 11. Aunque hay dominancia de alta amplitud, la mayor parte de la época está oscurecida por movimientos, por lo que la época se marca como MT (Movement Time). S1 (Etapa No REM 1) S1 es la fase de sueño ligero, en la que todavía se perciben estímulos que suceden alrededor. El sueño en esta fase es poco o nada reparador. Caracterizada por poco voltaje, frecuencia mixta EEG con amplitud elevada en el rango de 2 a 7 Hz, por lo que combina el patrón alpha con el theta de baja amplitud. Pueden sucederse ondas vértex con picos de unos 200 µV de amplitud y duración mayor a 0,5s. S1 tras W puede dar lugar a movimiento lento de ojos. El nivel EMG es menor que en la etapa W. Una época pertenece a esta etapa cuando ésta está caracterizada con actividad alpha combinada con frecuencia mixta EEG y la cantidad de actividad alpha es menor del 50% de una época. Figura 12. La época muestra una porción de fase 1 con ondas vértex prominentes en el EEG y aparición de movimientos oculares lentos. Movimientos oculares lentos o SEM Ondas Vértex
  33. 33. Electroencefalografía aplicada al estudio del Sueño 27 Capitulo 2 S2 (Etapa NREM 2) En esta etapa se produce un bloqueo de las entradas sensoriales a nivel de tálamo, lo que implica una desconexión del entorno y facilita la conducta a dormir. El sueño es parcialmente reparador. La actividad cerebral es predominantemente theta aunque aparecen porciones delta. Se caracteriza por los patrones llamados spindles o husos de sueño y complejos K así como por la ausencia de ondas lentas. Un complejo K es una onda negativa abrupta seguida de otra positiva y más lenta. Los spindles o husos de sueño ocurren en el rango de los 12-14 Hz con una duración mínima de 0.5s. Si el tiempo entre dos ocurrencias de spindle o complejo K es menor de 3 min, el intervalo se marca como N2, a no ser que haya despertar por movimiento o incremento en la actividad del EMG. Si el intervalo es de 3 min o mayor, se marca como S1. El tono muscular es menor que en S1 y desaparecen los movimientos lentos oculares. Complejo K Spindle o ‘huso’ de sueño Figura 13. Época en fase S2 con elevada tónica EMG.
  34. 34. Electroencefalografía aplicada al estudio del Sueño 28 Capitulo 2 S3 (Etapa NREM 3) El bloqueo sensorial se intensifica con relación a la fase anterior, lo que indica una mayor profundidad de sueño. La fase S3 y S4 componen las etapas de sueño profundo, en el que comienza a haber ondas de baja frecuencia y gran amplitud. Si despertamos desde esta fase, no encontraríamos confusos y desorientados, al igual que en S4 pero en menor medida. El sueño en esta fase es esencial para el descanso reparador. Según las reglas, si del 20% al 50% de la época EEG contiene ondas delta de 2Hz o menor frecuencia con una amplitud mayor de 75 µV la época se marca como S3. En esta fase pueden aparecer complejos K y spindles de sueño. El tono muscular es más reducido que en S2 y tampoco hay movimientos oculares. Salvas delta Figura 14. Época en fase S3. EEG de alta amplitud con actividad lenta en un tercio de la época.
  35. 35. Electroencefalografía aplicada al estudio del Sueño 29 Capitulo 2 S4 (Etapa NREM 4) Es la fase de mayor profundidad de sueño, en la que se consigue la actividad cerebral más lenta. Esta fase posee los mismos atributos que S3 pero con un contenido de ondas de 2Hz o menor frecuencia y amplitud mayor de 75 µV en más del 50% de la duración de la época. El tono muscular es muy reducido. Aunque no es la fase típica de los sueños, en ocasiones suelen aparecer en forma de imágenes, luces, figuras, pero nunca en forma de historia. Es en esta fase en la que se manifiestan alteraciones como el sonambulismo o las pesadillas. Salvas delta Figura 15. Época en fase S4. EEG de alta amplitud con actividad lenta delta en más de la mitad de la época con presencia de spindles.
