Tecnicas de procesado de PSGs- Martín

E.T.S.I.T
PROYECTO FIN DE CARRERA
Martín Martínez Villar
Dtor: Luis Vergara González
Arturo Serrano Cartagena
Técnicas de procesado de
polisomnogramas (PSG) para la
extracción automática de hipnogramas.
Valencia, Marzo de 2009

Introducción
4
Capitulo 1
A los compañeros del GTS
A Addisson y Arturo
A Reyes y Martín
A Julio y Juana

Técnicas de procesado de polisomnogramas (PSG) para la extracción automática de hipnogramas.
Índice de contenidos
ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS:ÍNDICE DE CONTENIDOS:
Capítulo 1. Introducción 1
Capítulo 2. Electroencefalografía aplicada al estudio del sueño 5
2.1. Fundamentos del análisis electroencefalográfico 7
2.2. Anatomía Cerebral 8
2.3. La Señal EEG 10
2.3.1. Registro de la Señal EEG 11
2.3.2. Electrodos 11
2.3.3. Localización de los Electrodos 12
2.3.4. Campos de potencial 14
2.3.5. Tratamiento de la Señal EEG 15
2.3.6. Montajes y Uso Razonable de Canales 16
2.3.7. Características de la señal EEG 18
2.3.8. Formato de la señal EEG 19
2.4. Polisomnograma (PSG) e Hipnograma 21
2.4.1. El Sueño 21
2.4.2. Polisomnografía 22
2.4.3. Hipnograma 23
2.4.4. Técnicas y Sistemas de Marcado 24
2.4.4.1. Reglas RK 24
2.4.4.2. Manual AASM 31
Capítulo 3. Segmentación y extracción de características del EEG 33
3.1. Introducción 35
3.2. Preprocesado 36
3.3. Segmentación 39
3.4. Extracción de Características 44
3.4.1. Amplitud 46
3.4.2. Frecuencia central 48
3.4.3. Energía Pesada en Frecuencia (FWE) 53
3.4.4. Spindles 54
3.4.5. Índice de Onda Lenta Alpha (ASI) 55
3.4.6. Índice de Actividad de Sueño Theta (TSI) 55
3.4.7. Detección de movimiento en los ojos (EMs) 56
3.5. Tratamiento de Artefactos 58
Capítulo 4. Clasificación automática de segmentos EEG 61
4.1. Introducción 63
4.2. Algoritmo K-Means (KM) 64
4.3. Algoritmo Fuzzy K-Means (FKM) 65
4.3.1 Índices de Calidad de Partición 66
4.4. Algoritmo K-Means en 2 Etapas 68
4.5. Comparación de algoritmos 73
4.5.1. Caso 1 75
4.5.2. Caso 2 81
Capítulo 5. Conclusión y Trabajo Futuro 85
Anexo:
I: Acrónimos y definiciones 91
II: Referencias 92

Índice de Tablas:
Tabla 1. Nomenclatura empleada en el Sistema Internacional de Referencia 10/20……………………...13
Tabla 2. Bandas de frecuencias definidas para los patrones EEG y sus diferentes formas de onda...........18
Tabla 3. Duración aproximada de cada una de las fases de sueño según la edad del sujeto.......................24
Tabla 4. Principales características de las fases del sueño, basado en las Reglas RK……………………44
Tabla 5. Parámetros generales de sueño…………………………………………………………………..74
Tabla 6. Estadios de sueño en el Caso 1…………………………………………………………………..75
Tabla 7. Estadios de sueño en el Caso 2…………………………………………………………………..81
Índice de Figuras:
Figura 1. Imagen de uno de los primeros aparatos EEG. Laboratorio de Hans Berger…………………….7
Figura 2. Vista lateral del cerebro (lado izquierdo).......................................................................................9
Figura 3. Representación de las diferentes zonas del cuerpo junto con sus áreas correspondientes en el
córtex somatosensorial (izquierda) y el córtex motor (derecha) [9]...................................................9
Figura 4. Electrodo activo plano usado en EMG y EEG de la marca BioSemi...........................................12
Figura 5. Representación del Sistema Internacional 10-20 para la colocación de los electrodos................13
Figura 6. Ejemplo de Campo Potencial y valor en los distintos electrodos.................................................14
Figura 7. Principio de la localización bipolar..............................................................................................17
Figura 8. Ejemplo de un Hipnograma con la distribución de las distintas fases de sueño que atraviesa el
paciente a lo largo de las horas de sueño..........................................................................................23
Figura 9. Localización de los electrodos en los EOGs, EMG y EEGs........................................................25
Figura 10. Época perteneciente a fase W o de vigilia..................................................................................25
Figura 11. Aunque hay dominancia de alta amplitud, la mayor parte de la época está oscurecida por
movimientos, por lo que la época se marca como MT (Movement Time).......................................26
Figura 12. La época muestra una porción de fase 1 con ondas vértex prominentes en el EEG y aparición
de movimientos oculares lentos........................................................................................................26
Figura 13. Época en fase S2 con elevada tónica EMG..............................................................................27
Figura 14. Época en fase S3. EEG de alta amplitud con actividad lenta en un tercio de la época..............28
Figura 15. Época en fase S4. EEG de alta amplitud con actividad lenta delta en más de la mitad de la
época……………………………………………………………………………………………….29
Figura 16. Época en fase REM con bajo voltaje, frecuencia EEG mixta, REMs y EMG en el menor nivel
de toda la grabación. Aparición de ondas con forma de diente de sierra..........................................30
Figura 17. Diagrama de bloques de las etapas que constituyen el capítulo 3..............................................35
Figura 18. Diagrama del preproceso de los EEGs. Se muestra la creación de las referencias así como los
filtros empleados en cada señal.........................................................................................................36
Figura 19. Fragmento de la señal EEG C3A2 antes y después de filtrar.....................................................37
Figura 20. Fragmento de la señal EMG antes y después de filtrar..............................................................37
Figura 21. Fragmento de ambos EOGs antes y después de filtrar...............................................................38
Figura 22. Respuesta en frecuencia de los filtros Butterworth de 6º orden con el que se tratan la señales
EEG (fc=30 Hz), EMG (fc=40Hz) y EOG (fc=5Hz)........................................................................38
Figura 23. a) Fragmento EEG de 4 segundos. b) Parámetro NLEO del fragmento EEG con un tamaño de
ventana de 128 muestras...................................................................................................................39
Figura 24. a) Señal EEG registrada sobre el canal central. La duración es de 23.4 segundos o 6000
muestras con fs= 256 Hz. b) Comparación del parámetro Gnleo para diferente tamaño de ventana
N (64, 128, 256, 512 respectivamente).............................................................................................40
Figura 25. Criterio de segmentación umbralizado para diferente tamaño de ventana L.............................41
Figura 26. Obtención del criterio de segmen-tación global.........................................................................42
Figura 27. División final en segmentos. Se muestran los 7 segmentos en que se divide la señal ejemplo.
La duración mínima del segmento se establece en 3 segundos (768 muestras). Para el tramo de
señal ejemplo, el segmento más corto es de 3.067 segundos (785 muestras) mientras el más largo
es de 3.29 segundos (841 muestras). Dicha duración depende del contenido en amplitud y
frecuencia de las señales EEG y EMG..............................................................................................43
Figura 28. Los canales EEG y EMG se usan para generar el criterio global de segmentación. Las líneas
verticales indican las marcas de los segmentos generados, que automáticamente se extienden a los
canales EOG, resultando segmentos en los cinco canales................................................................44
Figura 29. Un segmento se caracterizará finalmente por un vector de 13 características...........................46

Figura 30. La Amplitud del Canal Central es la primera de las características de los segmentos...............46
Figura 31. Amplitud de los distintos segmentos que componen la señal EEG O2A1.................................47
Figura 32. Amplitud de los segmentos que componen la señal EMG.........................................................47
Figura 33. Comparación de la amplitud de las señales registradas sobre los canales central y occipital...48
Figura 34. Representación del Ritmo Dominante en los Canales EEG con el Método AR-2.....................51
Figura 35. Representación del Ritmo Dominante en los Canales EEG con el método de la frecuencia
centroide............................................................................................................................................51
Figura 36. Comparativa de Técnicas: FFT vs. AR-2 en los EEG Central y Occipital……………………52
Figura 37. Parámetro FWE de los canales EEG y EMG.............................................................................53
Figura 38. Porcentaje de Spindles en el EEG Central.…………………………………………………....54
Figura 39. ASI: Índice de Actividad Alpha en el Canal Occipital...............................................................55
Figura 40. TSI: Índice de Onda Lenta Theta en el Canal Central................................................................56
Figura 41. Diagrama de bloques del algoritmo de detección de Movimientos de Ojo……………………56
Figura 42. Detección de inversión de fase con suficiente amplitud.............................................................57
Figura 43. Detección de movimientos oculares rápidos..............................................................................58
Figura 44. Procedimiento de clústering KM................................................................................................64
Figura 45. Coeficiente y Entropía de Partición de una agrupación……………………………………….67
Figura 46. Procedimiento general de clústering…………………………………………………………..68
Figura 47. Diagrama de bloques del algoritmo 2-KM…………………………………………………….69
Figura 48. Selección aleatoria de 600 segmentos candidatos a centroide...................................................71
Figura 49. Hipnogramas del Caso 1 y 2…………………………………………………………………...73
Figura 50. Procedimiento de comparación de hipnogramas........................................................................74
Figura 51. Distribución de segmentos del canal Central y Occipital del Caso 1.........................................75
Figura 52. Índices de calidad Caso 1...........................................................................................................76
Figura 53. Hipnogramas del Caso 1……………………………………………………………………….77
Figura 54. Relación de índices del primer k-means realizado con la estrategia de clústering.....................78
Figura 55. División en clústeres de todos los segmentos una vez tratados los artefactos, kf =5.................78
Figura 56. a) Hipnograma digitalizado b) Hipnograma marcado por un especialista.................................79
Figura 57. Valores de los centroides del Ritmo Dominante y la Amplitud sobre ambos EEGs………….80
Figura 58. Hipnograma generado por el algoritmo k-means con estrategia 2-KM……………………….80
Figura 59. Distribución de segmentos del canal Central y Occipital del Caso 2.........................................81
Figura 60. Hipnogramas del Caso 2……………………………………………………………………….82
Figura 61. Coeficiente y Entropía de Partición del Caso2...........................................................................83
Figura 62. Evolución del algoritmo FKM según el número de clústeres de agrupación.............................84

