Modelado autorregresivo de señales electroencefalográficas para simuladores médicos

Resumen

El registro de la actividad eléctrica cerebral ha permitido la comprensión

de diferentes estados neurofisiológicos, posibilitando el diagnóstico de

algunos trastornos neuronales, de aquí, la importancia de la caracterización

y el conocimiento de las diferentes morfologías que pueden presentar

las señales de electroencefalografía (EEG). El modelado matemático de

señales biomédicas facilita el desarrollo de simuladores que pueden

servir como herramienta de entrenamiento médico en computadores

o dispositivos móviles. Este artículo presenta el modelado paramétrico

autorregresivo (AR) y la simulación de señales EEG en diferentes estados

fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,

además bajo la presencia de algunos de los artefactos más comunes,

como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60

Hz. Se valida el desempeño de los modelos en el dominio del tiempo a

través del porcentaje de ajuste FIT, el cual siempre estuvo por encima

del 70%, y en el dominio de la frecuencia a través de la energía en las

bandas de frecuencia características del EEG. Se presenta la metodología

de modelado, los gráficos de las señales simuladas y los valores de los

parámetros evaluados. La amplia variedad de señales EEG modeladas

permitirá el desarrollo de simuladores de señales cerebrales para el

entrenamiento del personal médico, e igualmente para el análisis y la

caracterización de las señales de electroencefalografía.