  36. 36. Electroencefalografía aplicada al estudio del Sueño 30 Capitulo 2 REM (Etapa REM) En esta fase se presentan normalmente los sueños (aquellos que se recuerdan y se pueden narrar). La fase REM presenta ondas de bajo voltaje y frecuencia mixta en el EEG (similar a S1); a menudo aparece un patrón de onda de diente de sierra. El EMG alcanza el nivel más bajo ya que apenas es nulo (atonia), lo que impide representar aquello que se sueña. Aparecen episodios de movimientos rápidos de ojos (REMs). Las alteraciones típicas de esta fase son las pesadillas, el sueño MOR sin atonía y la parálisis de sueño. Movimientos oculares rápidos o REM Atonia (apenas hay tono muscular) Actividad beta y theta Figura 16. Época en fase REM con bajo voltaje, frecuencia EEG mixta, REMs y EMG en el menor nivel de toda la grabación. Aparición de ondas con forma de diente de sierra. Existen casos particulares de patrones del registro polisomnográfico en que no hay coincidencia con las características establecidas en cada fase. En este caso, las Reglas RK ofrecen alguna solución en épocas particulares, pero expertos han encontrado carencias en el estándar adoptado en 1.968, lo cual llevó a una modificación de las Reglas que finalmente fue llevada a cabo en 2007 por la Academia Americana de Medicina de Sueño (The AASM Manual for the Scoring of Sleep and Associated Events: Rules, Terminology and Technical Specifications, 1st ed.: Westchester, Illinois: American Academy of Sleep Medicine, 2007) [8].
  37. 37. Electroencefalografía aplicada al estudio del Sueño 31 Capitulo 2 2.4.4.2. Manual AASM (American Academy of Sleep Medicine) [8] Surgen con intención de solventar las limitaciones de las reglas RK, las cuales desde publicación no habían sido modificadas. Las razones de su definición son el avance de la ciencia del sueño y el rápido campo emergente de la medicina para el sueño, que requiere un sistema más comprensivo de medidas estándares que consideran eventos que ocurren fuera de la actividad cerebral normal. La Academia Americana de Medicina del Sueño se estableció en 1975 como la Asociación de Centros de Desórdenes del Sueño. Es la única sociedad profesional dedicada exclusivamente a la subespecialidad médica de medicina del sueño. Está compuesta de más de 7000 físicos, investigadores y otros profesionales del cuidado de la salud, especializados en estudiar, diagnosticar y tratar desórdenes del sueño y alertas diarias como insomnio, narcolepsia y apnea obstructiva de sueño. El manual formula reglas recomendadas para el marcado rutinario en polisomnografía, define los parámetros a tratar, el procedimiento de marcado, los tipos de evento, así como las especificaciones técnicas y digitales de los medios que posibilitan la adquisición y tratamiento de señales. Del mismo modo que las Reglas RK, se hace una clasificación por etapas, a distinción de que el Manual AASM incluye reglas visuales tanto para adultos como para niños. Una diferencia importante sobre las Reglas RK es que se elimina la fase S4 y las épocas pertenecientes a esta fase (con contenido mayor del 50% de onda lenta en la época) pasa a formar parte de la fase S3.
  38. 38. Electroencefalografía aplicada al estudio del Sueño 32 Capitulo 2
  39. 39. Segmentación y Extracción de Características del EEG 33 Capitulo 3 Capitulo 3. Segmentación y Extracción de Características del EEG
  40. 40. Segmentación y Extracción de Características del EEG 34 Capitulo 3
  41. 41. Segmentación y Extracción de Características del EEG 35 Capitulo 3 Capitulo 3. Segmentación y Extracción de Características del EEG 3.1. Introducción A lo largo del presente capítulo se exponen las técnicas que nos permiten extraer las principales características a partir de los segmentos obtenidos del registro polisomnográfico. A partir de un archivo .EDF que contiene los diferentes canales registrados, se realiza una serie de pasos previos a la obtención de las características de los segmentos. La Figura 17 introduce los tres bloques principales que se incluyen en este capítulo: el bloque de preprocesado, el de segmentación y el bloque de extracción de características de los segmentos. Figura 17. Diagrama de bloques de las etapas que constituyen el capítulo 3. Preprocesado Segmentación Extracción de características Seleccionamos los canales EEG, EMG y EOG necesarios para realizar el análisis. A cada tipo de señal se le realiza un filtrado concreto. A través de un criterio de segmentación se obtienen las marcas temporales que nos ayudan a dividir una señal de larga duración en segmentos de menor tamaño que nos permiten un tratamiento más simple. Se extrae un vector de características de cada uno de los segmentos obtenidos en el bloque anterior que nos permitirá realizar una clasificación según dichas características.
