Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 feb 2024
Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 feb 2024
Fundamentos de las Oscilaciones Neurales
Roshini Randeniya
Actualizado el
22 feb 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 cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que llamó ondas alfa y beta simplemente por el orden en que las registró. ¡Este tipo de ondas se habían registrado en otros mamíferos, pero Berger las describió en humanos por primera vez!
Desde entonces, el método de electroencefalografía se ha convertido en una herramienta clave en neurociencia y ha ayudado a ampliar nuestra comprensión de las ondas cerebrales (a las que los investigadores llaman oscilaciones neuronales) y ha ayudado a caracterizar estados en el cerebro como la fatiga y la vigilia.
En este breve tutorial abordaremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica usando dispositivos y software Emotiv.
2. ¿Qué es EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos/sensores/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 EEG [Siuly, et al. (2016)].
2.1. Sistemas EEG
Hay muchos dispositivos EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Más electrodos proporcionarían una mayor resolución espacial de la información sobre el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos usan un gel electrolítico o una solución salina para mejorar la conductividad entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores, y 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 con cable o inalámbricos que transmiten datos vía Bluetooth.
Fig. 2 – Un sistema EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema EEG de electrodos con cable y alta densidad.
2.2. ¿Cuándo usar EEG?
Cada método de neuroimagen puede ayudar a responder diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neural en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
Es más adecuado para preguntas como «¿a qué partes de mi video prestaron más atención los participantes?»
El EEG registra 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. Registrar con un gran número de canales puede permitir reconstruir matemáticamente el origen, pero sigue estando limitado para identificar fuentes profundas. La resonancia magnética funcional (fMRI) es más adecuada para responder preguntas como «¿Qué parte del cerebro está relacionada con cambios en la atención?»
2.3. ¿Del sensor al EEG en bruto?
Una vez que un dispositivo EEG se coloca en la cabeza, la actividad cerebral se mide en un solo sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas EEG esto se denomina electrodo common mode sense (CMS). Un sensor adicional, el driven right leg (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y luego se filtra con un paso bajo. El filtrado pasa bajos es un paso que eliminará posibles interferencias eléctricas del entorno en tu señal, por ejemplo, las de la red eléctrica.
Estos pasos ocurren en el propio hardware antes de que la señal EEG en bruto pueda verse en la pantalla de tu computadora.
2.4. Algunos términos básicos
Convención estándar de nomenclatura 10-20
Los sensores del lado izquierdo suelen tener números impares y los del lado derecho suelen tener números pares.
Nota 1: estas son solo convenciones de nomenclatura y el origen de la ubicación del sensor EEG no es un indicador del origen de la actividad.
Nota 2: deben realizarse pasos adicionales, como la reconstrucción matemática del origen, para determinar el origen de la actividad en un solo 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 neuronas.
Todavía 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 y buscan comprender los misterios del cerebro usando estos patrones rítmicos.
3.1. Algunas propiedades de una oscilación
Esta figura muestra una medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos graficar 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 la unidad es Hertz (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van desde 0.2 Hz (ondas muy lentas) hasta 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada con convulsiones.
Los diferentes tipos de oscilaciones cerebrales se caracterizan según su frecuencia. Estas se conocen como bandas de frecuencia y pueden relacionarse con distintos estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las diferentes bandas de frecuencia?
Identificación de patrones cerebrales normales vs. anormales
Las oscilaciones neuronales son importantes para detectar convulsiones y diagnosticar epilepsia en neurología.Interfaces cerebro-computadora (BCI)
La cantidad de oscilaciones beta, gamma y mu suele utilizarse para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Esta es una forma de entrenamiento cerebral en la que puedes ver tus ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para mejorar la cantidad de oscilaciones gamma en tu cerebro.Neuromarketing
Las bandas de frecuencia alfa y beta pueden usarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos EEG
Lo más común es que los investigadores realicen análisis ya sea en el dominio temporal o en el dominio de frecuencia.
Análisis en dominio temporal
Normalmente mide la amplitud del voltaje en los momentos de interés después del inicio de un estímulo. Estos se denominan potenciales relacionados con eventos (ERPs).
Análisis en dominio de frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en una ventana temporal definida o relacionadas con el inicio de un evento.
A continuación ofrecemos una visión general del análisis en dominio de frecuencia.