Introducción
1
Capitulo 1
Capitulo 1.
Introducción

Introducción
3
Capitulo 1
Capitulo 1. Introducción
El presente proyecto final de carrera (PFC) se ha realizado en el Grupo de I+D de
Tratamiento de Señal (GTS) de la Universidad Politécnica de Valencia (UPV). El PFC
se inscribe en una línea de investigación del GTS en el área de bioseñales. En esta área,
el GTS ha desarrollado sistemas de procesado de señales radiológicas de mamografías
para la detección precoz del cáncer de mama y un sistema de digitalización de
electrocardiogramas impresos para el diagnóstico de la enfermedad de Chagas.
Recientemente, el GTS ha iniciado una colaboración con el área de
electroencefalografía (EEG) del Hospital Universitario La Fe de Valencia con el fin de
trabajar en el diagnóstico de enfermedades relacionadas con el sistema nervioso central.
Se pretende aplicar al mejoramiento del diagnóstico médico la experiencia del GTS en
el desarrollo de nuevos algoritmos de detección, filtrado, clasificación y predicción de
señales.
Objetivos
El objetivo general de éste PFC es desarrollar técnicas de análisis de
polisomnogramas (PSG) para la extracción automática de hipnogramas. Las medidas
PSG incluyen electroencefalograma (EEG), electromiograma (EMG),
electrooculograma (EOG), y otros tipos de señales. Estas medidas se han usado para
dividir el sueño (estado biológico no-uniforme) en diferentes estados o etapas. La
diagnosis y el tratamiento de pacientes con desordenes del sueño requiere de la
clasificación de los PSGs en los diferentes estados del sueño. Normalmente, el sueño
sano está organizado en secuencias de etapas en ciclos de 60-90 minutos. Dependiendo
de los estándares adoptados, las diferentes etapas se derivan de cuatro estados básicos
del sueño biológico: Despierto, Sueño Ligero, Sueño Profundo, y Sueño de Movimiento
Rápido de Ojos (REM, del inglés Rapid Eye Movement). El hipnograma es un diagrama
con la descripción evolutiva en el tiempo de las etapas de sueño. Este diagrama es usado
por los médicos para diagnosis de desordenes del sueño tales como insomnio, apnea, y
narcolepsia.
La estima de las etapas del sueño está basada en asumir que existe un patrón durante
un intervalo de tiempo hasta que un nuevo patrón emerge señalizando un cambio de
estado. Puesto que de hecho existe un continuo desde el sueño ligero hasta el sueño
profundo, la demarcación artificial de etapas del sueño es una simplificación. El
procedimiento manual consiste en dividir el PSG generalmente en épocas de duración
fija (20, 30, o 60 segundos) las cuales son visualmente clasificadas por un experto
neurofisiólogo en una de las etapas según un estándar comúnmente aceptado. El tiempo
exacto de cambio de estado es altamente subjetivo y variable, dejando lugar a la
interpretación del evaluador, que podría cambiar de una lectura a otra del mismo PSG.
Además de ser subjetivo, el análisis visual de los registros es muy tedioso y consumidor
de tiempo, lo cual ha conducido a investigar en la clasificación por ordenador de los
PSGs. En el procesado automático de las señales de PSGs hay que considerar diferentes
variables tales como: dificultad para traducir reglas ambiguas de interpretación de PSGs

Introducción
4
Capitulo 1
a un modelo matemático; segmentación de un registro de señales EEG de naturaleza no
estacionaria adquiridas en un período largo de tiempo; requerimientos de ajuste de
algoritmos y umbrales para diferentes grupos de pacientes, etc.
Teniendo en cuenta la literatura existente para la extracción automática de
hipnogramas, se formularon los siguientes objetivos específicos para el PFC: (i) estudiar
los procedimientos de extracción automática de PSGs y las técnicas de
extracción/clasificación aplicadas; (ii) desarrollar y/o adaptar un algoritmo de
segmentación de las señales EEG, EMG, y EOG; (iii) desarrollar y/o adaptar algoritmos
de extracción de características temporales y frecuenciales de las señales segmentadas;
(iv) desarrollar y/o adaptar algoritmos de clasificación de las características extraídas;
(v) aplicar los algoritmos desarrollados en casos reales. Particularmente, en este trabajo
se han procesado señales reales almacenadas en una base de datos de La Fe para el
estudio de epilepsia y apnea obstructiva, utilizando una configuración de dos electrodos
EEG, dos electrodos EOG, y un electrodo EMG.
Los siguientes capítulos de este documento están organizados de la siguiente forma.
El Capítulo 2 contiene un marco conceptual de la electroencefalografía aplicada al
estudio del sueño. Se incluyen conceptos tales como fundamentos del análisis
electroencefalográfico, anatomía cerebral, la señal EEG, PSG e hipnograma. El Capítulo
3 presenta los algoritmos de preprocesado, segmentación, tratamiento de artefactos, y
extracción de características desarrollados. Entre las características extraídas tenemos:
amplitud, frecuencia central, energía pesada en frecuencia, spindles, índice de onda
lenta (ASI, del inglés Alpha-Slow-Wave Index), índice actividad de sueño Theta (TSI,
del inglés Theta-Slow-Wave Index), detección de movimiento de ojos (EM, del inglés
Eye Movement). El Capítulo 4 incluye los algoritmos de clasificación que fueron
utilizados y una comparación de los resultados obtenidos por estos algoritmos en el
procesado de dos casos reales. Los algoritmos de clasificación son: k-means, fuzzy k-
means, y un algoritmo de 2 niveles de clasificación denominado 2-k-means. Finalmente,
en el Capítulo 5 se incluyen las conclusiones del PFC y diferentes opciones de trabajo
futuro.

Electroencefalografía aplicada al estudio del Sueño
5
Capitulo 2
Capitulo 2.
Electroencefalografía
aplicada al estudio del
Sueño

6
Capitulo 2

7
Capitulo 2
Capitulo 2. Electroencefalografía aplicada al estudio del Sueño
2.1. Fundamentos del análisis electroencefalográfico
La Neurofisiología se fundamenta en los estudios del premio Nóbel español Dº
Santiago Ramón y Cajal, quien en 1891 postuló la Ley de la polarización dinámica de
las neuronas, la cual ayudó a descubrir los mecanismos que gobiernan la morfología y
los procesos conectivos de dichas células nerviosas.
El cerebro es la estructura organizada más compleja e importante conocida hoy día
por el ser humano. Esta gran red procesadora de información está formada por un
mínimo de 1010
neuronas, que se ubican en su mayoría en el córtex cerebral. Las
neuronas se interconectan entre sí en aproximadamente 1015
puntos llamados
conexiones sinápticas. Cuando una neurona es excitada, a través de ella fluye una
pequeña corriente eléctrica que produce campos electromagnéticos en el exterior que
pueden captarse y medirse.
La Electroencefalografía (EEG) es una exploración neurofisiológica basada en la
grabación o registro de la actividad bioeléctrica cerebral en condiciones de reposo,
vigilia, sueño o durante diversas situaciones, esto es, una evaluación del sistema
nervioso en cualquiera de sus estados. Su descubrimiento se debe al neurólogo alemán
Hans Berger en 1929, quien recogió las señales EEG como resultado de la actividad del
cerebro con o sin presencia de estímulos, ver Figura 1.
Figura 1. Imagen de uno de los primeros aparatos EEG. Laboratorio de Hans Berger.
La adquisición e interpretación de la señal es compleja debido a la interconexión
desconocida de billones de células mediante un número aun mayor de conexiones
sinápticas que tienen lugar en el cerebro. Se piensa que este órgano funciona enviando
señales químicas entre neuronas y modulando la potencia de éstas conexiones. Las
señales químicas generan actividad eléctrica como subproducto de la sinapsis, y es esta
la actividad a la que llamamos electroencefalográfica, que podemos medir e interpretar
mediante una forma invasiva (implante directo de los electrodos en el cerebro) o no
invasiva (electrodos sobre superficie del cuero cabelludo).

8
Capitulo 2
De este modo se intenta comprender la compleja actividad eléctrica neuronal, que
genera señales EEG irregulares traducidas en ondas EEG aparentemente aleatorias y no
estacionarias. Menos obvia es la explicación fisiológica del carácter rítmico de ciertos
patrones EEG observados tanto durante el sueño como durante la vigilia.
La utilidad principal del EEG es el diagnóstico de patologías relacionadas con el
funcionamiento del cerebro: enfermedades cerebro-vasculares, coma, síndromes de
delirio (epilepsia), aunque también se emplea en el caso de monitorización de pacientes
sometidos a anestesia, para conocer la actividad eléctrica cerebral durante una crisis.
Otro papel desempeñado por el EEG es el estudio de posibles procesos
toxicometabólicos, dado que aunque las alteraciones analíticas permiten establecer un
diagnóstico, no siempre es así. El EEG aporta datos que pueden apoyar un diagnóstico,
dado que revela en ocasiones hallazgos importantes, por lo que se emplea en el
seguimiento de pacientes. Otras áreas de uso del EEG son el accidente cerebrovascular,
el incremento de presión intracraneal, el hematoma subdural, la demencia, el coma, por
nombrar algunos.
Desde que se descubrieron las alteraciones asociadas a la epilepsia por Berger, otras
aplicaciones adicionales se han sumado a esta prueba. Hasta la introducción de técnicas
de imagen, el EEG era la herramienta principal para evaluar pacientes con
enfermedades cerebrales, precediendo al uso de métodos invasivos como la arteriografía
y la neumoencefalografía.
La llegada de la tomografía computerizada (TAC) y la resonancia magnética (RM)
provocaron una sensación de desolación entre los especialistas en electroencefalografía
al considerar que las nuevas técnicas diagnósticas sustituirían al EEG. Sin embargo,
gracias a la expansión de la tecnología y la introducción de aplicaciones sofisticadas en
diferentes procesos patológicos, la electroencefalografía sigue ocupando una situación
importante en la evaluación diagnóstica de enfermedades neurológicas.
En resumen, el EEG puede aportar información clave y complementaria en un
abanico de enfermedades neurológicas.
2.2. Anatomía Cerebral
El cerebro es la parte central del sistema nervioso encargada de supervisar, de
manera consciente e inconsciente, todo proceso que ocurre en nuestro cuerpo y en el
exterior. Se trata del único órgano del cuerpo humano que se encuentra protegido por
una coraza ó bóveda ósea; ocupa aproximadamente 1500 cm3
en la cavidad craneal,
donde se aloja. Entre el cráneo y el cerebro se encuentran las meninges, unas
membranas que envuelven y protegen el cerebro y la médula espinal.
A nivel estructural, el cerebro se divide en dos hemisferios, separados por la fisura
interhemisférica que, a su vez, están divididos en lóbulos por dos surcos (menos
profundos que la fisura): el surco central y la cisura de Silvio. Ambos surcos delimitan
cuatro lóbulos en cada hemisferio: el lóbulo frontal, el lóbulo temporal, el lóbulo
parietal y el lóbulo occipital. Por otra parte, a los lados del surco central, bordeándolo,
encontramos el córtex motor, a un lado, y el córtex somatosensorial, ver Figura 2.

