Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 may 2024
Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 may 2024
Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 may 2024
1. Introducción
¡Bienvenido! En este tutorial aprenderemos sobre las ondas cerebrales y cómo podemos utilizarlas para comprender el cerebro y el comportamiento.
Hans Berger acuñó el término electroencefalograma en 1929, cuando describió los cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que denominó ondas alfa y beta simplemente por el orden en que las registró. Este tipo de ondas ya se habían registrado en otros mamíferos, ¡pero Berger las describió en humanos por primera vez!
Desde entonces, el método de la electroencefalografía se ha convertido en una herramienta clave de la neurociencia, ha contribuido a desarrollar nuestra comprensión de las ondas cerebrales (que los investigadores denominan oscilaciones neuronales) y ha ayudado a caracterizar estados del cerebro como la fatiga y la vigilia.
In este breve tutorial cubriremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica con dispositivos y software de Emotiv.
2. ¿Qué es el EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos, sensores o canales en el cuero cabelludo para registrar la actividad eléctrica generada por poblaciones de células cerebrales, llamadas neuronas.
Fig. 1 – Las neuronas producen actividad eléctrica que puede detectarse con un dispositivo de EEG [Siuly, et al. (2016)].
2.1. Sistemas de EEG
Existen muchos dispositivos de EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos de EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Un mayor número de electrodos proporcionará una mayor resolución espacial de la información en todo el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos utilizan un gel electrolítico o una solución salina para mejorar la conductancia entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores que necesitan contacto directo con el cuero cabelludo.
Electrodo activo o pasivo – Los sistemas de electrodos pasivos simplemente conducen la señal al dispositivo donde se amplifica. Los sistemas de electrodos activos amplifican la señal en cada electrodo antes de que llegue al dispositivo para su amplificación. Esto reduce el ruido eléctrico ambiental en la señal.
Dispositivos cableados o inalámbricos que transmiten datos a través de Bluetooth.
Fig. 2 – Un sistema de EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema de EEG por cable con electrodos de alta densidad.
2.2. ¿Cuándo utilizar el EEG?
Cada método de neuroimagen puede ayudar a responder a diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neuronal en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
Es el más adecuado para preguntas como "¿a qué partes de mi vídeo prestaron más atención los participantes?".
El EEG registra la actividad principalmente de las capas externas del cerebro (es decir, tiene baja resolución espacial). Con un solo sensor es imposible identificar el origen de la actividad. El registro con un gran número de canales puede permitir reconstruir matemáticamente la fuente, pero sigue estando limitado a la hora de identificar fuentes profundas. La resonancia magnética funcional (RMNf) es más adecuada para responder a preguntas como "¿Qué parte del cerebro está relacionada con los cambios de atención?".
2.3. ¿Del sensor al EEG bruto?
Una vez colocado el dispositivo de EEG en la cabeza, la actividad cerebral se mide en un único sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas de EEG este sensor se denomina electrodo de detección de modo común (CMS). Un sensor adicional, la pierna derecha accionada (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal de EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y se filtra con un filtro de paso bajo. El filtrado de paso bajo es un paso que eliminará posibles interferencias eléctricas del entorno en su señal, por ejemplo, las de la red eléctrica general.
Estos pasos ocurren en el propio hardware antes de que la señal de EEG bruta pueda visualizarse en la pantalla de su ordenador.
2.4. Terminología básica
Convención de nomenclatura estandarizada 10-20
Los sensores de la izquierda suelen llevar números impares y los de la derecha números pares.
Nota 1: se trata de meras convenciones de nomenclatura y la ubicación del sensor de EEG no es un indicador del origen de la actividad.
Nota 2: es necesario realizar pasos adicionales, como la reconstrucción matemática de la fuente de la señal, para determinar el origen de la actividad en un único canal.
3. ¿Qué son las oscilaciones neuronales?
Las ondas cerebrales, a menudo denominadas oscilaciones neuronales, son patrones rítmicos producidos por una sola neurona o por un grupo de ellas.
Aún no está claro por qué el cerebro produce estos diferentes tipos de oscilaciones, aunque existen muchas teorías. Los investigadores utilizan diferentes tareas para caracterizar estas actividades oscilatorias con el objetivo de comprender los misterios del cerebro a través de estos patrones rítmicos.