  42. 42. Segmentación y Extracción de Características del EEG 36 Capitulo 3 3.2. Preprocesado Antes de pasar al segmentado de señales aplicamos un filtrado apropiado a cada tipo de señal que se emplea. La finalidad es restringir el contenido de la señal de salida al rango de frecuencia de interés, además de limpiar la señal para adaptarla lo mejor posible a nuestro sistema. Los canales EEG incluidos para realizar el análisis son C3A2 y O2A1, resultantes de referenciar el canal central C3 y el occipital O2 con respecto a ambas orejas. La razón de la elección de estos canales es el registro de los parámetros principales del sueño, como son los spindles (husos de sueño), complejos K, ondas vértex y la alta amplitud de las ondas lentas, que se presentan máximas sobre estas zonas. El canal EMG mide principalmente la actividad muscular a partir de un electrodo registrado en el mentón o barbilla. Los EOGs son referenciados con respecto a la misma oreja para poder distinguir los cambios de fase entre ellos (EOGL: EOG-Left y EOGR: EOG- Right). La Figura 18 resume la creación de referencias y los filtros empleados en cada señal. Figura 18. Diagrama del preproceso de los EEGs. Se muestra la creación de las referencias así como los filtros empleados en cada señal. La función del filtro notch empleado en cada uno de los canales adquiridos es la eliminación de la componente continua proveniente de la red eléctrica, con una frecuencia de 50 Hz. C3 A2 EMG O2 A1 EOGL EOGR C3A2 O2A1 EMG EOGLA1 EOGRA1 Butterworth 6º orden fc= 30 Hz Butterworth 6º orden fc= 30 Hz Butterworth 6º orden fc= 40 Hz Butterworth 6º orden fc= 5 Hz Butterworth 6º orden fc= 5 Hz 2 canales EEG 1 canal EMG 2 canales EOG FILTRO NOTCHFILTRO NOTCHFILTRO NOTCHFILTRO NOTCH fs= 50Hz
  43. 43. Segmentación y Extracción de Características del EEG 37 Capitulo 3 Los datos de los canales EEG son filtrados con un filtro paso bajo Butterworth de 6º orden con una frecuencia de corte de 30 Hz. En la Figura 19 se puede comprobar el resultado del filtrado EEG sobre el canal central. Figura 19. Fragmento de la señal EEG C3A2 antes y después de filtrar. La duración de la señal es de 20 segundos con fs= 256 Hz. Del mismo modo, filtramos la señal EMG capturada del mentón o barbilla. Dicha señal es filtrada con un filtro paso bajo de Butterworth de 6º orden con una frecuencia de corte de 40 Hz (ver Figura 20). Figura 20. Fragmento de la señal EMG antes y después de filtrar. Notar la presencia de los picos provocados por el ritmo cardiaco. La duración de la señal es de 20 segundos con fs= 256 Hz.
  44. 44. Segmentación y Extracción de Características del EEG 38 Capitulo 3 Los canales EOG son filtrados con un filtro paso bajo de Butterworth de 6º orden con una frecuencia de corte de 5 Hz. La referencia escogida para ambos ojos es la mastoides A1. La razón de esta elección es la posibilidad de detección de inversión de fase entre ambos ojos. El proceso de detección se estudia más adelante. Figura 21. Fragmento de ambos EOGs antes y después de filtrar. En la segunda imagen se muestra el mismo segmento diezmado y con filtrado FIR para poder detectar inversión de fase. La duración de la señal es de 20 segundos con fs= 256 Hz. Figura 22. Respuesta en frecuencia de los filtros Butterworth de 6º orden con el que se tratan la señales EEG (fc=30 Hz), EMG (fc=40Hz) y EOG (fc=5Hz).