9
Capitulo 2
Figura 2. Vista lateral del cerebro (lado izquierdo).
Por lo tanto, el cerebro no es en absoluto homogéneo, sino que está compuesto por
distintas estructuras anatómicas con diferentes características físicas (densidad, dureza,
conductividad, etc.). En algunas zonas, se ha conseguido realizar un mapa funcional:
sabemos que el córtex auditivo se encuentra alojado en el lóbulo temporal (interior de la
fisura de Silvio) y el córtex visual se encuentra en el lóbulo occipital.
El homunculi (Figura 3) representa el mapa funcional en el córtex motor a ambos
lados del círculo central, donde se han asociado las distintas regiones del córtex motor y
la procedencia de los estímulos procesados en el córtex somatosensorial. Se representa
con mayor tamaño aquellas áreas corporales con mayor sensibilidad y que utilizan, por
tanto, mayor zona del córtex somatosensorial y de igual manera en el córtex motor
(Penfield y Rasmussen, 1950) [9].
Figura 3. Representación de las diferentes zonas del cuerpo junto con sus áreas correspondientes en el
córtex somatosensorial (izquierda) y el córtex motor (derecha) [9].

10
Capitulo 2
La mayor parte del contenido de la señal EEG registrada parece originarse en las
neuronas, en las que existen varias fuentes de actividad eléctrica: los potenciales de
acción, los potenciales postsinápticos y la despolarización neuronal crónica. Los
potenciales de acción inducen una leve corriente local en el axón (10 ms. o menos) y
tienen un potencial de campo muy limitado, razón por la cual se consideran candidatos
poco probables. Los potenciales postsinápticos (PPS) son considerablemente más
prolongados (50-200 ms.) y tienen un campo mayor que los primeros, por lo que
posiblemente constituyen los principales generadores del EEG, aunque la
despolarización de la neurona puede jugar un papel importante al dar lugar a
modificaciones en el EEG que podrían quedar registradas en un tejido cerebral
lesionado.
Los mecanismos subyacentes a la ritmicidad EEG están mediados por dos procesos
principales: la interacción corteza-tálamo y el proceso relacionado con las propiedades
funcionales de las grandes redes neuronales existentes en la corteza y que poseen la
capacidad intrínseca de ritmicidad, resultado del cual aparecen unos patrones EEG
reconocibles que nos permiten evaluar las ondas cerebrales.
2.3. La Señal EEG
Debido a las peculiaridades del cerebro, la forma y característica de la señal EEG no
sigue un patrón definido, con lo cual para interpretar y decodificar este tipo de señal
debemos asumir que personas diferentes pueden tener patrones de EEG muy distintos
para los mismos pensamientos. La solución a la diferencia de patrones es hacer un
sistema adaptativo capaz de aprender los patrones específicos de cada usuario del
sistema en un periodo de tiempo dado.
Otro problema importante en electroencefalografía es la amplificación (en más de
1.000.000 de veces) de las corrientes tan pequeñas que se registran, con transducción de
los potenciales amplificados para que puedan ser interpretados mediante una
representación gráfica, a los que se suman los potenciales extra cerebrales (otros
movimientos y artefactos) que se amplifican del mismo modo y que habitualmente
tienen una amplitud mucho mayor que los potenciales electro-corticales. Al fin y al
cabo, nuestro objetivo es obtener un registro libre de artefactos, o en caso contrario,
identificarlos y excluirlos de la consideración diagnóstica. Aunque las señales EEG se
obtienen de un modo simple (tan solo tenemos que colocar una serie de electrodos en
las posiciones correctas y monitorizarlos), contamos además con el inconveniente de los
artefactos (fuentes) que interfieren o distorsionan la señal:
- Diferentes perturbaciones procedentes del equipo de grabación.
- Interferencias eléctricas externas al sujeto y al sistema.
- Las sondas y los electrodos: aun teniendo en cuenta las pérdidas
introducidas, el número de electrodos es un compromiso, ya que al
incrementarlo mejoraremos la resolución de la adquisición perjudicando las
interferencias y complicando el algoritmo de separación de señales de los
diferentes canales.
- El sujeto: actividad eléctrica cardiaca, parpadeo, aparato digestivo,
movimiento ocular y muscular que trataremos como artefactos.

11
Capitulo 2
La señal resultante es muy compleja y pequeña en amplitud y frecuencia, en torno a
los 300 µV y con un ancho de banda que va desde la continua a no más de 100 Hz.
Consecuencia de esto es que se hace indispensable una fase de tratamiento de la señal
necesaria para extraer la información electroencefalográfica y el uso de dispositivos
para poder visualizar la señal (filtros amplificadores diferenciales de bajo ruido y con
ganancia superior a 100 dB).
2.3.1. Registro de la Señal EEG
Aunque en 1875 un médico inglés llamado Richard Caton expuso por primera vez
hallazgos sobre la actividad bioeléctrica en los hemisferios cerebrales de ratones y
monos expuestos por craniectomía, se necesitaron 50 años hasta que se consiguió éxito
en seres humanos. Durante la primera prueba realizada por Berger en 1929, dos
electrodos se situaron en la parte frontal y trasera de la cabeza, midiendo así una
actividad de la actividad cortical global, sumando la ventaja de que su técnica no
precisaba de craniectomía. A través de otros investigadores de la época como Adrian,
Matthews y Yamagiwa, se llegó al descubrimiento en 1934 de que los registros EEG
variaban en diferentes puntos de la cabeza, por lo que rápidamente se empezó a usar
registros multicanal y a dedicar estudios exhaustivos sobre los puntos en los cuales se
registraba una actividad más significativa.
En la década de los 30, a medida que aumentaba el número de laboratorios
implicados en la investigación EEG, se consiguió una proliferación rápida de las
técnicas e interpretaciones de la actividad de grabación: el uso de múltiples canales
permitió a los investigadores grabar simultáneamente diferentes zonas de la cabeza,
llegando incluso al descubrimiento de importantes parámetros de la señal, como la
presencia de actividad localizada alpha y los spindles de sueño (que serán explicados
más adelante). La observación de qué diferentes tipos de actividad ocurrían
simultáneamente animaba al uso de más electrodos o canales de grabación simultánea,
aunque se contaba con el inconveniente de que en los trabajos de investigación, en la
cada laboratorio, se colocaban los electrodos en ubicaciones diferentes, por lo que había
problemas para comparar los resultados. Esto fue seguido de ensayos para emplazar
electrodos de un modo estandarizado, de modo que un paciente pudiera ser
monitorizado en diferentes sesiones teniendo referencias anteriores fiables, e incluso
para poder comparar las señales obtenidas de diferentes pacientes. Se consiguió una
amplia diversidad de técnicas para emplazar los electrodos y se establecieron métodos y
estándares de emplazamiento.
2.3.2. Electrodos
Son los dispositivos que facilitan la conducción de los potenciales electro-corticales
hacia el dispositivo de amplificación a la entrada de los equipos que registran las
señales. Su función es convertir esas corrientes iónicas dadas por los potenciales a
corrientes eléctricas que podamos interpretar. La estructura de un electrodo es la de un
pequeño disco metálico no reactivo recubierto de plástico que se coloca sobre el cuero
cabelludo mediante una pasta de conducción (ver Figura 4). El metal puede ser oro,
plata/cloruro de plata, estaño y platino, y su contacto debe ser firme para garantizar una
impedancia (resistencia al flujo de corriente) baja, con el fin de minimizar los artefactos
asociados al electrodo y el exterior.

12
Capitulo 2
Figura 4. Electrodo activo plano usado en EMG y EEG de la marca BioSemi.
2.3.3. Localización de los Electrodos
Un comité de la Federación Internacional de Sociedades para la Electro-
encefalografía y Neurofisiología Clínica, encabezado por el Dr. Herbert Jasper, un
especialista en electroencefalografía del Montreal Neurological Institute, recomendó en
1958 un sistema específico de emplazamiento de electrodos, el conocido como Sistema
Internacional de Referencia 10-20, que ayuda a comparar e interpretar las señales
registradas sobre el mismo o varios pacientes, de modo que pudo solucionarse el
problema de registro de modo lógico e interpretable de la actividad de las distintas
zonas del cerebro fue solucionado.
Sistema Internacional de Referencia 10-20
El sistema referencial divide la distancia entre el nasión y el inión en 5 partes
iguales y coloca electrodos en las intersecciones, etiquetadas con una letra y un número
que indica la zona donde se ubica exactamente el electrodo (ver Figura 5). Se obtienen
mediciones en tres planos (sagital, coronal y horizontal) de un arco semicircunferencial
del cráneo. Aunque con este método las distancias entre electrodos varían de un sujeto a
otro y en un mismo sujeto en diferentes momentos de su vida, el electrodo siempre se
sitúa sobre la misma zona funcional y capta, por tanto, señales comparables.
La localización recomendada por la ‘American EEG Society’ para el uso del
sistema 10-20 emplea 21 electrodos, aunque el sistema se diseñó para permitir el uso de
electrodos adicionales. Cada electrodo tiene una letra que hace referencia al lóbulo del
cerebro sobre el que se colocan. La numeración contempla la colocación de electrodos
intermedios. El sistema de numeración asigna electrodos con numeración impar a los
puntos del hemisferio izquierdo y los pares al derecho, junto a una letra que designa el
área anatómica: Fp (frontopolar), F (frontal), C (central), T (temporal), P (parietal), O
(occipital), A (oreja).