3.1. Propiedades de una oscilación
Esta figura muestra la medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos representar la amplitud del registro eléctrico y en el eje horizontal (eje x) el tiempo. La amplitud de la señal variará en magnitud de forma regular alrededor de un punto central. Un ciclo también se denomina oscilación.
El número de ciclos por segundo se denomina frecuencia de la onda y su unidad es el Hercio (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van de los 0.2 Hz (ondas muy lentas) a los 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada a crisis convulsivas.
Los distintos tipos de oscilaciones cerebrales se caracterizan por su frecuencia. Se conocen como bandas de frecuencia y pueden relacionarse con diferentes estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las distintas bandas de frecuencia?
Identificación de patrones cerebrales normales y anormales
Las oscilaciones neuronales son importantes para detectar crisis y diagnosticar la epilepsia en neurología.Interfaces cerebro-ordenador (BCI)
La cantidad de oscilaciones beta, gamma y mu se utiliza a menudo para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Se trata de una forma de entrenamiento cerebral en la que se pueden visualizar las ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para aumentar la cantidad de oscilaciones gamma en el cerebro.Neuromárketing
Las bandas de frecuencia alfa y beta pueden utilizarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos de EEG
Lo más habitual es que los investigadores realicen análisis en el dominio del tiempo o en el dominio de la frecuencia.
Análisis en el dominio del tiempo
Normalmente mide la amplitud del voltaje en momentos de interés tras la presentación de un estímulo. Se denominan potenciales relacionados con eventos (ERP).
Análisis en el dominio de la frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en un periodo de tiempo determinado o tras la aparición de un evento.
A continuación, ofrecemos una visión general del análisis en el dominio de la frecuencia.
3.4. Procesamiento
Una vez realizado el registro de EEG, se suelen limpiar los datos antes de analizas las oscilaciones.
Filtrado
Una técnica para eliminar el ruido ambiental de alta y baja frecuencia en los datos.Eliminación de artefactos
El movimiento físico y el parpadeo de los ojos pueden causar grandes artefactos (picos de > 50 µV en el EEG). Estos se pueden eliminar para que no influyan en nuestros resultados. Algunos investigadores utilizan métodos sofisticados para corregir estos artefactos con el fin de conservar los datos.
Una vez procesados los datos, la señal puede convertirse al dominio de la frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo de ojos en EEG bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal de EEG del "dominio del tiempo" (imagen A) al "dominio de la frecuencia (imagen B)".
En el dominio de la frecuencia, podemos cuantificar cuántas oscilaciones de cada tipo hubo en nuestro registro. Esto suele ser la "potencia" de la banda de frecuencia y puede mostrarse en un espectro de potencia (Imagen B).
Fig. 9A – EEG bruto en el dominio del tiempo.
Fig. 9B – Espectro de potencia tras la FFT (dominio de la frecuencia).
3.6. Potencia de la banda
La potencia de una banda de frecuencia (por ejemplo, la banda Alfa) obtenida a partir de una transformada de Fourier nos indica la cantidad de cada banda de frecuencia que existe. Las unidades de potencia de banda suelen expresarse en µV2/Hz. Con frecuencia, los espectros de amplitud o potencia de una FFT se muestran en decibelios (dB), una unidad logarítmica. El decibelio es una unidad de relación entre una potencia medida (P) y una potencia de referencia (Pr) de la siguiente manera:
Una vez obtenida esta unidad de medida para los eventos de interés, se pueden comparar las potencias de banda para comprender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, nos centraremos en el efecto de supresión alfa.
Se trata de un fenómeno descrito por primera vez por Hans Berger, en el que se observa una disminución significativa de la cantidad de oscilaciones alfa (potencia alfa) cuando una persona tiene los ojos abiertos en comparación con cuando los tiene cerrados.
Fig. 10 – Se observa un aumento de las oscilaciones alfa cuando se abren los ojos.
Primero, utilizando EmotivPRO Builder diseñamos un experimento sencillo. En este experimento se pide al participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y que luego los cierre durante 2 minutos. Al final de los 2 minutos oirá una campana para indicarle que debe abrir los ojos.
