000			04229nas a22003257a 4500
003			OSt
005			20210323153234.0
006			m|||||r|||| 00| 0
007			ta
008			171219t2007 sp ||||| |||| 00| 0 spa |
022			_a1130-5665
040			_cSalus Infirmorum
245	0	0	_aEliminación de artefactos en el EEG basada en el análisis de componentes independientes y la transformada Wavelet = _bA new method for artefacts suppression from the EEG based on independent component analysis and Wavelet transform / _cNazareth P. Castellanos, Valeri A. Makarov, Celia Sánchez-Ramos, Fivos Panetsos
500			_aEste artículo se encuentra disponible en su edición impresa.
504			_aBibliografía: p. 8-9
520	3		_aLas 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.
520	8		_aThe 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.
653	1	4	_aregistros EEG
653	1	4	_aartefactos
653	1	4	_aanálisis de componentes independientes
653	1	4	_atransformada Wavelet
653	1	4	_apotencia espectral
653	1	4	_aEEG recordings
653	1	4	_aartefacts
653	1	4	_aindependent component analysis
653	1	4	_aWavelet transform
653	1	4	_apower spectrum
773			_g-- 2007, v. 18, Supl.II, p. 2-9 _tMapfre Medicina
942			_2udc _cARTÍCULO
999			_c12821 _d12821