Fundamentos de las Oscilaciones Neurales

1. Introducción

¡Bienvenido! En este tutorial estamos aprendiendo sobre las ondas cerebrales y cómo podemos usarlas para entender el cerebro y el comportamiento.

Hans Berger acuñó el término electroencefalograma en 1929, cuando describió cambios en los potenciales eléctricos registrados utilizando sensores colocados en la cabeza de una persona. Identificó dos tipos de ondas cerebrales, que denominó ondas alfa y beta simplemente por el orden en que las registró. Tales ondas habían sido registradas en otros mamíferos, pero Berger las había descrito en los humanos por primera vez.

Desde entonces, el método de electroencefalografía se ha convertido en una herramienta clave en la neurociencia y ha ayudado a evolucionar nuestra comprensión de las ondas cerebrales (que los investigadores llaman oscilaciones neuronales) y ha contribuido a caracterizar estados en el cerebro como la fatiga y la vigilia.

En 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 utilizando 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/canales en el cuero cabelludo para registrar la actividad eléctrica que es generada por poblaciones de células cerebrales, llamadas neuronas.

Fig. 1 – Las neuronas producen actividad eléctrica que puede ser detectada con un dispositivo EEG [Siuly, et al. (2016)].

2.1. Sistemas EEG

Hay muchos dispositivos EEG en el mercado que se pueden utilizar 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 en el cuero cabelludo.

• Electrodos húmedos o secos – Los electrodos húmedos utilizan un gel electrolítico o solución salina para mejorar la conductividad entre el cuero cabelludo y el sensor. Los electrodos secos pueden ser de metal o polímeros conductores que requieren contacto directo con el cuero cabelludo.

• Electrodos activos o pasivos – 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 conectados o inalámbricos que transmiten datos mediante Bluetooth.

Fig. 2 – Un sistema EEG de baja densidad inalámbrico.

Fig. 3 – Un sistema EEG de electrodos de alta densidad con cable.

2.2. ¿Cuándo usar EEG?

Cada método de neuroimagen puede ayudar a responder diferentes preguntas de investigación.

La mayor fortaleza del EEG es que puede medir la actividad neuronal en escalas de milisegundos, lo que puede medir procesos preconscientes.

Fig. 4 – Resolución espacial frente a resolución temporal de diferentes herramientas de neuroimagen.

Es más adecuado para preguntas como “¿qué partes de mi video prestaron más atención los participantes?”

El EEG registra la actividad principalmente de las capas exteriores del cerebro (es decir, tiene baja resolución espacial). Con un solo sensor es imposible identificar la fuente de la actividad. Grabar con un gran número de canales puede permitir reconstruir matemáticamente la fuente, pero todavía tiene limitaciones para identificar fuentes profundas. La imagen por resonancia magnética funcional (fMRI) es mejor para responder preguntas como “¿qué parte del cerebro está relacionada con los cambios en la atención?”

2.3. ¿Sensor a EEG crudo?

Una vez que un dispositivo EEG está colocado 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 llama el electrodo de sentido de modo común (CMS). Un sensor adicional, la pierna derecha accionada (DRL), ayuda a reducir cualquier interferencia en el CMS.

Fig. 5 – Diagrama de bloque simplificado de la transmisión de señales EEG.

En sistemas con electrodos tanto activos como pasivos, la señal se amplifica y se filtra pasa-bajos. El filtrado pasa-bajos es un paso que eliminará posibles interferencias eléctricas del entorno en su señal, por ejemplo, líneas de energía principales.

Estos pasos ocurren en el hardware mismo antes de que la señal EEG cruda pueda verse en su pantalla de ordenador.

2.4. Algunos Términos Básicos

Convención de nomenclatura estándar 10-20

Los sensores izquierdos suelen tener número impar y los sensores derechos suelen tener número par.

Nota 1: estas son solo convenciones de nombres y la fuente de la ubicación del sensor EEG no es un indicador de la fuente de la actividad.

Nota 2: se necesitan pasos adicionales como la reconstrucción matemática de la fuente para determinar la fuente 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 un grupo de neuronas.

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 y buscan entender los misterios del cerebro utilizando estos patrones rítmicos.

3.1. Algunas propiedades de una oscilación

Esta figura muestra una medición de una señal eléctrica regular:

Fig. 6 – Resolución espacial frente a resolución temporal de diferentes herramientas de neuroimagen.

En la izquierda (eje y) podemos trazar la amplitud del registro eléctrico y en el eje horizontal (eje x) el tiempo. La amplitud de la señal variará en magnitud de manera regular alrededor de un punto central. Un ciclo también se denomina oscilación.

El número de ciclos por segundo se llama la frecuencia de la onda y la unidad es Hertz (Hz). Así que 1 ciclo por segundo = 1 Hz. Las amplitudes se miden típicamente 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 pueden registrar actividades de alta frecuencia de hasta 500 Hz asociadas con convulsiones en el cerebro.

Diferentes tipos de oscilaciones cerebrales se caracterizan según su frecuencia. Estos se conocen como bandas de frecuencia y pueden estar relacionados con diferentes estados del cerebro:

Fig. 7 – Ondas cerebrales en un EEG típico.

3.2. ¿Por qué son importantes las diferentes bandas de frecuencia?

1. Identificación de patrones cerebrales normales vs anormales
   Las oscilaciones neuronales son importantes para detectar convulsiones y diagnosticar epilepsia en neurología.

   
   
   

2. Interfaz cerebro-computadora (BCI)
   La cantidad de oscilaciones beta, gamma y mu se utilizan a menudo para entrenar dispositivos remotos (por ejemplo, mover una silla de ruedas con pensamientos).