  45. 45. Segmentación y Extracción de Características del EEG 39 Capitulo 3 3.3. Segmentación La monitorización a largo plazo se ha convertido en una herramienta necesaria e importante en el cuidado médico, y con la llegada de las grabaciones digitales, el análisis de grandes cantidades brutas de datos EEG puede llegar a ser un problema significativo. Por dicha razón, dentro de un análisis de una grabación larga necesitamos dividir la señal en segmentos para poder procesar la información [2]. La señal EEG es de naturaleza aleatoria y no estacionaria, así que para analizarla se puede optar por una segmentación en secciones dentro de las cuales no se produzcan cambios significativos en la señal. Se podrían definir segmentos de igual duración, pero podría darse el caso de que se produjese una división en un punto de cambio de la señal, así que optamos por usar un método diferente que emplea un parámetro sensible a los cambios de energía existentes en la señal, ya que esa información nos será útil en la fase de extracción de características. [3] De esta forma conseguimos una división de la señal en segmentos de longitud semejante empleando un método basado en el Operador No Lineal de Energía (NLEO), que combina amplitud y contenido frecuencial (o ritmicidad) del EEG. Los neurofisiólogos usan estos parámetros para la evaluación de un PSG, por lo que éste método combina intrínsecamente ambos en una medida única. [5] El criterio de segmentación que hemos empleado para los canales EEG y EMG está basado en GNLEO (Non-Linear Energy Operator) definido de la siguiente forma: [2] ( ) ( ) ( )∑ ∑+−= + += Ψ−Ψ= n Nnm Nn nm NLEO mmnG 1 1 (1) donde, ( )[ ] ( ) ( ) ( ) ( )321 −−−−=Ψ nxnxnxnxnx (2) Los cambios en las señales se reflejan a la salida del parámetro NLEO que consiste en tan solo cuatro muestras, lo que puede considerarse un detector instantáneo de fronteras entre segmentos. Los instantes de tiempo de cambio de energía (discontinuidad en ( )[ ]nxΨ ) corresponden a las fronteras de segmentación. Para detectar esos cambios se emplea una ventana temporal deslizante modificada, de tal forma que finalmente se genera el criterio de segmentación. Para un instante dado, n, la energía a la mitad izquierda de la ventana se resta de la energía a la mitad derecha de la ventana para generar la señal Gnleo mostrada en la Figura 23b). Si las dos mitades tuviesen la misma energía, la señal Gnleo resultante sería cero y si la ventana está centrada en una frontera de segmento entonces el Gnleo será grande. Los instantes de tiempo donde Gnleo es máximo se escogen como frontera de segmento. Figura 23. a) Fragmento EEG de 4 segundos. b) Parámetro NLEO del fragmento EEG con un tamaño de ventana de 128 muestras.
  46. 46. Segmentación y Extracción de Características del EEG 40 Capitulo 3 Los resultados del criterio dependen del tamaño N de la ventana escogida: una ventana de mayor duración tomará más muestras para hacer la substracción entre las mitades de ventanas y detectará el cambio pasado más tarde que si tomamos un tamaño menor de muestras de la ventana. La duración de la ventana debe escogerse lo suficientemente larga para obtener una medida adecuada del parámetro GNLEO a la par que debe de ser corta para a su vez poder detectar los segmentos de corta duración que puedan darse. La Figura 24 muestra los distintos valores de GNLEO dependiendo del tamaño de ventana N escogida. Para comprobar el resultado de la segmentación mediante el criterio (1), tomaremos el siguiente fragmento se señal EEG de 6000 muestras o 23,4 segundos de duración. a) b) Figura 24. a) Señal EEG original registrada sobre el canal central. b) Parámetro NLEO del framento EEG con un tamaño de ventana de 128 muestras. Figura 24. a) Señal EEG registrada sobre el canal central. La duración es de 23.4 segundos o 6000 muestras con fs= 256 Hz. b) Comparación del parámetro Gnleo para diferente tamaño de ventana N (64, 128, 256, 512 respectivamente).