13
Capitulo 2
Figura 5. Representación del Sistema Internacional 10-20 para la colocación de los electrodos.
A continuación se muestran las localizaciones más importantes definidas:
NOMENCL. NOMBRE SITUACIÓN
Fp1/Fp2 Frontopolar o Prefrontal En la frente (registra la actividad
de los polos frontales).
F3/F4 Mediofrontal Sobre el lóbulo frontal.
F7/F8 Frontal o temporal inferior Regiones temporales anterior y
medial.
C3/C4 Central Aproximadamente sobre la cisura
de Rolando o el surco central.
P3/P4 Parietal Sobre el lóbulo parietal.
O1/O2 Occipital Sobre el lóbulo occipital.
T1/ T2 Temporales anteriores verdaderos Regiones temporales anteriores.
T3/T4 Temporal medial Regiones temporales anterior y
medial.
T5/T6 Temporal posterior Regiones temporales posteriores.
Fz, Cz, Pz Frontal, Central y Parietal Superficies de la línea media y
mediales de los hemisferios
A1/A2 Mastoides o Pabellones Auriculares Lóbulos de las orejas, regiones
temporales mediales.
Tabla 1. Nomenclatura empleada en el Sistema Internacional de Referencia 10/20.
(Se muestra el nombre de la región de los electrodos así como su situación).
Años más tarde se añadieron nuevas guías de emplazamiento de electrodos,
como la añadida en 1991 y en la cual se designaban localizaciones específicas e
identificaban 75 posiciones de electrodo a lo largo de 5 planos laterales.

14
Capitulo 2
2.3.4. Campos de potencial
La suma de los PPSI y los PPSE (potenciales postsinápticos inhibitorio y
excitatorio) en una red neuronal genera corrientes eléctricas que fluyen alrededor de las
células y hacia el interior de las mismas. El flujo de corriente creado genera a su vez un
campo que se difunde desde el foco eléctrico, muy parecido a los anillos concéntricos
que se forman al tirar una piedra al agua de un estanque. Esto quiere decir que los
fenómenos que dan lugar a un voltaje máximo en un electrodo concreto también
influyen en los electrodos adyacentes, pero en menor grado a medida que el potencial se
aleja de su punto de origen. (Ver Figura 6).
Figura 6. Ejemplo de Campo Potencial y valor en los distintos electrodos.
La Figura 6A) ilustra un potencial negativo máximo de 100 en F9. El campo se
difunde hasta afectar a T4 con un potencial inferior de 70 µV y después a Fp2 y T6 con
30 µV. El fondo no aparece afectado por los potenciales de 20 µV de promedio. B)
Misma interpretación que A) pero en forma de gráfica: rápido incremento desde Fp2
hasta F8, con disminución sucesivamente hasta T4 y T6. O2 presenta el mismo
potencial que el resto del fondo EEG.

15
Capitulo 2
2.3.5. Tratamiento de la Señal EEG
Amplificación
En un amplificador simple, cualquier señal de entrada obtenida a través de un
electrodo activo es conducida hasta el amplificador y comparada con una señal de tierra.
La señal de salida estará constituida por la diferencia de potencial entre el electrodo
activo y tierra. Si visualizamos esa señal, en la pantalla aparecen los potenciales
electrocorticales y otros potenciales del entorno, que influyen sobre el electrodo (inter-
ferencias eléctricas cercanas). En la amplificación diferencial, las señales procedentes
de dos electrodos activos se conducen hasta el amplificador, por lo que se determina la
diferencia de potencial entre ambas. En este caso, cualquier señal que influyera en los
electrodos de igual modo, da lugar a una diferencia de potencial nula, por lo que no se
mostraría o su contribución sería pequeña. A este fenómeno se le llama cancelación de
fase.
Calibrado y filtrado
El calibrado de la señal proporciona una evaluación de la sensibilidad de cada uno
de los amplificadores por separado. Para asegurarnos de que la máquina funciona
correctamente, el técnico debe cerciorarse de que la señal tenga el tamaño adecuado en
cuanto a amplitud, espacio del fichero y demás parámetros. Antes de proceder a la
adquisición de datos, se comprueba el calibrado. El calibrado inicial de señales testea la
máquina, el amplificador y las plumas que escriben la señal en papel (en caso de no
disponer de un aparato digital). Al final de la grabación, es deseable un nuevo calibrado
usando todas las sensibilidades y los filtros usados en la grabación.
El abuso en el uso de filtros proporciona una de las mayores fuentes de controversia
entre neurofisiólogos y técnicos. Para hablar de filtrado primero hay que tener en cuenta
el rango de frecuencias que tienen las señales que deseamos medir. El rango de
actividad neurofisiológica se extiende desde los 0.5 hasta los 2000 ciclos por segundo (o
Hz) en el cerebelo. En general uno podría pensar que cuanto mayor es el ancho de la
banda medida, mayor es la fidelidad de la reproducción en la actividad grabada. En
teoría es cierto, salvo que un mayor rango frecuencial incrementa la cantidad de
interferencias y ruido externo en la señal. Los filtros se usan para establecer un
compromiso entre reducción de señales extrañas y preservar tanto como sea posible la
fidelidad de las ondas cerebrales, en particular la que se desee observar.
En EEG hay pocos valores para la señal por encima de 50 Hz, mientras que en una
grabación de potenciales evocados de corta latencia en campo lejano es común filtrar
frecuencias bajo 100 o 150 Hz para quedarnos con las componentes a más alta
frecuencia (3KHz en adelante). En el caso de que queramos medir actividad lenta, habrá
que eliminar la actividad rápida. Esto es posible gracias al filtrado, por lo que antes de
medir e interpretar el registro, hay que tener una idea de la señal que vamos a grabar
para poder aplicar un tipo de filtrado u otro.

16
Capitulo 2
2.3.6. Montajes y Uso Razonable de Canales
El término ‘montaje’ se refiere a una relación sistemática entre los electrodos que se
diseña para obtener una representación lógica de la actividad cerebral. Se trata de una
herramienta usada para un propósito específico, así que dependiendo del tipo y objetivo
del registro, se podría dar el caso de cambiar de montaje incluso dentro de la misma
sesión (sobre el mismo paciente).
A diferencia del sistema de colocación 10/20, no existen normas internacionales
para el montaje en los laboratorios de EEG, aunque hay ciertos montajes que se
emplean más que otros.
En la era del EEG digital, la selección del montaje específico no tiene un carácter
tan crítico como en épocas anteriores. Todos los montajes se efectúan de manera
referencial, ya que el software muestra la representación de los potenciales registrados
en cualquier montaje deseado, y así poder cambiar con facilidad de un montaje a otro
para analizar las características de un fenómeno concreto.
El montaje lleva a cabo dos funciones simultáneas: una es grabar desde todas las
áreas posibles del cerebro (el sistema 10-20 solventó esta tarea) y la segunda es recoger
actividad de modo que sea fácilmente percibida y reconocida por el técnico que realiza
la grabación, quien empleará en cada momento sus capacidades para identificar los
patrones y características de la señal. El número de electrodos necesarios para el
montaje está basado en diversos factores, incluyendo el tipo de montaje empleado, el
tipo de actividad que se considera, el número disponible de canales y las habilidades del
paciente. Dependiendo del tipo de medida y paciente tendremos adquisiciones con
diferente número de electrodos y posición. Existe un electrodo ‘tierra’ que se coloca en
la línea media de la frente (o en un lugar neutro) que nos ayuda a proteger
eléctricamente al paciente.
Referencias y Valoración
Los montajes usados en EEG se dividen en dos categorías:
- Estilo Referencial o Monopolar: los electrodos que se colocan a lo largo del cerebro
están referenciados a un único electrodo común o referencia. Mediante una comparación
de simetrías, donde tenemos electrodos alternativos comparables situados en cada
hemisferio, se permite detectar diferencias sutiles de simetría y amplitud entre ambos
lados del cerebro. Las asimetrías permiten el reconocimiento de anomalías, y su
interpretación, que depende tanto del técnico supervisor como de la visualización,
depende del montaje empleado. Hay asimetrías que se encuentran determinadas: una
asimetría en la región temporal se ve en situaciones de somnolencia o sueño ligero. Uno
de los inconvenientes de este montaje es que un artefacto cerca del electrodo referencia
altera el registro del resto de electrodos.
- Estilo Bipolar: Un registro bipolar une electrónicamente varios electrodos sucesivos,
de modo que el voltaje determinado en un electrodo se compara con el de los electrodos
adyacentes. Ambos electrodos (normalmente dos) se encuentran sobre la zona activa de
registro. Eliminamos el inconveniente anterior, ya que un artefacto sobre la zona
alteraría el registro de ese canal, pero no el del resto (ver Figura 7).

17
Capitulo 2
Figura 7. Principio de la
localización bipolar.
La figura muestra la
descarga puntiaguda de
100µV en T4. El potencial
es conducido a la Entrada
II en el primer
amplificador y la Entrada 1
en el segundo amplifi-
cador. Los demás electro-
dos no aparecen afectados
por el fenómeno. El
resultado se denomina
inversión de fase.
En ambos casos, la señal recogida en un canal es la diferencia de potencial entre los
dos electrodos de registro. En un EEG continuo, el montaje más empleado es el bipolar,
debido a que presenta menor incidencia de artefactos, dada la importancia de los
mismos.
Las localizaciones de referencia de uso común suelen ser el vértex (Cz) y los
pabellones auriculares (A1 y A2). El primero se utiliza en forma de montaje de
referencia para complementar a la de los pabellones auriculares. Se sabe que en el
vértex hay una gran actividad cerebral, por lo que el ruido de fondo del EEG registrado
se dirige hacia la entrada de todos los canales. Un fenómeno registrado (una punta, onda
lenta) se presenta mejor cuando la referencia está alejada del electrodo de exploración.
Las dos referencias: pabellón auricular y vértex, son complementarias.
Se dispone de un casco con agujeros sobre la situación indicada en el sistema 10/20,
que indican la posición de cada uno de los electrodos de registro.
Para valorar el EEG se necesitan conocer una serie de parámetros:
.Sensibilidad: Es la amplitud de la deflexión del sistema de inscripción (plumilla)
por un potencial determinado.
.Filtros que atenúan las señales fuera de rango: se usa un filtro de Baja Frecuencia
(0.3-0.5 Hz) y otro de Alta Frecuencia (70 Hz) además de un filtro específico (50 Hz)
para eliminar ruidos eléctricos.
.Resistencia de los electrodos (ha de ser menor que 5KOhm).
.Velocidad de Registro: Normalmente 30 mm/sg o 60 mm/sg en caso de registros
prolongados.
.Calibración: para calibrar el sistema se introduce una señal de 50µV. Para una
sensibilidad de 10 µV/mm se deberá producir una deflexión de 5 mm.

