Representación matemática de ondas cerebrales
Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible encontrar información no sólo sobre la actividad cerebral sino también sobre las zonas del cerebro que intervienen en actividad...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | tesis de maestría |
| Lenguaje: | Español |
| Publicado: |
2016
|
| Materias: | |
| Acceso en línea: | http://repositoriodigital.uns.edu.ar/handle/123456789/2787 |
| Aporte de: |
| Sumario: | Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al
medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible
encontrar información no sólo sobre la actividad cerebral sino también sobre las
zonas del cerebro que intervienen en actividades específicas. Procesar la información
presente en estas señales es fundamental para poder comprender en profundidad el
funcionamiento del cerebro. En particular, cuando las funciones cerebrales se ven
alteradas por el consumo de sustancias psicoactivas, enfermedades degenerativas u
otros daños, el procesamiento de las señales EEG permite obtener información sobre
qué zonas están dañadas y en qué medida.
En ese sentido, el principal objetivo de esta tesis es procesar la información presente
en las señales EEG mediante la utilización de la Transformada Wavelet y, de esta
manera, poder cuantificar e identificar las diferencias entre el funcionamiento de un
cerebro "sano" y otro dañado, o estudiar de qué manera trabaja el cerebro sometido
a diferentes estímulos.
El objetivo secundario es mostrar que la automatización en la identificación y clasificación
de la información obtenida podría ser posible mediante redes neuronales artificiales.
Procesando dos bases de datos diferentes, pudimos constatar que las variables cuantitativas
obtenidas permiten caracterizar la actividad cerebral, y que dicha caracterización
puede ser automáticamente clasificada mediante redes neuronales artificiales. En
el primer caso, logramos clasificar una población sujetos en dos grupos, alcohólicos
y control, procesando las señales EEG obtenidas a partir de someter a los sujetos
a estímulos visuales. En el segundo caso encontramos evidencia de que diferentes
emociones evocadas por estímulos audiovisuales producen diferencias detectables en
las señales EEG, aunque no logramos automatizar la clasificación de la información.
Los resultados obtenidos en la primera aplicación constituyen un aporte en la obtención
de mecanismos que contribuyan al diagnóstico de daños ocasionados por consumo
de sustancias psicoactivas. |
|---|