Los artefactos son señales no deseadas no generadas por el cerebro que pueden distorsionar la interpretación visual de un electroencefalograma y corromper los análisis algorítmicos que impulsan las interfaces cerebro-computadora o el monitoreo del estado mental.
Ya sea que esté leyendo un trazado de EEG sin procesar en busca de marcadores de epilepsia o alimentando datos en un canal de aprendizaje automático, los artefactos no detectados pueden enmascararse como ondas patológicas o introducir una varianza que degrade el rendimiento del modelo.
Esta guía práctica de campo le guiará a través de las dos amplias categorías de artefactos de EEG, le explicará cómo reconocer sus firmas distintivas en el dominio del tiempo y presentará los pasos de limpieza manual que siguen siendo esenciales antes de cualquier procesamiento computacional.
Las dos categorías fundamentales de artefactos de EEG
Cada fluctuación no deseada en un registro de EEG surge de uno de dos orígenes. Los artefactos relacionados con el sujeto, o fisiológicos, son generados por el propio cuerpo del participante. Estos incluyen parpadeos, tensión muscular, latidos cardíacos y actividad de las glándulas sudoríparas, todos los cuales producen campos eléctricos que los electrodos del cuero cabelludo captan junto con la actividad cerebral genuina.
Los artefactos técnicos, o no fisiológicos, provienen del equipo de registro y del entorno. Los electrodos sueltos, la oscilación de los cables, la saturación del amplificador y la interferencia eléctrica de la red eléctrica entran en este segundo grupo.
Distinguir entre las dos categorías es la primera habilidad a dominar porque las estrategias de prevención y eliminación difieren fundamentalmente. Un estallido muscular por una mandíbula apretada requiere una intervención diferente que un zumbido periódico de 60 hercios que entra a través de un cable mal blindado.
Cómo reconocer los artefactos relacionados con el sujeto
Parpadeos oculares
El ojo se comporta como una pequeña batería eléctrica. La córnea tiene una carga positiva en relación con la retina, formando un dipolo córneo-retiniano. Cuando un participante parpadea, el párpado barre este dipolo y arrastra el campo positivo hacia arriba, generando una gran deflexión de voltaje positivo en los electrodos frontales más cercanos a los ojos.
En el trazado del dominio del tiempo, un parpadeo aparece como una onda lenta de alta amplitud que alcanza su máximo en los canales frontopolares como Fp1 y Fp2, luego se atenúa bruscamente a medida que se mira hacia las derivaciones centrales o posteriores. Debido a que la forma de onda está tan estereotipada, un ojo entrenado puede detectarla casi instantáneamente.
Movimientos oculares y espigas sacádicas
Cuando los ojos se mueven lateralmente sin parpadear, el dipolo córneo-retiniano rota en lugar de quedar cubierto. Esto produce un cambio escalonado en la señal del electrooculograma que puede filtrarse a los canales de EEG adyacentes.
Además, la rápida contracción de los músculos extraoculares durante una sacada crea un transitorio eléctrico breve y agudo conocido como potencial de espiga sacádica. En un trazado crudo, estas espigas pueden parecer engañosamente similares a la actividad epileptiforme. Normalmente se limitan a los electrodos frontales y temporales y coinciden con un cambio en la mirada.
Reconocerlos evita una impresión clínica falsa y evita el rechazo innecesario de datos neuronales que de otro modo estarían limpios. La brevedad de la espiga, su correlación con un movimiento ocular horizontal o vertical y su falta de una onda lenta posterior ayudan a diferenciarla de una descarga cortical genuina.
Actividad muscular
Los músculos del cuero cabelludo, la cara y el cuello son prolíficos generadores de ruido eléctrico de alta frecuencia. Cuando un participante aprieta la mandíbula, frunce el ceño o incluso mantiene tensión en el cuello, los potenciales de acción de las unidades motoras se disparan de forma asíncrona y se suman en un patrón de interferencia irregular y puntiagudo.