18
Capitulo 2
2.3.7. Características de la señal EEG
Clasificación de ondas: Para obtener patrones de onda básicos, se ordena al paciente
cerrar los ojos y estar relajado. La forma de onda de esos patrones es normalmente
sinusoidal. A menudo, son medidos pico a pico y normalmente tienen una amplitud que
va desde los 0.5µV a los 100µV en amplitud, la cual es aproximadamente 100 veces
menor que las señales ECG. Gracias a la Transformada de Fourier, se obtiene el
espectro a partir de la señal EEG bruta. A pesar de que el espectro es continuo desde los
0 Hz hasta la mitad de la frecuencia de muestreo, el estado del cerebro contiene
frecuencias dominantes. Las ondas cerebrales se han clasifican en 4 grupos:
Banda Frecuencia Forma de Onda
Delta 0.5 – 4 Hz
Theta 4 – 8 Hz
Alpha 8 – 13 Hz
Beta
> 13 Hz
Tabla 2. Bandas de frecuencias definidas para los patrones EEG
y sus diferentes formas de onda.
DELTA ( 0.5-4 Hz )
Ocupa la banda de frecuencias más baja y refleja la mente inconsciente, el sueño profundo y la reestructuración física y
mental. En su puesta en marcha entran en funcionamiento las partes más profundas del cerebro, siendo el ritmo dominante en niños
mayores de 1 año y presente en la 3ª y 4ª etapa del sueño. Son las mayores en amplitud, y su actividad se registra mientras
desconectamos de la actividad del mundo físico. Es la banda de frecuencia más desconocida.
THETA ( 4-8 Hz )
Es clasificada como de actividad lenta. Poco normal en adultos conscientes pero perfectamente normal en niños de hasta 13
años y durmiendo. Podría decirse que están en medio del "consciente" y el "inconsciente": estados de imaginación espontánea,
estados oníricos, ensoñación, fantasías alucinantes, donde la realidad se abstrae y se da ‘rienda suelta’ a la mente. Sus características
son muy parecidas a la frecuencia alpha solo que más pronunciadas. Total relajación física y mental. Se producen con estados de
meditación profunda como el yoga, la música (percusión, electrónica), situaciones de gran calma y relax, audición de músicas
armónicas, los sueños oníricos.
ALPHA ( 8-13 Hz )
Se aprecian mayoritariamente en las regiones posteriores de la cabeza, siendo mayores en amplitud en la zona dominante.
Produce imaginación y lucidez creativa, mayor memoria, asimilación y capacidad de estudio, mejor rendimiento en el deporte. Ideal
para proyectar autosugestiones y comportamientos. Producidas por estados de relajación activa o pasiva, estados de oración o
meditación, relajación mental y muscular, ingestión de sustancias psicotrópicas o hipnóticas y sedantes. Se entra en este estado
cerrando los ojos o mediante relajación, y se sale abriendo lo ojos o alertándose de algún mecanismo (pensando, calculando). Se
trata el mayor ritmo reconocido en adultos relajados y está presente en la mayor parte de la vida, especialmente desde los trece años.
BETA ( 14-30 Hz )
Se trata de una actividad rápida. Tiene una frecuencia mínima de 14 Hz. Se puede ver en las zonas laterales en distribución
simétrica y más evidente en la cara frontal. Se acentúa con drogas sedantes e hipnóticas, especialmente las benzodiacepinas y los
barbitúricos. Se trata normalmente como un ritmo normal de razonamiento lógico en el que surgen recuerdos automáticos,
conversaciones habituales, autoconsciencia, y es dominante en pacientes alertados o ansiosos, los cuales tienen los ojos abiertos. Es
el estado presente en la actividad normal: en el trabajo, estudio, lectura, atención…
GAMMA ( a partir de30 Hz )
Surgen en un estado de conciencia como la vigilia, y la consecuencia es un estado de comportamiento histérico y de pérdida
del control de la propia personalidad, agresividad, pánico, estados de miedo, cólera, huida, terror o ansiedad desbordada.
Son producidos por ruidos fuertes, insultos, situaciones tensas o de pánico, crisis, noticias terribles, enfados fuertes, agresiones
físicas o psicológicas, etc.

19
Capitulo 2
Algunas de las señales EEG son provocadas o inducidas, como respuesta a un
estímulo presentado, como en el caso de los potenciales evocados (respuestas eléctricas
del sistema nervioso producto de la aplicación de un estímulo sensorial o motor) o los
potenciales corticales lentos, los cuales son empleados en sistemas de comunicación
síncronos, mientras otras son producidas espontáneamente por el cerebro, como los
ritmos mu y beta, que nos ofrecen la posibilidad de diseñar un sistema BCI asíncrono.
En este último caso, varios tipos de características pueden ser extraídos, ya sea en el
dominio del tiempo, de la frecuencia, o de tiempo-frecuencia conjuntamente.
La naturaleza no estacionaria (transitoria) de las señales EEG hace necesario el uso
de métodos que sean capaces de cuantificar el contenido espectral como una función del
tiempo. Los métodos de representación Tiempo- Frecuencia (TFR) son apropiados
como herramientas para el estudio de cambios espontáneos e inducidos en estados
oscilatorios, donde el mejor método será aquel que maximice la variación interclase
(variabilidad entre las clases) y minimice la variación intraclase (variabilidad entre los
estados de una misma clase) en la base tiempo- frecuencia. Los estados oscilatorios son
la característica principal de la actividad EEG porque además de indicar la
sincronización de un gran número de neuronas indican un orden rítmico temporal de
activación. Diferentes patrones oscilatorios deben ser indicativos de diferentes estados
procesados de información.
2.3.8. Formato de la señal EEG
EDF
Se trata de un estándar simple y flexible para el intercambio y almacenamiento de
señales biofísicas en el que las señales pueden tener dimensiones físicas y frecuencias
de muestreo diferentes. Fue publicado en 1992 en Electroencephalography and Clinical
Neurophysiology, 82: 391-393, fecha desde la cual no ha sufrido apenas
modificaciones. El formato se encuentra ampliamente extendido hoy en día, y la
industria lo ha comenzado a incorporar en sus equipos y software para registro de EEG
y PSG. Las señales tratadas en los siguientes capítulos se encontraban almacenadas en
este formato.
Cada fichero contiene un registro poligráfico digitalizado ininterrumpido, y consiste
en una cabecera seguida del cuerpo de datos. La cabecera, de longitud variable,
identifica al paciente y especifica las características técnicas de las señales grabadas. El
registro de datos contiene épocas consecutivas de duración fija de la grabación
poligráfica.
Los primeros 256 bytes de la cabecera especifican la versión del formato,
identificación local del paciente y de la sesión, información temporal, número de
canales grabados. Para cada señal grabada, se especifica el tipo de señal (p.e. EEG,
temperatura cuerpo, EMG, etc.) amplitud de calibración y el número de muestras en
cada registro. De este modo, el formato permite diferentes ganancias y frecuencias de
muestreo para cada señal. La cabecera contiene 256 + (nº señales * 256) bytes.

20
Capitulo 2
El máximo y mínimo digital para cada señal debe especificar los valores extremos
que puede darse en el registro de datos. A menudo coinciden con los valores extremos
del conversor A/D. Las ganancias, montajes de electrodos y filtros deben permanecer
fijos durante la grabación, aunque posteriormente pueden tratarse por separado. A
continuación se detalla la estructura de un fichero .edf.
CABECERA
8 ascii : version del formato de datos (0)
80 ascii : información local al paciente
80 ascii : información local de grabación
8 ascii : fecha de comienzo de registro (dd.mm.aa)
8 ascii : hora de comienzo de registo (hh.mm.ss)
8 ascii : número de bytes de la cabecera
44 ascii : reservado
8 ascii : número de registros de datos
8 ascii : duración de un registro de datos, en segundos
4 ascii : numero de señales en la grabación (ns)
ns * 16 ascii : ns * etiqueta (p.e. EEG Fpz-Cz or Body temp)
ns * 80 ascii : ns * tipo trasductor (p.e. electrodo de AgAgCl)
ns * 8 ascii : ns * dimensión física (p.e. uV o ºC)
ns * 8 ascii : ns * mínimo físico (p.e. -500 o 34)
ns * 8 ascii : ns * máximo físico (p.e. 500 o 40)
ns * 8 ascii : ns * mínimo digical (p.e. -2048)
ns * 8 ascii : ns * máximo digital (p.e. 2047)
ns * 80 ascii : ns * prefiltrado (p.e. HP:0.1Hz LP:75Hz)
ns * 8 ascii : ns * número de muestras de cada grabación de datos
ns * 32 ascii : ns * reservado
CUERPO DE DATOS
número de muestras[1] * entero : primera señal de la grabación
número de muestras[2] * entero : segunda señal . . .
número de muestras [ns] * entero : última señal
EDF+
Es una especificación más detallada que EDF, compatible con ésta última, a
excepción de que un fichero EDF+ puede contener registros interrumpidos, eventos
discontinuos, anotaciones de texto, estímulos, señales promediadas, parámetros QRS así
como otros parámetros secundarios. Puede almacenar EMG, potenciales evocados, elec-
troneurograma, electrocardiograma y más tipos de señales biofísicas. Para ello se
estandarizaron tanto los nombres de electrodos como las anotaciones de texto. EDF+
fue publicado en 2003 en Clinical Neurophysiology 114(9):1755-1761.