  47. 47. Segmentación y Extracción de Características del EEG 41 Capitulo 3 Con el fin de evitar fronteras de segmento espurias y redundantes que pueda generar el parámetro GNLEO (debidas a fluctuaciones aleatorias inherentes a las señales) se adhiere al criterio de segmentación un proceso de umbralizado adaptativo que depende del parámetro Gnleo, manteniendo la robustez del algoritmo anterior: ( )=nT max ( )[ ]2/:2/GNLEO LnLn +− (3) con ),...12/(,2/ += LLn Aplicando el umbralizado al criterio de segmentación obtenemos el nuevo criterio de segmentación umbralizado: ( )nGNLEO if ( ) )(nTnGNLEO ≥ (4) ( )=nG 0 if ( ) )(nTnGNLEO ≤ En un segundo paso dentro de este proceso de segmentación, se incluye otra ventana L, que sirve de indicativo de sensibilidad del umbral: a mayor valor de L se reduce el número de segmentos generados, y viceversa. Se parte de un criterio de segmentación en el que N=512, valor que da una medida adecuada de NLEO. Figura 25. Criterio de segmentación umbralizado para diferente tamaño de ventana L.
  48. 48. Segmentación y Extracción de Características del EEG 42 Capitulo 3 El cálculo del criterio de segmentación y el proceso de umbralizado se hace tanto para los canales EEG como para el EMG. El criterio multicanal o global se obtiene sumando linealmente el criterio de segmentación umbralizado de cada uno de los canales empleados. NLEO EMG NLEO AO NLEO AC NLEO T GGGG ++= 1223 (5) Dicho criterio global se muestra en la Figura 26, donde además se incluye tanto el criterio de cada uno de los canales como el global. Figura 26. Obtención del criterio de segmen- tación global. A partir de los criterios umbralizados de los 2 EEGs y el EMG, se obtiene el criterio de segmentación global. N=512, L=500.
  49. 49. Segmentación y Extracción de Características del EEG 43 Capitulo 3 La última condición impuesta es la de duración mínima del segmento para asegurar que los parámetros que se obtienen de él tienen significado. En el presente trabajo se ha escogido una duración de 3 segundos (768 muestras con una fs de 256 Hz). Para comprobar el resultado de la segmentación sobre la señal ejemplo, se muestra la posición de los límites de segmentos sobre el tramo de señal estudiado, ver Figura 27. Figura 27. División final en segmentos. Se muestran los 7 segmentos en que se divide la señal ejemplo. La duración mínima del segmento se establece en 3 segundos (768 muestras). Para el tramo de señal ejemplo, el segmento más corto es de 3.067 segundos (785 muestras) mientras el más largo es de 3.29 segundos (841 muestras). Dicha duración depende del contenido en amplitud y frecuencia de las señales EEG y EMG. Dichos límites se extienden a las cinco señales tratadas, aunque nos hayamos basado solo en los canales EEG y EMG para la segmentación. Así que incluiremos las marcas temporales o división en segmentos para extenderlas a las señales EOG, ver Figura 28. Una vez realizado este proceso se tiene un número total de segmentos procedentes de cada una de los 3 tipos de señales (EEG, EMG y EOG), a partir de los cuales se extraerán las características que a continuación se detallan. Seg #1 Seg #2 Seg #3 Seg #4 Seg #5 Seg #6 Seg #7
  50. 50. Segmentación y Extracción de Características del EEG 44 Capitulo 3 Figura 28. Los canales EEG y EMG se usan para generar el criterio global de segmentación. Las líneas verticales indican las marcas de los segmentos generados, que automáticamente se extienden a los canales EOG, resultando segmentos en los cinco canales. 3.4. Extracción de Características El segundo paso importante una vez realizada la segmentación, es el de extracción de un vector de características de cada uno de los segmentos generados en el primer paso que se empleará posteriormente en el proceso de clasificación. El objetivo final es detectar las cinco fases de sueño que se distinguen normalmente en un PSG. Por tanto, se trata de clasificar el conjunto de segmentos existentes según las características que se extraen de ellos. Las fases de sueño se caracterizan por unos patrones, niveles de EMG y ondas fisiológicas características: [6], ver Tabla 4. Etapa Patrones Nivel EMG REMs Vigilia Beta Alpha (> 50%) Alto Si REM Theta Alpha Mínimo Si N1 Theta Alpha (<50%) Medio SEM (movimientos lentos) N2 Theta Spindles y Complejos K Bajo No N3 y N4 Theta Delta (> 20%) Muy bajo No Tabla 4. Principales características de las fases del sueño, basado en las Reglas RK [1].