En el dominio del tiempo, el artefacto muscular parece un rápido estallido de deflexiones agudas y de baja amplitud que cabalgan sobre el EEG, a menudo más prominentes sobre los electrodos temporales o frontales. Su contenido de frecuencia se sitúa principalmente por encima de 20 Hz, de lleno en las bandas beta y gamma donde residen muchas medidas cognitivas, lo que lo hace particularmente problemático para el monitoreo del estado mental y las aplicaciones de interfaz cerebro-computadora.
Las configuraciones de EEG de alta densidad con electrodos poco espaciados pueden ayudar a localizar la fuente muscular, pero la primera línea de defensa es instruir al participante para que se relaje y proporcionar soporte físico para la cabeza.
Sudor y cambios electrodérmicos
Los cambios en la conductancia de la piel debido a la actividad de las glándulas sudoríparas alteran la interfaz electrodo-piel. Esto introduce una deriva muy lenta y suave del voltaje de la línea base, a menudo por debajo de 1 Hz, que puede vagar a lo largo de varios segundos.
El artefacto no aparece como una espiga o un zumbido rítmico, sino como un balanceo suave, similar a una onda, de todo el trazado. Es más común durante registros largos, en ambientes cálidos o con participantes ansiosos. Esta confusión de baja frecuencia se puede gestionar manteniendo una temperatura ambiente estable y asegurando un buen contacto de los electrodos.
Señales cardíacas
El campo eléctrico del corazón es lo suficientemente potente como para llegar al cuero cabelludo, especialmente cuando las impedancias de los electrodos son altas o cuando un electrodo de referencia se asienta cerca de un vaso sanguíneo sobre la mastoides o el lóbulo de la oreja.
El artefacto del electrocardiograma resultante se muestra como un complejo QRS regular y agudo que se repite al ritmo del corazón, aproximadamente una vez por segundo. A menudo se filtra en muchos canales simultáneamente con un desfase temporal constante, y los clasificadores entrenados en características de artefactos de amplio espectro pueden detectarlo junto con otros contaminantes.
Si la forma de onda cardíaca es visible pero no abrumadora, a menudo se puede restar registrando un canal de ECG dedicado; de lo contrario, los segmentos afectados pueden requerir un rechazo manual.
Artefacto | Firma |
|---|---|
Parpadeo ocular | Onda lenta frontal |
Movimiento ocular | Cambio escalonado |
Músculo | Espigas de alta frecuencia |
Sudor | Deriva lenta de la línea base |
Cardíaco | Complejo QRS agudo |
Reconocimiento de artefactos técnicos en el trazado
Pops de electrodo y espigas relacionadas con el movimiento
Un cambio repentino en la impedancia causado por un puente de gel seco, un cable tironeado o un electrodo que se desplaza genera un transitorio abrupto y empinado que a menudo se denomina pop. Esto entra en la categoría de "discontinuidades genéricas" que los algoritmos automatizados como ADJUST están diseñados para marcar.
En el dominio del tiempo, un pop de electrodo típicamente parece una espiga aislada de amplitud extrema que puede saturar el amplificador, aplanando la señal por un momento antes de una recuperación lenta. A diferencia de una espiga biológica, no está rodeada de actividad fisiológica en curso y generalmente aparece en un solo canal, lo que facilita su identificación durante la inspección visual.
Un estudio de EEG neonatal realizado por Hagmann et al. documentó de manera similar interferencias frecuentes por movimiento que alteraron el trazado integrado de amplitud, enfatizando que incluso las perturbaciones físicas breves crean una contaminación medible.
Interferencia de la red eléctrica
El acoplamiento capacitivo del suministro eléctrico en la configuración de registro produce un "zumbido" continuo y rítmico a la frecuencia de la red eléctrica: 50 Hz en Europa y gran parte del mundo, 60 Hz en América del Norte.
En un trazado de EEG crudo, esta interferencia aparece como una onda senoidal gruesa superpuesta en cada canal, a menudo con una amplitud constante. Incluso una pequeña cantidad de ruido de línea puede enmascarar los ritmos cerebrales de bajo voltaje, y su presencia señala un problema con la impedancia, el blindaje o la conexión a tierra de los electrodos.