Puedes seguir el vídeo de abajo para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace de aquí:
4.1. Colocación del dispositivo y calidad del EEG
Lee más sobre cómo funciona nuestro indicador de calidad de contacto aquí. Encuentra más información sobre la colocación de un modelo específico de diadema aquí:
Modelo EPOC
Modelo Insight
4.2. Procesamiento y transformación de los datos de EEG
Ahora que dispones de tus datos, puedes transformarlos al dominio de la frecuencia utilizando Emotiv Analyzer. Sigue los pasos que se indican en el vídeo.
4.3. Interpretación de los datos
Una vez que Analyzer haya terminado, descarga el archivo zip. Para cada registro dispondrás de un archivo csv con las potencias de banda y un archivo de imagen que podrás utilizar para realizar tus propios análisis estadísticos.
Fig. 11 – Potencias de banda.
En nuestro resultado podemos ver el aumento de la potencia Alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Aquí termina nuestro tutorial! Ya cuentas con los conceptos básicos 🙂
Puedes encontrar algunos enlaces a lecturas más avanzadas en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para el estudio de las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA DE EEG
Kane et al. 2017 (aquí)
CÓDIGO DE FUENTE ABIERTA
Si te sientes cómodo programando en python, hemos puesto a tu disposición scripts en python que puedes utilizar para obtener valores de potencia alfa, categorizados por segmentos de ojos abiertos y ojos cerrados. Encuentra el código y los archivos de datos de muestra de Supresión Alfa aquí: https://osf.io/9bvgh/
MANUALES DE Emotiv
Manual de EmotivPRO Builder
Manual de EmotivPRO
Manual de EmotivPRO Analyzer
7. Referencias
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Introducción
¡Bienvenido! En este tutorial aprenderemos sobre las ondas cerebrales y cómo podemos utilizarlas para comprender el cerebro y el comportamiento.
Hans Berger acuñó el término electroencefalograma en 1929, cuando describió los cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que denominó ondas alfa y beta simplemente por el orden en que las registró. Este tipo de ondas ya se habían registrado en otros mamíferos, ¡pero Berger las describió en humanos por primera vez!
Desde entonces, el método de la electroencefalografía se ha convertido en una herramienta clave de la neurociencia, ha contribuido a desarrollar nuestra comprensión de las ondas cerebrales (que los investigadores denominan oscilaciones neuronales) y ha ayudado a caracterizar estados del cerebro como la fatiga y la vigilia.
In este breve tutorial cubriremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica con dispositivos y software de Emotiv.
2. ¿Qué es el EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos, sensores o canales en el cuero cabelludo para registrar la actividad eléctrica generada por poblaciones de células cerebrales, llamadas neuronas.
Fig. 1 – Las neuronas producen actividad eléctrica que puede detectarse con un dispositivo de EEG [Siuly, et al. (2016)].
2.1. Sistemas de EEG
Existen muchos dispositivos de EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos de EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Un mayor número de electrodos proporcionará una mayor resolución espacial de la información en todo el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos utilizan un gel electrolítico o una solución salina para mejorar la conductancia entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores que necesitan contacto directo con el cuero cabelludo.
Electrodo activo o pasivo – Los sistemas de electrodos pasivos simplemente conducen la señal al dispositivo donde se amplifica. Los sistemas de electrodos activos amplifican la señal en cada electrodo antes de que llegue al dispositivo para su amplificación. Esto reduce el ruido eléctrico ambiental en la señal.
Dispositivos cableados o inalámbricos que transmiten datos a través de Bluetooth.
Fig. 2 – Un sistema de EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema de EEG por cable con electrodos de alta densidad.
2.2. ¿Cuándo utilizar el EEG?
Cada método de neuroimagen puede ayudar a responder a diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neuronal en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
Es el más adecuado para preguntas como "¿a qué partes de mi vídeo prestaron más atención los participantes?".
El EEG registra la actividad principalmente de las capas externas del cerebro (es decir, tiene baja resolución espacial). Con un solo sensor es imposible identificar el origen de la actividad. El registro con un gran número de canales puede permitir reconstruir matemáticamente la fuente, pero sigue estando limitado a la hora de identificar fuentes profundas. La resonancia magnética funcional (RMNf) es más adecuada para responder a preguntas como "¿Qué parte del cerebro está relacionada con los cambios de atención?".
2.3. ¿Del sensor al EEG bruto?