3.4. Procesamiento
Una vez que haces un registro EEG, normalmente limpias los datos antes de darles sentido a 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 los parpadeos pueden causar grandes artefactos (> 50 µV de picos en el EEG). Estos pueden eliminarse para que no influyan en nuestros resultados. Algunos investigadores usan métodos sofisticados para corregir estos artefactos y preservar los datos.
Después de que los datos han sido procesados, la señal ahora puede convertirse al dominio de frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo en el EEG en bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal EEG del «dominio temporal» (imagen A) al «dominio de frecuencia (imagen B)».
En el dominio de frecuencia, podemos cuantificar cuánto de cada tipo de oscilación hubo en nuestro registro. Esto suele ser la «potencia» de la banda de frecuencia y puede mostrarse como un espectro de potencia (Imagen B).
Fig. 9A – EEG en bruto en el dominio temporal.
Fig. 9B – Espectro de potencia después de la FFT (dominio de frecuencia).
3.6. Potencia de banda
La potencia de una banda de frecuencia (por ejemplo, la banda alfa) obtenida mediante una transformada de Fourier nos indica cuánta cantidad de cada banda de frecuencia hay. Las unidades de potencia de banda suelen estar en µV2/Hz. Con mayor frecuencia, las amplitudes o los espectros de potencia de una FFT se muestran en la unidad logarítmica decibelios (dB). El decibelio es una unidad de razón 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, las potencias de banda pueden compararse para entender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, veremos el efecto de supresión alfa.
Este es un fenómeno informado por primera vez por Hans Berger, en el que vemos una disminución significativa en la cantidad de oscilaciones alfa (potencia alfa) cuando los ojos de una persona están abiertos en comparación con cuando están cerrados.
Fig. 10 – Se puede observar un aumento de las oscilaciones alfa cuando los ojos están abiertos.
Primero, usando EmotivPRO Builder, construimos un experimento sencillo. En este experimento se le pide simplemente a un participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y luego los cierre durante 2 minutos. Escuchará una campana al final de los 2 minutos para indicar que debe abrir los ojos.
Puedes seguir el video a continuación para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace aquí:
4.1. Ajuste del dispositivo y calidad EEG
Lee más sobre cómo funciona nuestra compuerta EQ aquí. Encuentra más información sobre el ajuste del dispositivo específica para tu diadema aquí:
Tipo EPOC
Tipo Insight
4.2. Procesamiento y transformación de los datos EEG
Ahora que tienes tus datos, puedes transformarlos al dominio de frecuencia usando Emotiv Analyzer. Sigue los pasos del video.
4.3. Interpretación de los datos
Una vez que Analyzer termine, descarga el archivo zip. Para cada registro tendrás un archivo csv con potencias de banda y un archivo de imagen que puedes usar para realizar tu propio análisis estadístico.
Fig. 11 – Potencias de banda.
En nuestra salida podemos ver el aumento de la potencia alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Este es el final de nuestro tutorial! Ahora ya tienes lo básico 🙂
Puedes encontrar algunos enlaces a una lectura más avanzada en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para estudiar las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA EEG
Kane et al. 2017 (aquí)
CÓDIGO FUENTE ABIERTO
Si te sientes cómodo programando en Python, hemos puesto a disposición scripts de Python que puedes usar para obtener valores de potencia alfa, etiquetados por segmentos con 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. y Voytek, B., 2022. Consideraciones metodológicas para estudiar las oscilaciones neuronales. 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. y van Putten, M.J., 2017. Un glosario revisado de los términos más comúnmente utilizados por electroencefalografistas clínicos y propuesta actualizada para el formato del informe de los hallazgos del EEG. Revisión 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencefalograma (EEG) y su contexto. En: Análisis y clasificación de señales EEG. 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 cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que llamó ondas alfa y beta simplemente por el orden en que las registró. ¡Este tipo de ondas se habían registrado en otros mamíferos, pero Berger las describió en humanos por primera vez!
Desde entonces, el método de electroencefalografía se ha convertido en una herramienta clave en neurociencia y ha ayudado a ampliar nuestra comprensión de las ondas cerebrales (a las que los investigadores llaman oscilaciones neuronales) y ha ayudado a caracterizar estados en el cerebro como la fatiga y la vigilia.
En este breve tutorial abordaremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica usando dispositivos y software Emotiv.
2. ¿Qué es EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos/sensores/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 EEG [Siuly, et al. (2016)].