21
Capitulo 2
2.4. Polisomnograma (PSG) e Hipnograma
2.4.1. El Sueño
Este concepto continúa siendo el gran misterio de la neurociencia moderna. Por
definición, se trata como un estado de reposo contrario al de la vigilia. Un ser humano
pasa aproximadamente un tercio de la vida durmiendo, pero la función del sueño
continua siendo tan compleja como desconocida. Hay teorías que intentan explicar el
propósito del sueño como la de la conservación de energía (que supone que el propósito
del sueño es recuperar la energía), restauración de tejidos y crecimiento,
termorregulación, regulación de emociones, maduración neural, consolidación de
memoria y aprendizaje, entre otras. Afortunadamente, en los últimos años, la
investigación ha hecho posible conocer un poco más este estado fisiológico y la
circuitería cerebral que controla los estados de sueño y vigilia.
El sueño se caracteriza por alteraciones en los niveles de actividad fisiológica
(presión sanguínea, respiración, ritmo cardiaco) y por una respuesta menor ante
estímulos externos, con una periodicidad aproximada de 24 horas. Durante este período,
el organismo sufre una serie de cambios fisiológicos, desde variaciones en el
funcionamiento cerebral, sistema muscular, sistema respiratorio, temperatura corporal,
flujo sanguíneo, hasta cambios en el sistema genital, así como psicológicos. El sueño
también se trata de un proceso mental involuntario en el que se reelabora la información
relacionada con las experiencias vividas durante un pasado a corto plazo y nos sumerge
en una realidad virtual constituida de imágenes, sonidos, pensamientos y/o sensaciones,
en el cual aun estando en un estado de inconsciencia, el cerebro mantiene un control
sobre los sentidos. Por tanto, su función es tanto biológica como psicológica y se
presenta en la mayoría de mamíferos, tanto terrestres como marítimos.
Fue el psicólogo norteamericano William Charles Dement el pionero en su
investigación. En 1928 fundó el ‘Centro de Investigación del Sueño’, primer laboratorio
mundial del sueño, en la Universidad de Stanford. Los primeros resultados importantes
llegaron en la década de los 50 de su mano y de la de Kleitman, ayudados por resultados
de Loomis, Harvey y Hobart años atrás. Se centró en el estudio de la conexión entre los
movimientos rápidos de ojo (MOR o REM, Rapid Eye Movement) y el sueño. Fue
pionero en emplear la técnica EEG para estudiar el sueño. Logró realizar registros
continuos durante toda una noche del EEG y EOG que le permitieron un estudio más a
fondo, lo cual le llevó al descubrimiento de que el sueño no se trataba de un proceso
único, sino que se podía dividir en cinco etapas, que caracterizan al sueño según las
transformaciones fisiológicas que sufre el cuerpo humano. Los resultados establecidos
hasta la fecha por Dement, ayudaron a los Doctores de Psiquiatría y Psicología Allan
Rechtschaffen y Anthony Kales a desarrollar en 1968 los criterios de escala de sueño
aceptados actualmente y denominadas ‘Reglas RK’. Según dicha clasificación, el sueño
se subdivide en 2 grandes etapas: MOR (etapa caracterizada por Movimientos Oculares
Rápidos REM y que ocupa una cuarta parte del sueño) y NMOR o No REM (que se
subdivide según la profundidad del sueño en fase S1, fase S2, fase S3 y fase S4).
El registro de estos parámetros electrofisiológicos para definir los estados de sueño
y de vigilia se denomina polisomnografía. Las técnicas que posibilitan la obtención de
los patrones característicos en un polisomnograma (PSG) son el electroencefalograma
(EEG), el electrooculograma (EOG) y el electromiograma de superficie (EMG).

22
Capitulo 2
2.4.2. Polisomnografía
La polisomnografía (PSG) consiste en el registro de los parámetros
electrofisiológicos que definen los estados de sueño y de vigilia. Para hacer esto posible
se emplean varias técnicas (EEG, ECG y EMG) así como un sistema de clasificación de
etapas o marcado de fases de sueño (Reglas RK o Manual AASM). Durante esta
exploración se registran una serie de señales fisiológicas como son la actividad cerebral,
el ritmo cardiaco, la respiración, la actividad muscular, movimientos corporales,
posición del enfermo, la cantidad de oxígeno en sangre, los movimientos de los ojos y
los ronquidos.
Objetivo y Procedimiento
El objetivo del PSG es el diagnostico de las enfermedades que alteran o se
manifiestan principalmente durante el sueño, siendo en la actualidad la técnica más
asequible, cómoda y segura para estudiar los fenómenos fisiológicos que acontecen
durante el sueño y las enfermedades relacionadas.
El estudio nocturno es inocuo para el paciente, sin presentar daño adverso, ya
que no existen corrientes eléctricas ni radiaciones, sin realizar ningún tipo de anestesia.
Lo único que se exige a un paciente que se somete a esta prueba es acudir al consultorio
con mínimas condiciones de aseo exigible y descansado. El paciente duerme
espontáneamente durante un tiempo variable (normalmente 8 horas son suficientes)
mientras los aparatos registran el sueño. La prueba es supervisada por un técnico
permanentemente, quien controla el sueño del paciente y el correcto funcionamiento del
sistema. Una vez el paciente despierta, se retiran los electrodos y sensores, con lo que en
aproximadamente 10 horas después del inicio de la prueba, el paciente puede retomar su
vida normal. Posteriormente al estudio, un equipo de neurofisiólogos analiza los datos
obtenidos y emite un informe médico con los resultados encontrados, que serán
entregados al paciente con un diagnóstico final y pauta de tratamiento con caso de ser
necesario.

23
Capitulo 2
2.4.3. Hipnograma
Un hipnograma es un gráfico que muestra la distribución de las diferentes etapas
de sueño que un paciente atraviesa a lo largo de una noche de sueño (ver Figura 8).
Figura 8. Ejemplo de un Hipnograma con la distribución de las distintas fases de sueño que atraviesa el
paciente a lo largo de las horas de sueño.
La distribución de las fases a lo largo del periodo de sueño no es aleatoria, sino que
sigue unas reglas preestablecidas y varía a lo largo de la evolución ontogenética
(durante la vida del propio individuo). Las características de sueño que varían para un
mismo individuo son el número de horas dormidas y el porcentaje de tiempo en que
cada fase se manifiesta.
Se establecen unos ciclos que duran alrededor de 1h30 a 2 horas cada ciclo, con lo
cual se suelen dar de 4 a 5 ciclos por noche.
El sueño normal de un adulto oscila entre las 7 y las 10 horas, periodo en el cual
existe una distribución opuestas de las fases REM y las de onda lenta (Slow Sleep
Wave). Durante la primera mitad de la noche abunda el sueño de onda lenta (que
favorece la recuperación física del individuo), mientras que hay poco sueño REM. Sin
embargo en la 2ª mitad de la noche sucede lo contrario: abunda el sueño REM con
etapas progresivamente más largas y apenas hay sueño de onda lenta.
La Fase S1 (No REM o de sueño ligero) se concentra al principio del sueño, es una
etapa de transición (con una latencia entre 5-25 minutos). La Fase S2 se manifiesta a lo
largo de toda la noche, ocupando aproximadamente el 45% del tiempo. Las fases S3 y
S4 (Sueño Profundo), por su parte, se concentran en la primera mitad y ocupan entre el
15-20% del tiempo total de sueño. Finalmente, el sueño REM aparece cíclicamente cada
90 minutos aproximadamente, comprendiendo entre el 20-25% del total de sueño.
W: Fase de Vigilia
REM: Fase de Movimientos Rápidos de Ojo
S1: Fase NMOR1 o NREM1
S1
S2
S3
S4

24
Capitulo 2
La estructura normal de sueño se modifica cuando la persona ha dormido menos de
lo habitual en la/s noche/s anterior/es. En estos casos, el sueño no se recupera en
cantidad, sino en calidad, por lo que aumenta el porcentaje de sueño de ondas lentas y
sueño REM.
20 – 40 años > 40 años
Fase S1 5 % 10 %
Fase S2 50 % 60 %
Fase S3 y S4 25 % 15 %
REM 25 % 15 %
Tabla 3. Duración aproximada de cada una de las fases de
sueño según la edad del sujeto.
Del mismo modo, si durante una ‘siesta’ aparece sueño de ondas lentas, en el sueño
nocturno la cantidad de fase S3 y S4 será menor, ya que lo habremos ‘gastado’ antes.
Este fenómeno es interesante en los afectados de insomnio, ya que el sueño nocturno es
más superficial. En las primeras medidas terapéuticas se aplicará la eliminación de los
episodios de sueño diurno o ‘siesta’.
2.4.4. Técnicas y Sistemas de Marcado
El modo establecido para distinguir etapas de sueño a partir de los registros de
canales obtenidos consiste en una revisión por parte de un especialista o neurofisiólogo,
que observa las señales basadas en un montaje determinado y decide para cada medio
minuto (duración de una época) cual es la etapa o la fase de sueño que más se apropia a
ese fragmento de señal. El criterio de decisión son los manuales estándares: la mayoría
de centros hoy en día emplean el manual de clasificación de Rechtschaffen y Kales
[1](1968) o el manual AASM [8](2007).
.
2.4.4.1. Reglas RK
El documento estándar con el cual se marcan las épocas de sueño de un
polisomnograma (PSG) es “A Manual of Standarized Terminology, Techniques and
Scoring System for Sleep Stages of Human Subject”, elaborado en 1968 por un comité
dirigido por A. Rechtschaffen y A. Kales [1]. Implica parámetros, técnicas y patrones de
onda para registros PSGs, un canal de EEG, dos EOGs (uno para cada ojo) y un canal
de EMG. Las derivaciones EEG de acuerdo con el Sistema de Referencia 10/20 son
C4/A1 y C3/A2, los electrodos de referencia se sitúan en una de las orejas o mastoide
(A1 o A2). El canal EMG se mide en la barbilla. Las etapas se marcan época por época
en intervalos de 20 o 30 segundos (ver Figura 9).