  51. 51. Segmentación y Extracción de Características del EEG 45 Capitulo 3 Por tanto, se podría pensar en extraer características a partir de las señales de cada segmento que nos puedan ayudar a clasificarlos en las distintas fases de sueño. Alguna de estas características son las mismas que ayudan a un neurofisiólogo a detectar las diversas fases de sueño. Otras características, tales como el número de despertares, la latencia y porcentaje de fase, se alejan del objetivo deseado, ya que ayudan más en el caso de búsqueda de tratamiento. En el caso de la amplitud de las ondas EEG, las etapas de sueño profundo poseen las ondas de mayor amplitud, mientras la menor la poseen las etapas de vigilia y REM. Otro parámetro importante es la frecuencia. Las ondas de mayor frecuencia se detectan en estado de vigilia (beta y alpha), mientras que las ondas de menor frecuencia se presentan en las fases de sueño profundo (delta). Mientras, los movimientos oculares rápidos REM tan sólo pueden darse en dos fases: vigilia (W) o fase REM, etapa en la que se producen en mayor cantidad. Desde los primeros intentos para describir las características temporales y espectrales de los EEGs, numerosas características han sido propuestas por investigadores. Entre algunos ejemplos se incluyen: amplitud promedia, variabilidad de la amplitud, valores máximos y mínimos de amplitud, derivadas primera y segunda y amplitudes en distintas bandas espectrales. En el presente trabajo se usan 3 características por canal para describir cada segmento: una medida de amplitud, otra de frecuencia y la energía pesada en frecuencia (FWE) basada en el parámetro no lineal de energía Gnleo. Además se incluyen una serie de ratios de parámetros fisiológicos como son la onda lenta, actividad alpha y presencia de husos de sueño. La última característica es la presencia de movimientos de ojo o EM (del inglés Eye Movement) que nos ayudará a detectar los segmentos de EOG donde se produce inversión de fase y episodios de movimientos oculares rápidos. Las características que representan cada segmento de un PSG son las siguientes: . Amplitud (para cada canal EEG y EMG). . Ritmo dominante (para cada canal EEG y EMG). . FWE (para cada canal EEG y EMG). . Presencia de spindles (en el canal EEG central). . Índice de onda lenta Alpha (ASI, del inglés Alpha Sleep-Wave Index) (para el canal EEG occipital). . Índice de onda lenta Theta (TSI, del inglés Theta Sleep-Wave Index) (para el canal EEG central). . Presencia de movimientos de ojos (EMs) en los EOGs. Por lo tanto, cada segmento queda parametrizado por un vector de características 13-dimensional. Utilizando todos los vectores de características se espera obtener una separación suficiente de los diferentes patrones de sueño. La Figura 29 muestra una descripción de las características, así como la nomenclatura empleada.
  52. 52. Segmentación y Extracción de Características del EEG 46 Capitulo 3 C3A2 O2A1 EMG EOG- RA1 EOG- LA1 . Amplitud: AC3A2 . Ritmo Dominante RC3A2 . FWE fweC3A2 . Presencia Spindles spin . Índice Onda Theta tsi . Amplitud AO2A1 . Ritmo Dominante RO2A1 . FWE fweO2A1 . Índice Onda Alpha asi . Amplitud AEMG . Ritmo Dominante REMG . FWE fweEMG Algoritmo Detección . Detección EMs EMs AC3A2 A O2A1 A EMG R C3A2 RO2A1 R EMG fweC3A2 fweO2A1 fweEMG spin asi tsi EMs Segmento = vector 13-D características Figura 29. Un segmento se caracterizará finalmente por un vector de 13 características. 3.4.1. Amplitud La medida de amplitud es simplemente el promedio del valor absoluto de amplitud de todas las muestras que contiene el segmento. Sea xj(n) el segmento bajo consideración, entonces la amplitud promedio del j-ésimo segmento en el i-ésimo canal se determina como: ∑= = jM n ij j ij nx M A 1 )( 1 Pi ,...,2,1= (6) , donde Mj representa el número de muestras que contiene el segmento j del canal i. La Figura 30 muestra la amplitud de los segmentos que componen la señal EEG C3A2. Figura 30. La Amplitud del Canal Central es la primera de las características de los segmentos.