2.1. Sistemas EEG
Hay muchos dispositivos EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Más electrodos proporcionarían una mayor resolución espacial de la información sobre el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos usan un gel electrolítico o una solución salina para mejorar la conductividad entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores, y 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 con cable o inalámbricos que transmiten datos vía Bluetooth.
Fig. 2 – Un sistema EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema EEG de electrodos con cable y alta densidad.
2.2. ¿Cuándo usar EEG?
Cada método de neuroimagen puede ayudar a responder diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neural en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
Es más adecuado para preguntas como «¿a qué partes de mi video prestaron más atención los participantes?»
El EEG registra 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. Registrar con un gran número de canales puede permitir reconstruir matemáticamente el origen, pero sigue estando limitado para identificar fuentes profundas. La resonancia magnética funcional (fMRI) es más adecuada para responder preguntas como «¿Qué parte del cerebro está relacionada con cambios en la atención?»
2.3. ¿Del sensor al EEG en bruto?
Una vez que un dispositivo EEG se coloca en la cabeza, la actividad cerebral se mide en un solo sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas EEG esto se denomina electrodo common mode sense (CMS). Un sensor adicional, el driven right leg (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y luego se filtra con un paso bajo. El filtrado pasa bajos es un paso que eliminará posibles interferencias eléctricas del entorno en tu señal, por ejemplo, las de la red eléctrica.
Estos pasos ocurren en el propio hardware antes de que la señal EEG en bruto pueda verse en la pantalla de tu computadora.
2.4. Algunos términos básicos
Convención estándar de nomenclatura 10-20
Los sensores del lado izquierdo suelen tener números impares y los del lado derecho suelen tener números pares.
Nota 1: estas son solo convenciones de nomenclatura y el origen de la ubicación del sensor EEG no es un indicador del origen de la actividad.
Nota 2: deben realizarse pasos adicionales, como la reconstrucción matemática del origen, para determinar el origen de la actividad en un solo 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 neuronas.
Todavía 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 y buscan comprender los misterios del cerebro usando estos patrones rítmicos.
3.1. Algunas propiedades de una oscilación
Esta figura muestra una medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos graficar 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 la unidad es Hertz (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van desde 0.2 Hz (ondas muy lentas) hasta 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada con convulsiones.
Los diferentes tipos de oscilaciones cerebrales se caracterizan según su frecuencia. Estas se conocen como bandas de frecuencia y pueden relacionarse con distintos estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las diferentes bandas de frecuencia?
Identificación de patrones cerebrales normales vs. anormales
Las oscilaciones neuronales son importantes para detectar convulsiones y diagnosticar epilepsia en neurología.Interfaces cerebro-computadora (BCI)
La cantidad de oscilaciones beta, gamma y mu suele utilizarse para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Esta es una forma de entrenamiento cerebral en la que puedes ver tus ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para mejorar la cantidad de oscilaciones gamma en tu cerebro.Neuromarketing
Las bandas de frecuencia alfa y beta pueden usarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos EEG
Lo más común es que los investigadores realicen análisis ya sea en el dominio temporal o en el dominio de frecuencia.
Análisis en dominio temporal
Normalmente mide la amplitud del voltaje en los momentos de interés después del inicio de un estímulo. Estos se denominan potenciales relacionados con eventos (ERPs).
Análisis en dominio de frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en una ventana temporal definida o relacionadas con el inicio de un evento.
A continuación ofrecemos una visión general del análisis en dominio de frecuencia.
3.4. Procesamiento
Una vez que haces un registro EEG, normalmente limpias los datos antes de darles sentido a 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 los parpadeos pueden causar grandes artefactos (> 50 µV de picos en el EEG). Estos pueden eliminarse para que no influyan en nuestros resultados. Algunos investigadores usan métodos sofisticados para corregir estos artefactos y preservar los datos.
Después de que los datos han sido procesados, la señal ahora puede convertirse al dominio de frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo en el EEG en bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal EEG del «dominio temporal» (imagen A) al «dominio de frecuencia (imagen B)».
En el dominio de frecuencia, podemos cuantificar cuánto de cada tipo de oscilación hubo en nuestro registro. Esto suele ser la «potencia» de la banda de frecuencia y puede mostrarse como un espectro de potencia (Imagen B).
Fig. 9A – EEG en bruto en el dominio temporal.
Fig. 9B – Espectro de potencia después de la FFT (dominio de frecuencia).