25
Capitulo 2
Figura 9. Localización de los electrodos en los EOGs, EMG y EEGs.
Los estados principales de vigilancia son: vigilia, sueño REM y No REM. El sueño
NREM se divida a su vez en cuatro fases o etapas desde la más ligera NREM1 (S1)
hasta la más profunda NREM4 (S4). Las fases S3 y S4 se refieren a sueño de onda lenta
(Slow Wave Sleep o SWS).
Vigilia (Etapa W)
La etapa W (del inglés Wakefulness) está caracterizada por poco voltaje (10-30µV)
y frecuencia mixta EEG con predominancia de actividad alpha en el EEG y alto tono
EMG (debida a movimientos por la actividad muscular). Pueden darse lugar a
movimientos oculares rápidos NMOR).
Figura 10. Época perteneciente a fase W o de vigilia.
Movimientos oculares rápidos o REM

26
Capitulo 2
Tiempo de Movimiento (Etapa MT)
Si las señales EEG o EMG no son claras durante más de media época debido a
bloqueo del amplificador o actividad muscular, la época se excluye de sueño o vigilia y
se etiqueta como movimiento o artefacto MT (del inglés Movement Time).
Figura 11. Aunque hay dominancia de alta amplitud, la mayor parte de la época está oscurecida por
movimientos, por lo que la época se marca como MT (Movement Time).
S1 (Etapa No REM 1)
S1 es la fase de sueño ligero, en la que todavía se perciben estímulos que suceden
alrededor. El sueño en esta fase es poco o nada reparador. Caracterizada por poco
voltaje, frecuencia mixta EEG con amplitud elevada en el rango de 2 a 7 Hz, por lo que
combina el patrón alpha con el theta de baja amplitud. Pueden sucederse ondas vértex
con picos de unos 200 µV de amplitud y duración mayor a 0,5s. S1 tras W puede dar
lugar a movimiento lento de ojos. El nivel EMG es menor que en la etapa W. Una época
pertenece a esta etapa cuando ésta está caracterizada con actividad alpha combinada con
frecuencia mixta EEG y la cantidad de actividad alpha es menor del 50% de una época.
Figura 12. La época muestra una porción de fase 1 con ondas vértex prominentes en el EEG y aparición
de movimientos oculares lentos.
Movimientos oculares lentos o SEM
Ondas Vértex

27
Capitulo 2
S2 (Etapa NREM 2)
En esta etapa se produce un bloqueo de las entradas sensoriales a nivel de tálamo, lo
que implica una desconexión del entorno y facilita la conducta a dormir. El sueño es
parcialmente reparador.
La actividad cerebral es predominantemente theta aunque aparecen porciones delta.
Se caracteriza por los patrones llamados spindles o husos de sueño y complejos K así
como por la ausencia de ondas lentas. Un complejo K es una onda negativa abrupta
seguida de otra positiva y más lenta. Los spindles o husos de sueño ocurren en el rango
de los 12-14 Hz con una duración mínima de 0.5s. Si el tiempo entre dos ocurrencias de
spindle o complejo K es menor de 3 min, el intervalo se marca como N2, a no ser que
haya despertar por movimiento o incremento en la actividad del EMG. Si el intervalo es
de 3 min o mayor, se marca como S1. El tono muscular es menor que en S1 y
desaparecen los movimientos lentos oculares.
Complejo K Spindle o ‘huso’ de sueño
Figura 13. Época en fase S2 con elevada tónica EMG.

28
Capitulo 2
S3 (Etapa NREM 3)
El bloqueo sensorial se intensifica con relación a la fase anterior, lo que indica una
mayor profundidad de sueño. La fase S3 y S4 componen las etapas de sueño profundo,
en el que comienza a haber ondas de baja frecuencia y gran amplitud. Si despertamos
desde esta fase, no encontraríamos confusos y desorientados, al igual que en S4 pero en
menor medida. El sueño en esta fase es esencial para el descanso reparador. Según las
reglas, si del 20% al 50% de la época EEG contiene ondas delta de 2Hz o menor
frecuencia con una amplitud mayor de 75 µV la época se marca como S3. En esta fase
pueden aparecer complejos K y spindles de sueño. El tono muscular es más reducido
que en S2 y tampoco hay movimientos oculares.
Salvas delta
Figura 14. Época en fase S3. EEG de alta amplitud con actividad lenta en un tercio de la época.

29
Capitulo 2
S4 (Etapa NREM 4)
Es la fase de mayor profundidad de sueño, en la que se consigue la actividad
cerebral más lenta. Esta fase posee los mismos atributos que S3 pero con un contenido
de ondas de 2Hz o menor frecuencia y amplitud mayor de 75 µV en más del 50% de la
duración de la época. El tono muscular es muy reducido. Aunque no es la fase típica de
los sueños, en ocasiones suelen aparecer en forma de imágenes, luces, figuras, pero
nunca en forma de historia. Es en esta fase en la que se manifiestan alteraciones como el
sonambulismo o las pesadillas.
Salvas delta
Figura 15. Época en fase S4. EEG de alta amplitud con actividad lenta delta en más de la mitad de la
época con presencia de spindles.

30
Capitulo 2
REM (Etapa REM)
En esta fase se presentan normalmente los sueños (aquellos que se recuerdan y se
pueden narrar). La fase REM presenta ondas de bajo voltaje y frecuencia mixta en el
EEG (similar a S1); a menudo aparece un patrón de onda de diente de sierra. El EMG
alcanza el nivel más bajo ya que apenas es nulo (atonia), lo que impide representar
aquello que se sueña. Aparecen episodios de movimientos rápidos de ojos (REMs). Las
alteraciones típicas de esta fase son las pesadillas, el sueño MOR sin atonía y la
parálisis de sueño.
Movimientos oculares rápidos o REM
Atonia (apenas hay tono muscular)
Actividad beta y theta
Figura 16. Época en fase REM con bajo voltaje, frecuencia EEG mixta, REMs y EMG en el menor nivel
de toda la grabación. Aparición de ondas con forma de diente de sierra.
Existen casos particulares de patrones del registro polisomnográfico en que no hay
coincidencia con las características establecidas en cada fase. En este caso, las Reglas
RK ofrecen alguna solución en épocas particulares, pero expertos han encontrado
carencias en el estándar adoptado en 1.968, lo cual llevó a una modificación de las
Reglas que finalmente fue llevada a cabo en 2007 por la Academia Americana de
Medicina de Sueño (The AASM Manual for the Scoring of Sleep and Associated Events:
Rules, Terminology and Technical Specifications, 1st ed.: Westchester, Illinois:
American Academy of Sleep Medicine, 2007) [8].

31
Capitulo 2
2.4.4.2. Manual AASM (American Academy of Sleep Medicine) [8]
Surgen con intención de solventar las limitaciones de las reglas RK, las cuales
desde publicación no habían sido modificadas. Las razones de su definición son el
avance de la ciencia del sueño y el rápido campo emergente de la medicina para el
sueño, que requiere un sistema más comprensivo de medidas estándares que consideran
eventos que ocurren fuera de la actividad cerebral normal.
La Academia Americana de Medicina del Sueño se estableció en 1975 como la
Asociación de Centros de Desórdenes del Sueño. Es la única sociedad profesional
dedicada exclusivamente a la subespecialidad médica de medicina del sueño. Está
compuesta de más de 7000 físicos, investigadores y otros profesionales del cuidado de
la salud, especializados en estudiar, diagnosticar y tratar desórdenes del sueño y alertas
diarias como insomnio, narcolepsia y apnea obstructiva de sueño.
El manual formula reglas recomendadas para el marcado rutinario en
polisomnografía, define los parámetros a tratar, el procedimiento de marcado, los tipos
de evento, así como las especificaciones técnicas y digitales de los medios que
posibilitan la adquisición y tratamiento de señales. Del mismo modo que las Reglas RK,
se hace una clasificación por etapas, a distinción de que el Manual AASM incluye
reglas visuales tanto para adultos como para niños. Una diferencia importante sobre las
Reglas RK es que se elimina la fase S4 y las épocas pertenecientes a esta fase (con
contenido mayor del 50% de onda lenta en la época) pasa a formar parte de la fase S3.

32
Capitulo 2

Segmentación y Extracción de Características del EEG
33
Capitulo 3
Capitulo 3.
Segmentación y Extracción
de Características
del EEG

34
Capitulo 3

35
Capitulo 3
Capitulo 3. Segmentación y Extracción de Características del EEG
3.1. Introducción
A lo largo del presente capítulo se exponen las técnicas que nos permiten extraer las
principales características a partir de los segmentos obtenidos del registro
polisomnográfico. A partir de un archivo .EDF que contiene los diferentes canales
registrados, se realiza una serie de pasos previos a la obtención de las características de
los segmentos. La
Figura 17 introduce los tres bloques principales que se incluyen en este capítulo: el
bloque de preprocesado, el de segmentación y el bloque de extracción de características
de los segmentos.
Figura 17. Diagrama de bloques de las etapas que constituyen el capítulo 3.
Preprocesado
Segmentación
Extracción de
características
Seleccionamos los canales EEG, EMG y EOG necesarios
para realizar el análisis. A cada tipo de señal se le realiza
un filtrado concreto.
A través de un criterio de segmentación se obtienen las
marcas temporales que nos ayudan a dividir una señal
de larga duración en segmentos de menor tamaño que nos
permiten un tratamiento más simple.
Se extrae un vector de características de cada uno de los
segmentos obtenidos en el bloque anterior que nos
permitirá realizar una clasificación según dichas
características.

36
Capitulo 3
3.2. Preprocesado
Antes de pasar al segmentado de señales aplicamos un filtrado apropiado a cada tipo
de señal que se emplea. La finalidad es restringir el contenido de la señal de salida al
rango de frecuencia de interés, además de limpiar la señal para adaptarla lo mejor
posible a nuestro sistema.
Los canales EEG incluidos para realizar el análisis son C3A2 y O2A1, resultantes
de referenciar el canal central C3 y el occipital O2 con respecto a ambas orejas. La
razón de la elección de estos canales es el registro de los parámetros principales del
sueño, como son los spindles (husos de sueño), complejos K, ondas vértex y la alta
amplitud de las ondas lentas, que se presentan máximas sobre estas zonas. El canal
EMG mide principalmente la actividad muscular a partir de un electrodo registrado en
el mentón o barbilla. Los EOGs son referenciados con respecto a la misma oreja para
poder distinguir los cambios de fase entre ellos (EOGL: EOG-Left y EOGR: EOG-
Right). La Figura 18 resume la creación de referencias y los filtros empleados en cada
señal.
Figura 18. Diagrama del preproceso de los EEGs. Se muestra la creación de las referencias así como los
filtros empleados en cada señal.
La función del filtro notch empleado en cada uno de los canales adquiridos es la
eliminación de la componente continua proveniente de la red eléctrica, con una
frecuencia de 50 Hz.
C3
A2
EMG
O2
A1
EOGL
EOGR
C3A2
O2A1
EMG
EOGLA1
EOGRA1
Butterworth 6º orden
fc= 30 Hz
fc= 30 Hz
fc= 40 Hz
fc= 5 Hz
fc= 5 Hz
2 canales
EEG
1 canal
EMG
2 canales
EOG
FILTRO NOTCHFILTRO NOTCHFILTRO NOTCHFILTRO NOTCH
fs= 50Hz

37
Capitulo 3
Los datos de los canales EEG son filtrados con un filtro paso bajo Butterworth de 6º
orden con una frecuencia de corte de 30 Hz. En la Figura 19 se puede comprobar el
resultado del filtrado EEG sobre el canal central.
Figura 19. Fragmento de la señal EEG C3A2 antes y después de filtrar.
La duración de la señal es de 20 segundos con fs= 256 Hz.
Del mismo modo, filtramos la señal EMG capturada del mentón o barbilla. Dicha
señal es filtrada con un filtro paso bajo de Butterworth de 6º orden con una frecuencia
de corte de 40 Hz (ver Figura 20).
Figura 20. Fragmento de la señal EMG antes y después de filtrar.
Notar la presencia de los picos provocados por el ritmo cardiaco.
La duración de la señal es de 20 segundos con fs= 256 Hz.