Es invariablemente un artefacto técnico, no una oscilación neuronal, y su frecuencia fija hace que sea fácil de identificar a simple vista o con un simple gráfico espectral.
Electrodos sueltos y movimiento de cables
Cuando un electrodo no está bien sujeto al cuero cabelludo o su cable se balancea a mitad del registro, la perturbación mecánica introduce fluctuaciones irregulares de baja frecuencia. Estas pueden parecer una deriva errática y lenta o un estallido de ondas irregulares de alta amplitud en un solo canal.
La naturaleza esporádica y el confinamiento a un solo electrodo distinguen inmediatamente este artefacto de eventos fisiológicos generalizados como un parpadeo o una tensión muscular. Anotar tales momentos en tiempo real ahorra un esfuerzo considerable más adelante al estrechar la búsqueda de segmentos de datos defectuosos.
Prevención y documentación de artefactos durante un registro
La estrategia más eficaz para la gestión de artefactos comienza mucho antes de que se guarde el primer punto de datos.
Un participante relajado produce drásticamente menos artefactos musculares y de movimiento ocular. Por lo tanto, tómese el tiempo para explicar la sesión, proporcione una silla cómoda con soporte para la cabeza y dé a los ojos un punto de fijación estable para reducir los parpadeos espontáneos y las sacadas. Estos pasos son tan fundamentales que rara vez se detallan en los artículos de investigación, pero cada estudio que reporta datos limpios depende implícitamente de ellos.
La aplicación de los electrodos es la siguiente línea de defensa. Una preparación minuciosa de la piel, un gel conductor adecuado y un enrutamiento cuidadoso de los cables minimizan tanto la captación ambiental como los pops relacionados con el movimiento.
El estudio de EEG en bebés mencionado anteriormente encontró que las interferencias eléctricas y de movimiento ocurrieron con una frecuencia similar, lo que confirma que ningún entorno de registro es inherentemente inmune a los problemas técnicos. Comprobar las impedancias antes y después de la sesión y asegurar los cables a la ropa o a la silla elimina una gran fracción de los artefactos prevenibles.
Finalmente, lleve un registro continuo de los artefactos visibles durante el registro. Anote la hora de cualquier movimiento brusco, tos o ajuste de electrodos. Este tipo de anotación manual refleja el etiquetado experto utilizado para entrenar clasificadores automáticos, donde los evaluadores humanos marcan segmentos para que sirvan como verdad de referencia para los algoritmos de aprendizaje automático.
Una simple marca de tiempo manuscrita o un marcador de eventos en el software de adquisición transforma las conjeturas en documentación reproducible.
Rechazo manual e interpolación: limpieza antes de la computación
Inspección visual del trazado continuo
Antes de delegar la eliminación de artefactos a cualquier algoritmo de procesamiento de señales, desplácese por los datos crudos y use las firmas de forma de onda descritas anteriormente para identificar los intervalos contaminados.
A menudo se recomienda buscar la onda lenta frontal característica de un parpadeo, el burbujeo de alta frecuencia de la actividad muscular, la espiga aislada de un pop o la onda senoidal persistente del ruido de la red eléctrica. Este paso entrena su ojo para distinguir los artefactos de la actividad cerebral genuina y evita el rechazo automático de eventos neuronales raros y de alta amplitud que podrían parecerse superficialmente a artefactos.
Onda lenta frontal: indica un parpadeo ocular
Burbujeo de alta frecuencia: indica actividad muscular
Espiga aislada de amplitud extrema: indica un pop de electrodo
Onda senoidal persistente: indica interferencia de la red eléctrica
Marcado y exclusión de segmentos de tiempo defectuosos
Una vez que haya identificado un tramo de datos cargado de artefactos, márquelo para su exclusión. Esto podría implicar registrar las horas de inicio y finalización o utilizar las herramientas de marcado integradas en el software de análisis de EEG.