Una vez colocado el dispositivo de EEG en la cabeza, la actividad cerebral se mide en un único sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas de EEG este sensor se denomina electrodo de detección de modo común (CMS). Un sensor adicional, la pierna derecha accionada (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal de EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y se filtra con un filtro de paso bajo. El filtrado de paso bajo es un paso que eliminará posibles interferencias eléctricas del entorno en su señal, por ejemplo, las de la red eléctrica general.
Estos pasos ocurren en el propio hardware antes de que la señal de EEG bruta pueda visualizarse en la pantalla de su ordenador.
2.4. Terminología básica
Convención de nomenclatura estandarizada 10-20
Los sensores de la izquierda suelen llevar números impares y los de la derecha números pares.
Nota 1: se trata de meras convenciones de nomenclatura y la ubicación del sensor de EEG no es un indicador del origen de la actividad.
Nota 2: es necesario realizar pasos adicionales, como la reconstrucción matemática de la fuente de la señal, para determinar el origen de la actividad en un único canal.
3. ¿Qué son las oscilaciones neuronales?
Las ondas cerebrales, a menudo denominadas oscilaciones neuronales, son patrones rítmicos producidos por una sola neurona o por un grupo de ellas.
Aún no está claro por qué el cerebro produce estos diferentes tipos de oscilaciones, aunque existen muchas teorías. Los investigadores utilizan diferentes tareas para caracterizar estas actividades oscilatorias con el objetivo de comprender los misterios del cerebro a través de estos patrones rítmicos.
3.1. Propiedades de una oscilación
Esta figura muestra la medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos representar la amplitud del registro eléctrico y en el eje horizontal (eje x) el tiempo. La amplitud de la señal variará en magnitud de forma regular alrededor de un punto central. Un ciclo también se denomina oscilación.
El número de ciclos por segundo se denomina frecuencia de la onda y su unidad es el Hercio (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van de los 0.2 Hz (ondas muy lentas) a los 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada a crisis convulsivas.
Los distintos tipos de oscilaciones cerebrales se caracterizan por su frecuencia. Se conocen como bandas de frecuencia y pueden relacionarse con diferentes estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las distintas bandas de frecuencia?
Identificación de patrones cerebrales normales y anormales
Las oscilaciones neuronales son importantes para detectar crisis y diagnosticar la epilepsia en neurología.Interfaces cerebro-ordenador (BCI)
La cantidad de oscilaciones beta, gamma y mu se utiliza a menudo para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Se trata de una forma de entrenamiento cerebral en la que se pueden visualizar las ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para aumentar la cantidad de oscilaciones gamma en el cerebro.Neuromárketing
Las bandas de frecuencia alfa y beta pueden utilizarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos de EEG
Lo más habitual es que los investigadores realicen análisis en el dominio del tiempo o en el dominio de la frecuencia.
Análisis en el dominio del tiempo
Normalmente mide la amplitud del voltaje en momentos de interés tras la presentación de un estímulo. Se denominan potenciales relacionados con eventos (ERP).
Análisis en el dominio de la frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en un periodo de tiempo determinado o tras la aparición de un evento.
A continuación, ofrecemos una visión general del análisis en el dominio de la frecuencia.
3.4. Procesamiento
Una vez realizado el registro de EEG, se suelen limpiar los datos antes de analizas las oscilaciones.
Filtrado
Una técnica para eliminar el ruido ambiental de alta y baja frecuencia en los datos.Eliminación de artefactos
El movimiento físico y el parpadeo de los ojos pueden causar grandes artefactos (picos de > 50 µV en el EEG). Estos se pueden eliminar para que no influyan en nuestros resultados. Algunos investigadores utilizan métodos sofisticados para corregir estos artefactos con el fin de conservar los datos.
Una vez procesados los datos, la señal puede convertirse al dominio de la frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo de ojos en EEG bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal de EEG del "dominio del tiempo" (imagen A) al "dominio de la frecuencia (imagen B)".
En el dominio de la frecuencia, podemos cuantificar cuántas oscilaciones de cada tipo hubo en nuestro registro. Esto suele ser la "potencia" de la banda de frecuencia y puede mostrarse en un espectro de potencia (Imagen B).
Fig. 9A – EEG bruto en el dominio del tiempo.
Fig. 9B – Espectro de potencia tras la FFT (dominio de la frecuencia).