3.6. Potencia de banda
La potencia de una banda de frecuencia (por ejemplo, la banda alfa) obtenida mediante una transformada de Fourier nos indica cuánta cantidad de cada banda de frecuencia hay. Las unidades de potencia de banda suelen estar en µV2/Hz. Con mayor frecuencia, las amplitudes o los espectros de potencia de una FFT se muestran en la unidad logarítmica decibelios (dB). El decibelio es una unidad de razón 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, las potencias de banda pueden compararse para entender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, veremos el efecto de supresión alfa.
Este es un fenómeno informado por primera vez por Hans Berger, en el que vemos una disminución significativa en la cantidad de oscilaciones alfa (potencia alfa) cuando los ojos de una persona están abiertos en comparación con cuando están cerrados.
Fig. 10 – Se puede observar un aumento de las oscilaciones alfa cuando los ojos están abiertos.
Primero, usando EmotivPRO Builder, construimos un experimento sencillo. En este experimento se le pide simplemente a un participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y luego los cierre durante 2 minutos. Escuchará una campana al final de los 2 minutos para indicar que debe abrir los ojos.
Puedes seguir el video a continuación para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace aquí:
4.1. Ajuste del dispositivo y calidad EEG
Lee más sobre cómo funciona nuestra compuerta EQ aquí. Encuentra más información sobre el ajuste del dispositivo específica para tu diadema aquí:
Tipo EPOC
Tipo Insight
4.2. Procesamiento y transformación de los datos EEG
Ahora que tienes tus datos, puedes transformarlos al dominio de frecuencia usando Emotiv Analyzer. Sigue los pasos del video.
4.3. Interpretación de los datos
Una vez que Analyzer termine, descarga el archivo zip. Para cada registro tendrás un archivo csv con potencias de banda y un archivo de imagen que puedes usar para realizar tu propio análisis estadístico.
Fig. 11 – Potencias de banda.
En nuestra salida podemos ver el aumento de la potencia alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Este es el final de nuestro tutorial! Ahora ya tienes lo básico 🙂
Puedes encontrar algunos enlaces a una lectura más avanzada en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para estudiar las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA EEG
Kane et al. 2017 (aquí)
CÓDIGO FUENTE ABIERTO
Si te sientes cómodo programando en Python, hemos puesto a disposición scripts de Python que puedes usar para obtener valores de potencia alfa, etiquetados por segmentos con 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. y Voytek, B., 2022. Consideraciones metodológicas para estudiar las oscilaciones neuronales. 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. y van Putten, M.J., 2017. Un glosario revisado de los términos más comúnmente utilizados por electroencefalografistas clínicos y propuesta actualizada para el formato del informe de los hallazgos del EEG. Revisión 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencefalograma (EEG) y su contexto. En: Análisis y clasificación de señales EEG. 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 cambios en los potenciales eléctricos registrados mediante sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, a las que llamó ondas alfa y beta simplemente por el orden en que las registró. ¡Este tipo de ondas se habían registrado en otros mamíferos, pero Berger las describió en humanos por primera vez!
Desde entonces, el método de electroencefalografía se ha convertido en una herramienta clave en neurociencia y ha ayudado a ampliar nuestra comprensión de las ondas cerebrales (a las que los investigadores llaman oscilaciones neuronales) y ha ayudado a caracterizar estados en el cerebro como la fatiga y la vigilia.
En este breve tutorial abordaremos lo siguiente:
¿Qué son las oscilaciones neuronales?
¿Cómo podemos medir las oscilaciones neuronales?
¿Qué podemos hacer con las oscilaciones neuronales?
Aplicación práctica usando dispositivos y software Emotiv.
2. ¿Qué es EEG?
La electroencefalografía (EEG) es un método no invasivo y pasivo para medir la actividad eléctrica de nuestro cerebro. Se colocan electrodos/sensores/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 EEG [Siuly, et al. (2016)].
2.1. Sistemas EEG
Hay muchos dispositivos EEG en el mercado que pueden utilizarse para registrar un EEG. Los dispositivos EEG pueden variar desde tener:
Un solo sensor o hasta 256 electrodos – Más electrodos proporcionarían una mayor resolución espacial de la información sobre el cuero cabelludo.
Electrodos húmedos o secos – Los electrodos húmedos usan un gel electrolítico o una solución salina para mejorar la conductividad entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o de polímeros conductores, y 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 con cable o inalámbricos que transmiten datos vía Bluetooth.
Fig. 2 – Un sistema EEG inalámbrico de baja densidad.