  53. 53. Segmentación y Extracción de Características del EEG 47 Capitulo 3 La amplitud, junto a la frecuencia central o ritmo dominante, son las características más importantes para la asignación de un segmento a un patrón específico de sueño. Las ondas lentas de los estados más profundos de sueño se caracterizan por una alta amplitud, mientras las ondas de sueño ligero, vigilia y REM poseen ondas de más baja amplitud. Por tanto, esta característica nos ayudará a asignar un segmento a una fase de sueño. El cálculo de este parámetro se hace tanto en los canales EEG como para el EMG. Figura 31. Amplitud de los distintos segmentos que componen la señal EEG O2A1. La amplitud en la señal EMG nos ayudará a determinar el nivel de potencia registrada en la barbilla. Cuando la amplitud promedia es alta, podemos asegurar la existencia de movimiento (cuando se aprecia un pico se puede asegurar la existencia de movimiento del paciente, pudiendo general un microdespertar). El nivel mínimo viene determinado por la sensibilidad del electrodo, que visualmente se reflejará en la señal en un nivel mínimo de ruido. La etapa de sueño que menor amplitud de EMG presenta es la fase REM en la que se presenta atonia o ausencia de actividad muscular (el EMG presenta ruido de nivel muy pequeño acompañado del ritmo cardiaco o sinusoidal). Por el contrario, la fase donde más nivel EMG existe es la fase de vigilia. Figura 32. Amplitud de los segmentos que componen la señal EMG.
  54. 54. Segmentación y Extracción de Características del EEG 48 Capitulo 3 Figura 33. Comparación de la amplitud de las señales registradas sobre los canales central y occipital. En la Figura 33 se puede apreciar que las señales EEG son de muy bajo voltaje. La amplitud es un posible indicador de etapa de sueño, debido a que en cada fase, las señales tienen una amplitud característica. En fase W, REM y S1, la amplitud es pequeña, mientras que a medida que entramos en sueño profundo, la amplitud de la onda va creciendo. 3.4.2. Frecuencia Central o Ritmo Dominante La frecuencia central o ritmo dominante es el segundo parámetro importante en el proceso de clasificación de un segmento. Muchos investigadores han intentado definir alguna medida representativa de la frecuencia promedio; sin embargo no hay consenso en una medida adecuada con respecto a las dificultades añadidas de la señal EEG, como son la contribución de las componentes armónicas o el ruido existente. Debido a estas dificultades, lo que daremos será una estima en el sentido estadístico. Existen tres tipos de estima frecuencial que envuelven distintos parámetros: . Estimación frecuencial de un tono único: la señal es única, sinusoide de frecuencia constante. Se trata del problema de estima de frecuencia más simple. . Estimación frecuencial multi armónica: la señal está compuesta de la suma de sinusoides relacionadas armónicamente. . Estimación frecuencial multi tono: se dan diversos tonos de frecuencia no relacionada. Este problema ocurre en el análisis de señales que contienen emisiones de más de una fuente. A su vez, los métodos de estima frecuencial se ven afectados principalmente por cuatro medidas de prestaciones: desviación y variación frecuencial, armónicos y ruido.