La eliminación manual de los segmentos más contaminados es el estándar sobre el que se construyen incluso los métodos automatizados de última generación. En el trabajo que produjo el algoritmo ADJUST, por ejemplo, los expertos etiquetaron manualmente 640 componentes para crear un conjunto de entrenamiento, y luego se midió el rendimiento del clasificador frente a esta verdad de referencia definida manualmente.
La eliminación manual de los artefactos más graves reduce la carga sobre los algoritmos posteriores y evita que propaguen ruido a los canales vecinos durante los pasos de filtrado espacial.
Interpolación de un canal constantemente ruidoso
Cuando un solo electrodo no es confiable durante todo el registro debido a un contacto suelto, gel seco o inestabilidad mecánica, eliminar ese canal y reconstruir sus datos a partir de los electrodos limpios vecinos preserva la dimensionalidad general de los datos.
La interpolación utiliza la distribución de voltaje espacial a lo largo del cuero cabelludo para estimar lo que habría registrado el canal defectuoso, reemplazando eficazmente el artefacto con una señal neutra y plausible. Este paso mantiene intacto el conjunto de datos para los análisis topográficos y evita la pérdida de datos que supondría descartar el canal por completo.
Por qué la limpieza manual sigue siendo esencial
Incluso los clasificadores automáticos más sofisticados se benefician de un conjunto de datos que ha sido previamente limpiado de artefactos graves. El hallazgo del estudio neonatal de que los artefactos ocupaban el 12% del tiempo de registro e influían en la interpretación clínica ilustra la facilidad con la que la contaminación no eliminada puede distorsionar las conclusiones.
Por lo tanto, la inspección manual garantiza que los artefactos más grandes y obvios desaparezcan antes de que los datos ingresen a un flujo de trabajo computacional eficaz, donde de otro modo podrían dominar la varianza y desviar la descomposición. También genera una familiaridad íntima con el conjunto de datos que ningún algoritmo puede replicar.
Cómo la eliminación automatizada apoya el trabajo manual
Análisis de componentes independientes como herramienta de disección
Una vez que los peores segmentos se eliminan manualmente, el ICA puede descomponer el EEG restante en componentes de fuente estadísticamente independientes. Esta técnica separa la mezcla de señales cerebrales y de artefactos captadas por los electrodos del cuero cabelludo, dividiendo los movimientos oculares, los parpadeos y la actividad muscular en componentes discretos basados en sus patrones espaciales y temporales únicos.
Un componente con una proyección frontal y una forma de onda que coincide estrechamente con la señal de parpadeo puede entonces identificarse y restarse, dejando el resto de los datos neurofisiológicamente intactos. La fuerza del ICA radica en su capacidad para manejar múltiples fuentes de artefactos que ocurren simultáneamente, una tarea que la corrección basada en regresiones más simples con frecuencia corrige en exceso o por defecto.
La confiabilidad de los clasificadores modernos
Los métodos automatizados han alcanzado ahora un nivel de rendimiento que se asemeja mucho al juicio humano experto.
Un clasificador lineal independiente del sujeto, entrenado en seis características extraídas de los dominios de frecuencia, espacial y temporal, logró un error cuadrático medio inferior al 10% en un conjunto de datos de tiempo de reacción, lo que está dentro del rango de desacuerdo entre dos expertos humanos.
Además, el algoritmo ADJUST, que combina características espaciales y temporales específicas de artefactos, coincidió con el etiquetado experto manual en el 95.2% de la varianza de los datos cuando se probó en un conjunto de datos completamente independiente, y su eliminación de componentes con artefactos condujo a una reconstrucción limpia de los potenciales relacionados con eventos.
Un enfoque diferente que utiliza modelos autorregresivos combinados con una máquina de vectores de soporte clasificó varios tipos de artefactos generados por el sujeto entre individuos con una precisión de aproximadamente el 94%.
Específicamente para los artefactos oculares, un algoritmo que incorporó información del rastreador ocular para identificar objetivamente los componentes relevantes funcionó casi el doble de eficazmente que los expertos humanos que tuvieron que depender únicamente de las topografías de los componentes, logrando un área bajo la curva de la característica operativa del receptor superior a 0.99.