3.6. Potencia de la banda
La potencia de una banda de frecuencia (por ejemplo, la banda Alfa) obtenida a partir de una transformada de Fourier nos indica la cantidad de cada banda de frecuencia que existe. Las unidades de potencia de banda suelen expresarse en µV2/Hz. Con frecuencia, los espectros de amplitud o potencia de una FFT se muestran en decibelios (dB), una unidad logarítmica. El decibelio es una unidad de relación entre una potencia medida (P) y una potencia de referencia (Pr) de la siguiente manera:
Una vez obtenida esta unidad de medida para los eventos de interés, se pueden comparar las potencias de banda para comprender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, nos centraremos en el efecto de supresión alfa.
Se trata de un fenómeno descrito por primera vez por Hans Berger, en el que se observa una disminución significativa de la cantidad de oscilaciones alfa (potencia alfa) cuando una persona tiene los ojos abiertos en comparación con cuando los tiene cerrados.
Fig. 10 – Se observa un aumento de las oscilaciones alfa cuando se abren los ojos.
Primero, utilizando EmotivPRO Builder diseñamos un experimento sencillo. En este experimento se pide al participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y que luego los cierre durante 2 minutos. Al final de los 2 minutos oirá una campana para indicarle que debe abrir los ojos.
Puedes seguir el vídeo de abajo para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace de aquí:
4.1. Colocación del dispositivo y calidad del EEG
Lee más sobre cómo funciona nuestro indicador de calidad de contacto aquí. Encuentra más información sobre la colocación de un modelo específico de diadema aquí:
Modelo EPOC
Modelo Insight
4.2. Procesamiento y transformación de los datos de EEG
Ahora que dispones de tus datos, puedes transformarlos al dominio de la frecuencia utilizando Emotiv Analyzer. Sigue los pasos que se indican en el vídeo.
4.3. Interpretación de los datos
Una vez que Analyzer haya terminado, descarga el archivo zip. Para cada registro dispondrás de un archivo csv con las potencias de banda y un archivo de imagen que podrás utilizar para realizar tus propios análisis estadísticos.
Fig. 11 – Potencias de banda.
En nuestro resultado podemos ver el aumento de la potencia Alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Aquí termina nuestro tutorial! Ya cuentas con los conceptos básicos 🙂
Puedes encontrar algunos enlaces a lecturas más avanzadas en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para el estudio de las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA DE EEG
Kane et al. 2017 (aquí)
CÓDIGO DE FUENTE ABIERTA
Si te sientes cómodo programando en python, hemos puesto a tu disposición scripts en python que puedes utilizar para obtener valores de potencia alfa, categorizados por segmentos de ojos abiertos y ojos cerrados. Encuentra el código y los archivos de datos de muestra de Supresión Alfa aquí: https://osf.io/9bvgh/
MANUALES DE Emotiv
Manual de EmotivPRO Builder
Manual de EmotivPRO
Manual de EmotivPRO Analyzer
7. Referencias
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Introducción
¡Bienvenido! En este tutorial aprenderemos sobre las ondas cerebrales y cómo podemos utilizarlas para comprender el cerebro y el comportamiento.
Hans Berger acuñó el término electroencefalograma en 1929, cuando describió los cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que denominó ondas alfa y beta simplemente por el orden en que las registró. Este tipo de ondas ya se habían registrado en otros mamíferos, ¡pero Berger las describió en humanos por primera vez!
Desde entonces, el método de la electroencefalografía se ha convertido en una herramienta clave de la neurociencia, ha contribuido a desarrollar nuestra comprensión de las ondas cerebrales (que los investigadores denominan oscilaciones neuronales) y ha ayudado a caracterizar estados del cerebro como la fatiga y la vigilia.
In este breve tutorial cubriremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica con dispositivos y software de Emotiv.
2. ¿Qué es el EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos, sensores o canales en el cuero cabelludo para registrar la actividad eléctrica generada por poblaciones de células cerebrales, llamadas neuronas.
Fig. 1 – Las neuronas producen actividad eléctrica que puede detectarse con un dispositivo de EEG [Siuly, et al. (2016)].
2.1. Sistemas de EEG
Existen muchos dispositivos de EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos de EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Un mayor número de electrodos proporcionará una mayor resolución espacial de la información en todo el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos utilizan un gel electrolítico o una solución salina para mejorar la conductancia entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores que necesitan contacto directo con el cuero cabelludo.