   
   
   

3. Neurofeedback
   Esta es una forma de entrenamiento cerebral en la que puede ver sus ondas cerebrales (por ejemplo, oscilaciones gamma) y participar en tareas cognitivas para mejorar la cantidad de oscilaciones gamma en su cerebro.

   
   
   

4. Neuromarketing
   Las bandas de frecuencia alfa y beta se pueden usar para determinar qué parte de un anuncio es más o menos atractiva.

3.3. Tipos de análisis de datos EEG

Comúnmente, los investigadores realizan análisis en el dominio del tiempo o en el dominio de la frecuencia.

1. Análisis del dominio del tiempo

   Generalmente mide la amplitud de voltaje en puntos de tiempo de interés después del inicio de un estímulo. Estos se llaman potenciales relacionados con eventos (ERP).

   
   
   

2. Análisis del dominio de la frecuencia

   Generalmente mide la cantidad de oscilaciones neuronales en diferentes bandas de frecuencia en una ventana de tiempo definida o en relación con el inicio de un evento.

A continuación, proporcionamos una visión general del análisis del dominio de la frecuencia.

3.4. Procesamiento

Una vez que haces una grabación EEG, generalmente limpias los datos antes de dar sentido a las oscilaciones.

1. Filtrado
   Una técnica para eliminar el ruido ambiental de alta y baja frecuencia en los datos.

2. Eliminación de artefactos
   El movimiento físico, los parpadeos pueden causar grandes artefactos (> 50 µV picos en el EEG). Estos se pueden eliminar para que no influyan en nuestros resultados. Algunos investigadores utilizan métodos sofisticados para corregir estos artefactos y preservar los datos.

Después de que los datos han sido procesados, la señal ahora se puede convertir al dominio de la frecuencia para que podamos cuantificar la cantidad de cada tipo de ondas cerebrales.

Fig. 8 – Artefacto de parpadeo en EEG crudo.

3.5. Transformada Rápida de Fourier (FFT)

Una transformada de Fourier es la conversión matemática de la señal EEG de 'dominio del tiempo' (imagen A) a 'dominio de la frecuencia (imagen B)'.

En el dominio de la frecuencia, podemos cuantificar cuánto de cada tipo de oscilación había en nuestra grabación. Esto es típicamente la 'potencia' de la banda de frecuencia y puede mostrarse en un espectro de potencia (Imagen B).

Fig. 9A – EEG crudo en el dominio del tiempo.

Fig. 9B – Espectro de potencia después de FFT (dominio de frecuencia).

3.6. Potencia de Banda

La potencia de una banda de frecuencia (por ejemplo, banda alfa) obtenida de una transformada de Fourier nos dice cuánto de cada banda de frecuencia hay. Las unidades de potencia de banda son típicamente en µV2/Hz. Más a menudo, las amplitudes o los espectros de potencia de una FFT se muestran en la unidad logarítmica decibelios (dB). El decibelio es una unidad de relación entre una potencia medida (P) y una potencia de referencia (Pr) de la siguiente manera:

Una vez que se obtiene esta unidad de medida para eventos de interés, las potencias de banda se pueden comparar para entender los efectos experimentales sobre las ondas cerebrales.

4. De la Teoría a la Práctica

A continuación, vamos a ver el efecto de supresión alfa.

Este es un fenómeno reportado por primera vez por Hans Berger, en el cual vemos una disminución significativa en la cantidad de oscilaciones alfa (potencia alfa) cuando los ojos de alguien están abiertos en comparación con cuando están cerrados.

Fig. 10 – Un aumento en las oscilaciones alfa se puede ver cuando los ojos están abiertos.

Primero, utilizando EmotivPRO Builder, construimos un experimento simple. En este experimento se le pide a un participante que mantenga los ojos abiertos durante 2 minutos mientras se concentra en la pantalla, y luego cerrados durante 2 minutos. Oirían una campana al final de 2 minutos para señalar que deben abrir los ojos.

Puedes seguir el video a continuación para hacer tu propio experimento de supresión alfa o puedes ejecutar nuestro experimento desde el enlace aquí:

4.1. Ajuste del Dispositivo y Calidad del EEG

Lee más sobre cómo funciona nuestra puerta EQ aquí. Encuentra más información sobre el ajuste del dispositivo específico para tu auricular aquí:

• Tipo EPOC

• Tipo Insight

4.2. Procesamiento y transformación de los datos EEG

Ahora que tienes tus datos, puedes transformarlos al dominio de la frecuencia utilizando Emotiv Analyzer. Sigue los pasos en el video.

4.3. Interpretación de los datos

Una vez que Analyzer haya terminado, 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 estás equipado con lo básico 🙂

Puedes encontrar algunos enlaces para una lectura más avanzada en la sección de recursos.

5. Recursos

LECTURA AVANZADA

Donoghue et al. 2022 Consideraciones metodológicas para estudiar oscilaciones neuronales

GLOSARIO DE TERMINOLOGÍA EEG

Kane et al. 2017 (aquí)

CÓDIGO DE CÓDIGO ABIERTO

Si te sientes cómodo con la codificación en Python, hemos puesto a disposición scripts en Python que puedes usar para obtener valores de potencia alfa, etiquetados por segmentos de ojos abiertos y cerrados. Encuentra el código y muestras de archivos de datos 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 oscilaciones neuronales. Revista europea de neurociencia, 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 términos más comúnmente utilizados por electroencefalografistas clínicos y propuesta actualizada para el formato del informe de los hallazgos del EEG. Revisión 2017. Práctica de neurofisiología clínica, 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. Ciencia de la Información de Salud. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1