Fig. 3 – Un sistema EEG de electrodos con cable y alta densidad.
2.2. ¿Cuándo usar EEG?
Cada método de neuroimagen puede ayudar a responder diferentes preguntas de investigación.
La mayor ventaja del EEG es que puede medir la actividad neural en una escala de milisegundos, lo que permite medir procesos preconscientes.
Fig. 4 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
Es más adecuado para preguntas como «¿a qué partes de mi video prestaron más atención los participantes?»
El EEG registra 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. Registrar con un gran número de canales puede permitir reconstruir matemáticamente el origen, pero sigue estando limitado para identificar fuentes profundas. La resonancia magnética funcional (fMRI) es más adecuada para responder preguntas como «¿Qué parte del cerebro está relacionada con cambios en la atención?»
2.3. ¿Del sensor al EEG en bruto?
Una vez que un dispositivo EEG se coloca en la cabeza, la actividad cerebral se mide en un solo sensor como la diferencia de amplitud entre ese sensor y un sensor de referencia. En la mayoría de los sistemas EEG esto se denomina electrodo common mode sense (CMS). Un sensor adicional, el driven right leg (DRL), ayuda a reducir cualquier interferencia en el CMS.
Fig. 5 – Diagrama de bloques simplificado de la transmisión de la señal EEG.
En los sistemas con electrodos activos y pasivos, la señal se amplifica y luego se filtra con un paso bajo. El filtrado pasa bajos es un paso que eliminará posibles interferencias eléctricas del entorno en tu señal, por ejemplo, las de la red eléctrica.
Estos pasos ocurren en el propio hardware antes de que la señal EEG en bruto pueda verse en la pantalla de tu computadora.
2.4. Algunos términos básicos
Convención estándar de nomenclatura 10-20
Los sensores del lado izquierdo suelen tener números impares y los del lado derecho suelen tener números pares.
Nota 1: estas son solo convenciones de nomenclatura y el origen de la ubicación del sensor EEG no es un indicador del origen de la actividad.
Nota 2: deben realizarse pasos adicionales, como la reconstrucción matemática del origen, para determinar el origen de la actividad en un solo 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 neuronas.
Todavía 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 y buscan comprender los misterios del cerebro usando estos patrones rítmicos.
3.1. Algunas propiedades de una oscilación
Esta figura muestra una medición de una señal eléctrica regular:
Fig. 6 – Resolución espacial vs. temporal de diferentes herramientas de neuroimagen.
A la izquierda (eje y) podemos graficar 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 la unidad es Hertz (Hz). Así, 1 ciclo por segundo = 1 Hz. Las amplitudes suelen medirse en microvoltios (µV).
En el cerebro vemos ondas con frecuencias que van desde 0.2 Hz (ondas muy lentas) hasta 80 Hz o más (ondas muy rápidas). También se ha registrado en el cerebro actividad de alta frecuencia de hasta 500 Hz asociada con convulsiones.
Los diferentes tipos de oscilaciones cerebrales se caracterizan según su frecuencia. Estas se conocen como bandas de frecuencia y pueden relacionarse con distintos estados cerebrales:
Fig. 7 – Ondas cerebrales en un EEG típico.
3.2. ¿Por qué son importantes las diferentes bandas de frecuencia?
Identificación de patrones cerebrales normales vs. anormales
Las oscilaciones neuronales son importantes para detectar convulsiones y diagnosticar epilepsia en neurología.Interfaces cerebro-computadora (BCI)
La cantidad de oscilaciones beta, gamma y mu suele utilizarse para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con el pensamiento).Neurofeedback
Esta es una forma de entrenamiento cerebral en la que puedes ver tus ondas cerebrales (por ejemplo, oscilaciones gamma) y realizar tareas cognitivas para mejorar la cantidad de oscilaciones gamma en tu cerebro.Neuromarketing
Las bandas de frecuencia alfa y beta pueden usarse para determinar qué parte de un anuncio resulta más o menos atractiva.
3.3. Tipos de análisis de datos EEG
Lo más común es que los investigadores realicen análisis ya sea en el dominio temporal o en el dominio de frecuencia.
Análisis en dominio temporal
Normalmente mide la amplitud del voltaje en los momentos de interés después del inicio de un estímulo. Estos se denominan potenciales relacionados con eventos (ERPs).
Análisis en dominio de frecuencia
Normalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en una ventana temporal definida o relacionadas con el inicio de un evento.
