ANÁLISIS CUANTITATIVO DE EEG PARA LA CLASIFICACI´O N DE PATOLOGÍAS

J. M. ARRIOLA; M. P. ÁLVAREZ; L. R. CASTRO

Tandil

Congreso; V Congreso de Matemática Computacional e Industrial, V MACI 2015; 2015

Univ. Nac. del Centro de la Pcia. de Buenos Aires, AR-SIAM, ASAMACI

El cerebro humano est´a formado por millones de neuronas densamente conectadas por uniones sinápticas a través de las cuales viajan impulsos el´ectricos, susceptibles a mediciones no invasivas por medio de un electroencefalógrafo. Las señales electroencefalográficas (EEG) constituyen una buena fuente de información de los procesos llevados a cabo en el interior del cerebro, y el análisis de dichas señales permite acercarnos a la comprensión de dichos procesos. Partiendo de la hipótesis de que cualquier alteración significativa o daño en el cerebro puede rastrearse e identificarse como cambios en la actividad eléctrica, por caracterizar y cuantificar la información presente en un EEG mediante su análisis, adquiere vital importancia a la hora de investigar el impacto que tienen el consumo abusivo de sustancias psicoactivas y/o las enfermedades neurodegenerativas sobre el cerebro. Diversos trabajos han abordado la tarea de analizar las señales EEG y sus características mediante diferentes técnicas, como el análisis de Potenciales Evocados (ERP), la descomposición en frecuencias mediante la Transformada Wavelet (WT) o mediante la Transformada de Fourier (FT), el cálculo de las Potencias Relativasy/o Absolutas asociadas a las bandas frecuenciales características, el cálculo de la Entropía de la señal, entre otros. Asimismo, se ha abordado la tarea de clasificar automáticamente los EEG según la patología. Teniendo en cuenta que, por lo general, el análisis de EEG es realizado por un experto, esto representa un avance en el diagnóstico temprano de enfermedades o daños cerebrales. El objetivo del presente trabajo es procesar las señales EEG correspondientes a personas sanas y personas que abusan o han abusado del alcohol, para obtener sus características cuantitativas principales. Estas características permiten ponderar la información representativa e identificar las diferencias de la actividad neuronal de los distintos grupos de sujetos. Posteriormente, se ensayan métodos automáticos de clasificación de los sujetos según dichas características.