Eliminación de artefactos en el EEG basada en el análisis de componentes independientes y la transformada Wavelet = A new method for artefacts suppression from the EEG based on independent component analysis and Wavelet transform / Nazareth P. Castellanos, Valeri A. Makarov, Celia Sánchez-Ramos, Fivos Panetsos

Este artículo se encuentra disponible en su edición impresa.

Bibliografía: p. 8-9

Las señales electroencefalográficas (EEG) registradas en diferentes posiciones del cuero cabelludo permiten estudiar la integración de la información moto-sensorial a larga escala. Sin embargo, los artefactos del movimiento de ojos, los parpadeos, el pulso cardiaco, y de la actividad muscular suponen una gran limitación en la aplicación clínica e investigación de los EEGs. Actualmente son muy usados los métodos que conllevan la eliminación semi-automática de segmentos contaminados por los artefactos aunque suponen una considerable pérdida de datos. Su aplicación se dificulta en pacientes que sufren ciertos daños cerebrales con la consecuente presencia masiva de artefactos en el EEGS. El reciente el método de supresión de artefactos basado en el Análisis de Componentes Independientes (Independent Components Análisis, ICA) ha acaparado mucha atención entre la comunidad científica. En este trabajo demostramos que la aplicación de este método permite suprimir los artefactos más comunes, pero como efecto colateral supone una pérdida de actividad cerebral que altera las propiedades espectrales de la señal neuronal sobre todo en bandas beta y gamma. Demostramos que este efecto se acentúa con el aumento de la longitud de segmentos de EEG utilizados en el análisis. Para solventar el problema proponemos una extensión del ICA basada en la transformada Wavelet. Utilizando registros reales y semi-simulados demostramos que el nuevo método, llamado wICA, nos permite recuperar la actividad neuronal y conservar las propiedades espectrales en todas bandas de frecuencias.

The electroencephalographic (EEG) signals recorded in different positions of the scalp allow to study the integration of large-scale motor-sensory information. However, artifacts of eye movement, flickering, heart rate, and muscle activity pose a major limitation in the clinical application and investigation of EEGs. Currently, the methods that involve the semi-automatic removal of segments contaminated by artifacts are widely used, although they involve a considerable loss of data. Its application is difficult in patients suffering certain brain damage with the consequent massive presence of artifacts in the EEGS. The recent artifact suppression method based on the Independent Components Analysis (ICA) has gained much attention among the scientific community. In this work we demonstrate that the application of this method allows the suppression of the most common artifacts, but as a side effect it implies a loss of brain activity that alters the spectral properties of the neuronal signal, especially in beta and gamma bands. We demonstrate that this effect is accentuated with the increase in the length of EEG segments used in the analysis. To solve the problem we propose an extension of the ICA based on the Wavelet transform. Using real and semi-simulated records we demonstrate that the new method, called wICA, allows us to recover neuronal activity and preserve spectral properties in all frequency bands.