Electrodo activo o pasivo – Los sistemas de electrodos pasivos simplemente conducen la señal al dispositivo donde se amplifica. Los sistemas de electrodos activos amplifican la señal en cada electrodo antes de que llegue al dispositivo para su amplificación. Esto reduce el ruido eléctrico ambiental en la señal.
Dispositivos cableados o inalámbricos que transmiten datos a través de Bluetooth.
Fig. 2 – Un sistema de EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema de EEG por cable con electrodos de alta densidad.
2.2. ¿Cuándo utilizar el EEG?
Cada método de neuroimagen puede ayudar a responder a diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neuronal en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
Es el más adecuado para preguntas como "¿a qué partes de mi vídeo prestaron más atención los participantes?".
El EEG registra la actividad principalmente de las capas externas del cerebro (es decir, tiene baja resolución espacial). Con un solo sensor es imposible identificar el origen de la actividad. El registro con un gran número de canales puede permitir reconstruir matemáticamente la fuente, pero sigue estando limitado a la hora de identificar fuentes profundas. La resonancia magnética funcional (RMNf) es más adecuada para responder a preguntas como "¿Qué parte del cerebro está relacionada con los cambios de atención?".
2.3. ¿Del sensor al EEG bruto?
Una vez colocado el dispositivo de EEG en la cabeza, la actividad cerebral se mide en un único sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas de EEG este sensor se denomina electrodo de detección de modo común (CMS). Un sensor adicional, la pierna derecha accionada (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal de EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y se filtra con un filtro de paso bajo. El filtrado de paso bajo es un paso que eliminará posibles interferencias eléctricas del entorno en su señal, por ejemplo, las de la red eléctrica general.
Estos pasos ocurren en el propio hardware antes de que la señal de EEG bruta pueda visualizarse en la pantalla de su ordenador.
2.4. Terminología básica
Convención de nomenclatura estandarizada 10-20
Los sensores de la izquierda suelen llevar números impares y los de la derecha números pares.
Nota 1: se trata de meras convenciones de nomenclatura y la ubicación del sensor de EEG no es un indicador del origen de la actividad.
Nota 2: es necesario realizar pasos adicionales, como la reconstrucción matemática de la fuente de la señal, para determinar el origen de la actividad en un único canal.
3. ¿Qué son las oscilaciones neuronales?
Las ondas cerebrales, a menudo denominadas oscilaciones neuronales, son patrones rítmicos producidos por una sola neurona o por un grupo de ellas.
Aún no está claro por qué el cerebro produce estos diferentes tipos de oscilaciones, aunque existen muchas teorías. Los investigadores utilizan diferentes tareas para caracterizar estas actividades oscilatorias con el objetivo de comprender los misterios del cerebro a través de estos patrones rítmicos.
3.1. Propiedades de una oscilación
Esta figura muestra la medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial frente a temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos representar la amplitud del registro eléctrico y en el eje horizontal (eje x) el tiempo. La amplitud de la señal variará en magnitud de forma regular alrededor de un punto central. Un ciclo también se denomina oscilación.
El número de ciclos por segundo se denomina frecuencia de la onda y su unidad es el Hercio (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van de los 0.2 Hz (ondas muy lentas) a los 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada a crisis convulsivas.
Los distintos tipos de oscilaciones cerebrales se caracterizan por su frecuencia. Se conocen como bandas de frecuencia y pueden relacionarse con diferentes estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las distintas bandas de frecuencia?
Identificación de patrones cerebrales normales y anormales
Las oscilaciones neuronales son importantes para detectar crisis y diagnosticar la epilepsia en neurología.Interfaces cerebro-ordenador (BCI)
La cantidad de oscilaciones beta, gamma y mu se utiliza a menudo para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Se trata de una forma de entrenamiento cerebral en la que se pueden visualizar las ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para aumentar la cantidad de oscilaciones gamma en el cerebro.Neuromárketing
Las bandas de frecuencia alfa y beta pueden utilizarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos de EEG
Lo más habitual es que los investigadores realicen análisis en el dominio del tiempo o en el dominio de la frecuencia.
Análisis en el dominio del tiempo
Normalmente mide la amplitud del voltaje en momentos de interés tras la presentación de un estímulo. Se denominan potenciales relacionados con eventos (ERP).