  55. 55. Segmentación y Extracción de Características del EEG 49 Capitulo 3 A continuación se detalla alguna de las técnicas para la estima de la frecuencia fundamental, con alguna de sus características más importantes [10]: 1. Técnica de cruces por cero: insensible a frecuencias armónicas. Se puede mejorar incorporando un análisis de las opciones de filtrado del método de demodulación. 2. Técnica de error por mínimos cuadrados. 3. Método de Newton: Emplea el método iterativo de Newton para resolver un sistema no lineal de ecuaciones. 4. Técnicas de filtrado: Kalman. Reduce la computación en tiempo real y soluciona problemas de oscilación frecuencial. Por el contrario, presenta un mal comportamiento en presencia de armónicos, está muy afectado por el ruido y ante errores en fase tendremos un error mayor en la estima. 5. Métodos DFT con ajuste polinómico: Suprimen parte de los armónicos de la señal, permitiendo una implementación en tiempo real. 6. Técnica de demodulación: puede manejar cualquier número de armónicos en la señal, aunque obtiene una señal compleja y filtra las componentes frecuenciales más bajas. 7. Modelos Simples no lineales: mínimos cuadrados recursivos y media por mínimos cuadrados. 8. Frecuencia Centroide: considera la desviación frecuencial y los armónicos existentes en la señal. Aconsejable para estima en tiempo real por su baja carga computacional. Recursivo y de fácil implementación. Estos métodos emplean en su mayor parte un modelo de señal sinusoidal, y se basan en la Transformada de Fourier (FT) o la Transformada Wavelet (WT). Por otro lado, alguno de los algoritmos necesita tiempo para computación y estimación, por lo que no se puede aplicar en caso de medidas en tiempo real. En el caso de la señal EEG, tenemos una señal multi tono que puede contener a su vez componentes armónicas (además contiene un ancho de banda muy pequeño y contenido en muy bajas frecuencias). Antes de calcular la frecuencia central de un determinado segmento, nos hemos de cerciorar de que el segmento ha sido filtrado correctamente, de modo que las frecuencias contenidas representen las frecuencias correctas de la señal EEG. Esta característica es muy importante para asociar un segmento a un determinado patrón de sueño, ya que la principal diferencia entre los distintos patrones de sueño es la frecuencia o banda que los da nombre (ritmos beta, alpha, delta, theta…). Banda Delta: 0.5 – 4 Hz Banda Tetha: 4 - 8 Hz Banda Alpha: 8 – 13 Hz Banda Beta: > 13 Hz.
  56. 56. Segmentación y Extracción de Características del EEG 50 Capitulo 3 Cada una de las fases de sueño está caracterizada por la presencia de alguna de las bandas, por lo que una buena estima frecuencial nos ayudará a determinar cual es la fase de sueño a la que pertenece el segmento en cuestión. En el presente estudio se analizan y comparan dos de las técnicas de estima frecuencial multi tono y multi armónica: la primera basada en un método autorregresivo, y la segunda basada en una transformación al dominio de Fourier para calcular la densidad espectral de potencia, a la que sigue un cálculo del centro de gravedad para así detectar la frecuencia fundamental de fragmento de señal analizado. En este proyecto final de carrera hemos implementado dos algoritmos de estimación de la frecuencia central que detallaremos a continuación; el primero se basa en un modelo lineal Autorregresivo de Segundo Orden y el segundo se trata de un método de estima de la frecuencia centroide a partir de la Transformada de Fourier. . Modelo Autorregresivo de Segundo Orden (AR-2) Se trata de un enfoque no paramétrico, y su versión moderna es el análisis espectral empírico basado en estimadores de la densidad espectral de potencia del proceso estocástico estacionario en cuestión. Por lo tanto, la señal se modela como un proceso estocástico estacionario [3]. El método sugerido calcula el ritmo dominante a partir de un modelo autorregresivo de segundo orden (AR-2), que rastrea las frecuencias centrales con los coeficientes de un modelo de orden reducido. Al tratarse de un modelo, el filtro eliminará componentes de señal fuera de la banda de interés. En el caso de la señal EEG (multi tono y multi armónica), la selección de un orden p adecuado es muy importante: si p es demasiado grande, frecuencias espúreas pueden estar presentes; si p es demasiado pequeño, entonces información importante sobre algunas frecuencias puede perderse. La hipótesis es que el orden reducido del modelo AR compensará para modelos de orden superior adecuando la señal de modo que refleje su distribución de potencia. Específicamente, el valor frecuencial derivado de los coeficientes AR estimados de un modelo de segundo orden está afectado por la potencia relativa de cada componente frecuencial de la señal de entrada. El modelo AR supone que el filtro FIR es todo-polos, por lo que el numerador de su función de transferencia es una constante. La expresión para el filtro es la siguiente: 2 2 1 1 2 1 )( −−− −− = zaza G zHAR (7) , donde conocidos los coeficientes a1 y a2 y la constante G, queda definido el filtro. El ritmo dominante de todo el registro polisomnográfico se muestra en la Figura 34 y es obtenido a partir de la respuesta en frecuencia de dicho filtro para cada uno de los segmentos.

×