Person:
Panetsos Petrova, Fivos

Profile Picture
First Name
Fivos
Last Name
Panetsos Petrova
URI
https://hdl.handle.net/20.500.14352/79874
Affiliation
Universidad Complutense de Madrid
Faculty / Institute
Óptica y Optometría
Department
Biodiversidad, Ecología y Evolución
Area
Matemática Aplicada
Identifiers
UCM identifierORCIDScopus Author IDDialnet IDGoogle Scholar ID

Filters

20071
Reset filters

Settings

Author: Makarov Slizneva, Valeriy × Subject: 51:57 ×

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Eliminación de artefactos en el EEG basada en el análisis de componentes independientes y transformada Wavelet.
    (Mapfre Medicina, 2007) Castellanos, Nazareth P.; Makarov Slizneva, Valeriy; Sánchez Ramos, Celia; Panetsos Petrova, Fivos
    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 suados los métodos que conllevan la eliminación semi-automática de sementos contaminados por los artefactos aunque suponen una considerable pérdida de datos. Su aplicación se dificulta en paciente que sufren ciertos daños cerebrales con la consecuente presencia masiva de artefactos en el EEGs. El reciente el métodos 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 transofrmada Wavelet. Utilizando registro realies y semi-simulados demostrmaos que el nuevo método, llemado wIAC, nos permite recuperar la actividad neuronal y conservar las propiedades espectrales en todas bandas de frecuencias.