Análisis en el dominio de la frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en un periodo de tiempo determinado o tras la aparición de un evento.
A continuación, ofrecemos una visión general del análisis en el dominio de la frecuencia.
3.4. Procesamiento
Una vez realizado el registro de EEG, se suelen limpiar los datos antes de analizas las oscilaciones.
Filtrado
Una técnica para eliminar el ruido ambiental de alta y baja frecuencia en los datos.Eliminación de artefactos
El movimiento físico y el parpadeo de los ojos pueden causar grandes artefactos (picos de > 50 µV en el EEG). Estos se pueden eliminar para que no influyan en nuestros resultados. Algunos investigadores utilizan métodos sofisticados para corregir estos artefactos con el fin de conservar los datos.
Una vez procesados los datos, la señal puede convertirse al dominio de la frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo de ojos en EEG bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal de EEG del "dominio del tiempo" (imagen A) al "dominio de la frecuencia (imagen B)".
En el dominio de la frecuencia, podemos cuantificar cuántas oscilaciones de cada tipo hubo en nuestro registro. Esto suele ser la "potencia" de la banda de frecuencia y puede mostrarse en un espectro de potencia (Imagen B).
Fig. 9A – EEG bruto en el dominio del tiempo.
Fig. 9B – Espectro de potencia tras la FFT (dominio de la frecuencia).
3.6. Potencia de la banda
La potencia de una banda de frecuencia (por ejemplo, la banda Alfa) obtenida a partir de una transformada de Fourier nos indica la cantidad de cada banda de frecuencia que existe. Las unidades de potencia de banda suelen expresarse en µV2/Hz. Con frecuencia, los espectros de amplitud o potencia de una FFT se muestran en decibelios (dB), una unidad logarítmica. El decibelio es una unidad de relación entre una potencia medida (P) y una potencia de referencia (Pr) de la siguiente manera:
Una vez obtenida esta unidad de medida para los eventos de interés, se pueden comparar las potencias de banda para comprender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, nos centraremos en el efecto de supresión alfa.
Se trata de un fenómeno descrito por primera vez por Hans Berger, en el que se observa una disminución significativa de la cantidad de oscilaciones alfa (potencia alfa) cuando una persona tiene los ojos abiertos en comparación con cuando los tiene cerrados.
Fig. 10 – Se observa un aumento de las oscilaciones alfa cuando se abren los ojos.
Primero, utilizando EmotivPRO Builder diseñamos un experimento sencillo. En este experimento se pide al participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y que luego los cierre durante 2 minutos. Al final de los 2 minutos oirá una campana para indicarle que debe abrir los ojos.
Puedes seguir el vídeo de abajo para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace de aquí:
4.1. Colocación del dispositivo y calidad del EEG
Lee más sobre cómo funciona nuestro indicador de calidad de contacto aquí. Encuentra más información sobre la colocación de un modelo específico de diadema aquí:
Modelo EPOC
Modelo Insight
4.2. Procesamiento y transformación de los datos de EEG
Ahora que dispones de tus datos, puedes transformarlos al dominio de la frecuencia utilizando Emotiv Analyzer. Sigue los pasos que se indican en el vídeo.
4.3. Interpretación de los datos
Una vez que Analyzer haya terminado, descarga el archivo zip. Para cada registro dispondrás de un archivo csv con las potencias de banda y un archivo de imagen que podrás utilizar para realizar tus propios análisis estadísticos.
Fig. 11 – Potencias de banda.
En nuestro resultado podemos ver el aumento de la potencia Alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Aquí termina nuestro tutorial! Ya cuentas con los conceptos básicos 🙂
Puedes encontrar algunos enlaces a lecturas más avanzadas en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para el estudio de las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA DE EEG
Kane et al. 2017 (aquí)
CÓDIGO DE FUENTE ABIERTA
Si te sientes cómodo programando en python, hemos puesto a tu disposición scripts en python que puedes utilizar para obtener valores de potencia alfa, categorizados por segmentos de ojos abiertos y ojos cerrados. Encuentra el código y los archivos de datos de muestra de Supresión Alfa aquí: https://osf.io/9bvgh/
MANUALES DE Emotiv
Manual de EmotivPRO Builder
Manual de EmotivPRO
Manual de EmotivPRO Analyzer
7. Referencias
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
Continúa leyendo