Estas cifras no reemplazan la limpieza manual, sino que demuestran que el campo cuenta ahora con asistentes computacionales confiables que pueden encargarse de la identificación repetitiva y de gran volumen que antes se realizaba completamente a mano.
Equilibrio entre la eliminación de artefactos y la preservación de la señal
Un rechazo agresivo de artefactos puede eliminar inadvertidamente información neural genuina. En un paradigma de interfaz cerebro-computadora de imaginación motora, los investigadores encontraron que podían eliminar de manera segura hasta el 60% de los componentes ICA más artefactuales sin dejar de preservar la información discriminante que el sistema BCI utilizaba para decodificar la intención del usuario.
Este hallazgo subraya el principio crucial de que no todos los componentes que contienen cierta varianza de artefacto carecen de señal neuronal. Sigue siendo aconsejable la revisión manual de los componentes seleccionados por un clasificador automático para confirmar que el umbral de rechazo no cruza al territorio de la actividad cerebral útil.
Por qué la conciencia de los artefactos determina la calidad de los datos
Los artefactos influyen directamente tanto en la interpretación visual como en las mediciones cuantitativas. Ya sea que el objetivo sea un diagnóstico clínico, un descubrimiento en neurociencia o una aplicación de bienestar para el consumidor, el camino hacia resultados confiables pasa por una comprensión clara de dónde provienen los artefactos, cómo se ven en el trazado crudo y el proceso disciplinado de prevenirlos, documentarlos y eliminarlos manualmente.
La automatización basada en ICA puede acelerar el flujo de trabajo de limpieza, pero funciona de manera más eficaz en datos que ya han sido inspeccionados por un ojo humano entrenado. Una tasa de contaminación del 12% puede no parecer alta, pero cuando esa fracción puede alterar una decisión médica u ocultar un biomarcador cognitivo sutil, la inversión en la gestión de artefactos se vuelve inseparable de la integridad científica del registro.
Referencias
Plöchl, M., Ossandón, J. P., & König, P. (2012). Combining EEG and eye tracking: identification, characterization, and correction of eye movement artifacts in electroencephalographic data. Frontiers in human neuroscience, 6, 278. https://doi.org/10.3389/fnhum.2012.00278
Mognon, A., Jovicich, J., Bruzzone, L., & Buiatti, M. (2011). ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology, 48(2), 229-240. https://doi.org/10.1111/j.1469-8986.2010.01061.x
Hagmann, C. F., Robertson, N. J., & Azzopardi, D. (2006). Artifacts on electroencephalograms may influence the amplitude-integrated EEG classification: a qualitative analysis in neonatal encephalopathy. Pediatrics, 118(6), 2552–2554. https://doi.org/10.1542/peds.2006-2519
Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30
Lawhern, V., Hairston, W. D., McDowell, K., Westerfield, M., & Robbins, K. (2012). Detection and classification of subject-generated artifacts in EEG signals using autoregressive models. Journal of neuroscience methods, 208(2), 181-189. https://doi.org/10.1016/j.jneumeth.2012.05.017
Preguntas frecuentes
¿Cuáles son las dos categorías principales de artefactos de EEG y en qué se diferencian?
Los artefactos de EEG se dividen en dos categorías: artefactos relacionados con el sujeto (fisiológicos) generados por el cuerpo del participante —como parpadeos oculares, tensión muscular, latidos cardíacos y sudor— y artefactos técnicos (no fisiológicos) derivados del equipo o el entorno, como electrodos sueltos, oscilación de cables e interferencia de la red eléctrica. La distinción es importante porque cada categoría requiere diferentes estrategias de prevención y eliminación; por ejemplo, un estallido muscular necesita una intervención diferente a la de un zumbido de línea de 60 Hz.
¿Cómo se puede reconocer un artefacto de parpadeo ocular en un trazado de EEG?
Un parpadeo ocular aparece como una onda lenta, positiva y grande que es más fuerte en los electrodos frontales como Fp1 y Fp2, y se desvanece rápidamente hacia los canales centrales o posteriores. Debido a que la córnea tiene una carga positiva con respecto a la retina, el párpado que barre este dipolo crea una deflexión estereotipada de alta amplitud que es fácil de detectar con entrenamiento.