A continuación ofrecemos una visión general del análisis en dominio de frecuencia.
3.4. Procesamiento
Una vez que haces un registro EEG, normalmente limpias los datos antes de darles sentido a 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 los parpadeos pueden causar grandes artefactos (> 50 µV de picos en el EEG). Estos pueden eliminarse para que no influyan en nuestros resultados. Algunos investigadores usan métodos sofisticados para corregir estos artefactos y preservar los datos.
Después de que los datos han sido procesados, la señal ahora puede convertirse al dominio de frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.
Fig. 8 – Artefacto de parpadeo en el EEG en bruto.
3.5. Transformada rápida de Fourier (FFT)
Una transformada de Fourier es la conversión matemática de la señal EEG del «dominio temporal» (imagen A) al «dominio de frecuencia (imagen B)».
En el dominio de frecuencia, podemos cuantificar cuánto de cada tipo de oscilación hubo en nuestro registro. Esto suele ser la «potencia» de la banda de frecuencia y puede mostrarse como un espectro de potencia (Imagen B).
Fig. 9A – EEG en bruto en el dominio temporal.
Fig. 9B – Espectro de potencia después de la FFT (dominio de frecuencia).
3.6. Potencia de banda
La potencia de una banda de frecuencia (por ejemplo, la banda alfa) obtenida mediante una transformada de Fourier nos indica cuánta cantidad de cada banda de frecuencia hay. Las unidades de potencia de banda suelen estar en µV2/Hz. Con mayor frecuencia, las amplitudes o los espectros de potencia de una FFT se muestran en la unidad logarítmica decibelios (dB). El decibelio es una unidad de razón 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, las potencias de banda pueden compararse para entender los efectos experimentales sobre las ondas cerebrales.
4. De la teoría a la práctica
A continuación, veremos el efecto de supresión alfa.
Este es un fenómeno informado por primera vez por Hans Berger, en el que vemos una disminución significativa en la cantidad de oscilaciones alfa (potencia alfa) cuando los ojos de una persona están abiertos en comparación con cuando están cerrados.
Fig. 10 – Se puede observar un aumento de las oscilaciones alfa cuando los ojos están abiertos.
Primero, usando EmotivPRO Builder, construimos un experimento sencillo. En este experimento se le pide simplemente a un participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y luego los cierre durante 2 minutos. Escuchará una campana al final de los 2 minutos para indicar que debe abrir los ojos.
Puedes seguir el video a continuación para crear tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace aquí:
4.1. Ajuste del dispositivo y calidad EEG
Lee más sobre cómo funciona nuestra compuerta EQ aquí. Encuentra más información sobre el ajuste del dispositivo específica para tu diadema aquí:
Tipo EPOC
Tipo Insight
4.2. Procesamiento y transformación de los datos EEG
Ahora que tienes tus datos, puedes transformarlos al dominio de frecuencia usando Emotiv Analyzer. Sigue los pasos del video.
4.3. Interpretación de los datos
Una vez que Analyzer termine, descarga el archivo zip. Para cada registro tendrás un archivo csv con potencias de banda y un archivo de imagen que puedes usar para realizar tu propio análisis estadístico.
Fig. 11 – Potencias de banda.
En nuestra salida podemos ver el aumento de la potencia alfa cuando los ojos estaban cerrados (naranja) en comparación con cuando estaban abiertos (azul).
¡Este es el final de nuestro tutorial! Ahora ya tienes lo básico 🙂
Puedes encontrar algunos enlaces a una lectura más avanzada en la sección de recursos.
5. Recursos
LECTURA AVANZADA
Donoghue et al. 2022 Consideraciones metodológicas para estudiar las oscilaciones neuronales
GLOSARIO DE TERMINOLOGÍA EEG
Kane et al. 2017 (aquí)
CÓDIGO FUENTE ABIERTO
Si te sientes cómodo programando en Python, hemos puesto a disposición scripts de Python que puedes usar para obtener valores de potencia alfa, etiquetados por segmentos con 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. y Voytek, B., 2022. Consideraciones metodológicas para estudiar las oscilaciones neuronales. 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. y van Putten, M.J., 2017. Un glosario revisado de los términos más comúnmente utilizados por electroencefalografistas clínicos y propuesta actualizada para el formato del informe de los hallazgos del EEG. Revisión 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencefalograma (EEG) y su contexto. En: Análisis y clasificación de señales EEG. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