¿Por qué la actividad muscular puede ser especialmente problemática para las interfaces cerebro-computadora?
Los artefactos musculares causados por apretar la mandíbula, fruncir el ceño o la tensión del cuello producen una interferencia de alta frecuencia y puntiaguda que a menudo se superpone con las bandas de ondas cerebrales beta y gamma, donde operan las medidas cognitivas y el monitoreo del estado mental. Esta contaminación puede corromper los análisis algorítmicos y degradar el rendimiento de los modelos de interfaz cerebro-computadora, lo que lo convierte en uno de los artefactos fisiológicos más difíciles de manejar.
¿Cómo se ve un artefacto de interferencia de la red eléctrica y qué lo causa?
La interferencia de la red eléctrica aparece como un "zumbido" de onda senoidal continuo y rítmico superpuesto en cada canal de EEG, generalmente a 50 o 60 Hz según el suministro eléctrico de la región. Surge del acoplamiento capacitivo de la fuente de energía en la configuración de registro debido a una mala impedancia de los electrodos, un blindaje inadecuado o problemas de conexión a tierra, y es claramente un artefacto técnico más que una señal neural.
¿Por qué es importante la anotación manual de artefactos durante un registro?
Llevar un registro continuo de movimientos bruscos, tos o ajustes de electrodos durante la sesión ayuda a reducir los segmentos de datos defectuosos más adelante y transforma las conjeturas en documentación reproducible. Esta anotación manual también refleja el etiquetado experto utilizado para entrenar clasificadores automatizados, proporcionando una verdad de referencia que mejora la confiabilidad de la limpieza tanto manual como computacional.
¿Cuál es el propósito de interpolar un canal de EEG constantemente ruidoso?
Cuando un solo electrodo no es confiable durante todo el registro debido a un contacto suelto o gel seco, la interpolación reconstruye los datos de ese canal a partir de los electrodos limpios vecinos utilizando la distribución espacial del voltaje a través del cuero cabelludo. Esto preserva la dimensionalidad general del conjunto de datos para los análisis topográficos, evitando la pérdida de datos que ocurriría si se descartara todo el canal.
¿Cómo ayuda el análisis de componentes independientes (ICA) con la eliminación de artefactos?
El ICA descompone las señales mixtas de EEG en componentes de fuente estadísticamente independientes, separando los parpadeos oculares, la actividad muscular y otros artefactos en función de sus patrones espaciales y temporales únicos. Una vez identificado, un componente de artefacto —como uno con una proyección frontal que coincide con un parpadeo— se puede restar, dejando las señales neuronales subyacentes prácticamente intactas y manejando múltiples fuentes de artefactos simultáneas de manera más efectiva que los métodos de regresión simples.
¿Cuál es el riesgo de ser demasiado agresivo con la eliminación automatizada de artefactos?
El rechazo agresivo puede eliminar inadvertidamente información neural genuina, ya que algunos componentes contienen tanto varianza de artefacto como actividad cerebral útil. Incluso si los clasificadores automatizados marcan muchos componentes, es aconsejable realizar una revisión manual de qué componentes eliminar para garantizar que el umbral de rechazo no elimine señales esenciales para decodificar la intención del usuario o detectar biomarcadores cognitivos.
¿Por qué la conciencia de los artefactos afecta directamente la integridad científica de un registro de EEG?
Los artefactos pueden enmascararse como formas de onda patológicas o introducir una varianza que distorsiona tanto la interpretación visual como los análisis cuantitativos, alterando potencialmente las clasificaciones clínicas u ocultando señales cognitivas sutiles. Un proceso disciplinado de prevención, documentación y limpieza manual de artefactos es esencial antes de cualquier procesamiento computacional, garantizando que las conclusiones extraídas de los datos sean confiables y no estén corrompidas por contaminación.
Emotiv es un líder en neurotecnología que ayuda a avanzar la investigación en neurociencia mediante herramientas accesibles de EEG y datos cerebrales.
Christian Burgos