38
Capitulo 3
Los canales EOG son filtrados con un filtro paso bajo de Butterworth de 6º orden
con una frecuencia de corte de 5 Hz. La referencia escogida para ambos ojos es la
mastoides A1. La razón de esta elección es la posibilidad de detección de inversión de
fase entre ambos ojos. El proceso de detección se estudia más adelante.
Figura 21. Fragmento de ambos EOGs antes y después de filtrar.
En la segunda imagen se muestra el mismo segmento diezmado y con filtrado FIR para poder detectar
inversión de fase. La duración de la señal es de 20 segundos con fs= 256 Hz.
Figura 22. Respuesta en frecuencia de los filtros Butterworth de 6º orden con el que se tratan la señales
EEG (fc=30 Hz), EMG (fc=40Hz) y EOG (fc=5Hz).

39
Capitulo 3
3.3. Segmentación
La monitorización a largo plazo se ha convertido en una herramienta necesaria e
importante en el cuidado médico, y con la llegada de las grabaciones digitales, el
análisis de grandes cantidades brutas de datos EEG puede llegar a ser un problema
significativo. Por dicha razón, dentro de un análisis de una grabación larga necesitamos
dividir la señal en segmentos para poder procesar la información [2].
La señal EEG es de naturaleza aleatoria y no estacionaria, así que para analizarla se
puede optar por una segmentación en secciones dentro de las cuales no se produzcan
cambios significativos en la señal. Se podrían definir segmentos de igual duración, pero
podría darse el caso de que se produjese una división en un punto de cambio de la señal,
así que optamos por usar un método diferente que emplea un parámetro sensible a los
cambios de energía existentes en la señal, ya que esa información nos será útil en la fase
de extracción de características. [3]
De esta forma conseguimos una división de la señal en segmentos de longitud
semejante empleando un método basado en el Operador No Lineal de Energía (NLEO),
que combina amplitud y contenido frecuencial (o ritmicidad) del EEG. Los
neurofisiólogos usan estos parámetros para la evaluación de un PSG, por lo que éste
método combina intrínsecamente ambos en una medida única. [5]
El criterio de segmentación que hemos empleado para los canales EEG y EMG está
basado en GNLEO (Non-Linear Energy Operator) definido de la siguiente forma: [2]
( ) ( ) ( )∑ ∑+−=
+
+=
Ψ−Ψ=
n
Nnm
Nn
nm
NLEO mmnG
1 1
(1)
donde,
( )[ ] ( ) ( ) ( ) ( )321 −−−−=Ψ nxnxnxnxnx (2)
Los cambios en las señales se reflejan a la salida del
parámetro NLEO que consiste en tan solo cuatro muestras, lo que
puede considerarse un detector instantáneo de fronteras entre
segmentos. Los instantes de tiempo de cambio de energía
(discontinuidad en ( )[ ]nxΨ ) corresponden a las fronteras de
segmentación. Para detectar esos cambios se emplea una ventana
temporal deslizante modificada, de tal forma que finalmente se
genera el criterio de segmentación. Para un instante dado, n, la
energía a la mitad izquierda de la ventana se resta de la energía a la
mitad derecha de la ventana para generar la señal Gnleo mostrada en
la Figura 23b). Si las dos mitades tuviesen la misma energía, la
señal Gnleo resultante sería cero y si la ventana está centrada en una
frontera de segmento entonces el Gnleo será grande. Los instantes de
tiempo donde Gnleo es máximo se escogen como frontera de
segmento.
Figura 23. a) Fragmento EEG de 4 segundos. b) Parámetro NLEO
del fragmento EEG con un tamaño de ventana de 128 muestras.

40
Capitulo 3
Los resultados del criterio dependen del tamaño N de la ventana escogida: una
ventana de mayor duración tomará más muestras para hacer la substracción entre las
mitades de ventanas y detectará el cambio pasado más tarde que si tomamos un tamaño
menor de muestras de la ventana. La duración de la ventana debe escogerse lo
suficientemente larga para obtener una medida adecuada del parámetro GNLEO a la par
que debe de ser corta para a su vez poder detectar los segmentos de corta duración que
puedan darse. La Figura 24 muestra los distintos valores de GNLEO dependiendo del
tamaño de ventana N escogida.
Para comprobar el resultado de la segmentación mediante el criterio (1), tomaremos
el siguiente fragmento se señal EEG de 6000 muestras o 23,4 segundos de duración.
a)
b)
Figura 24. a) Señal EEG original registrada sobre el canal central. b) Parámetro NLEO del framento
EEG con un tamaño de ventana de 128 muestras.
Figura 24. a) Señal EEG registrada sobre el canal central. La duración es de 23.4 segundos o 6000
muestras con fs= 256 Hz. b) Comparación del parámetro Gnleo para diferente tamaño de ventana N (64,
128, 256, 512 respectivamente).

41
Capitulo 3
Con el fin de evitar fronteras de segmento espurias y redundantes que pueda generar
el parámetro GNLEO (debidas a fluctuaciones aleatorias inherentes a las señales) se
adhiere al criterio de segmentación un proceso de umbralizado adaptativo que
depende del parámetro Gnleo, manteniendo la robustez del algoritmo anterior:
( )=nT max ( )[ ]2/:2/GNLEO LnLn +− (3)
con ),...12/(,2/ += LLn
Aplicando el umbralizado al criterio de segmentación obtenemos el nuevo criterio
de segmentación umbralizado:
( )nGNLEO if ( ) )(nTnGNLEO ≥ (4)
( )=nG
0 if ( ) )(nTnGNLEO ≤
En un segundo paso dentro de este proceso de segmentación, se incluye otra
ventana L, que sirve de indicativo de sensibilidad del umbral: a mayor valor de L se
reduce el número de segmentos generados, y viceversa. Se parte de un criterio de
segmentación en el que N=512, valor que da una medida adecuada de NLEO.
Figura 25. Criterio de segmentación umbralizado para diferente tamaño de ventana L.

42
Capitulo 3
El cálculo del criterio de segmentación y el proceso de umbralizado se hace tanto
para los canales EEG como para el EMG. El criterio multicanal o global se obtiene
sumando linealmente el criterio de segmentación umbralizado de cada uno de los
canales empleados.
NLEO
EMG
NLEO
AO
NLEO
AC
NLEO
T
GGGG ++= 1223
(5)
Dicho criterio global se muestra en la Figura 26, donde además se incluye tanto el
criterio de cada uno de los canales como el global.
Figura 26. Obtención del criterio de segmen-
tación global.
A partir de los criterios umbralizados de los 2
EEGs y el EMG, se obtiene el criterio de
segmentación global.
N=512, L=500.

43
Capitulo 3
La última condición impuesta es la de duración mínima del segmento para asegurar
que los parámetros que se obtienen de él tienen significado. En el presente trabajo se ha
escogido una duración de 3 segundos (768 muestras con una fs de 256 Hz).
Para comprobar el resultado de la segmentación sobre la señal ejemplo, se muestra
la posición de los límites de segmentos sobre el tramo de señal estudiado, ver Figura 27.
Figura 27. División final en segmentos. Se muestran los 7 segmentos en que se divide la señal
ejemplo. La duración mínima del segmento se establece en 3 segundos (768 muestras). Para el
tramo de señal ejemplo, el segmento más corto es de 3.067 segundos (785 muestras) mientras el
más largo es de 3.29 segundos (841 muestras). Dicha duración depende del contenido en
amplitud y frecuencia de las señales EEG y EMG.
Dichos límites se extienden a las cinco señales tratadas, aunque nos hayamos basado
solo en los canales EEG y EMG para la segmentación. Así que incluiremos las marcas
temporales o división en segmentos para extenderlas a las señales EOG, ver Figura 28.
Una vez realizado este proceso se tiene un número total de segmentos procedentes
de cada una de los 3 tipos de señales (EEG, EMG y EOG), a partir de los cuales se
extraerán las características que a continuación se detallan.
Seg #1 Seg #2 Seg #3 Seg #4 Seg #5 Seg #6 Seg #7

44
Capitulo 3
Figura 28. Los canales EEG y EMG se usan para generar el criterio global de segmentación. Las líneas
verticales indican las marcas de los segmentos generados, que automáticamente se extienden a los canales
EOG, resultando segmentos en los cinco canales.
3.4. Extracción de Características
El segundo paso importante una vez realizada la segmentación, es el de extracción
de un vector de características de cada uno de los segmentos generados en el primer
paso que se empleará posteriormente en el proceso de clasificación.
El objetivo final es detectar las cinco fases de sueño que se distinguen normalmente
en un PSG. Por tanto, se trata de clasificar el conjunto de segmentos existentes según las
características que se extraen de ellos. Las fases de sueño se caracterizan por unos
patrones, niveles de EMG y ondas fisiológicas características: [6], ver Tabla 4.
Etapa Patrones Nivel EMG REMs
Vigilia Beta
Alpha (> 50%)
Alto Si
REM Theta
Alpha
Mínimo Si
N1 Theta
Alpha (<50%)
Medio SEM
(movimientos lentos)
N2 Theta
Spindles y
Complejos K
Bajo No
N3 y N4 Theta
Delta (> 20%)
Muy bajo No
Tabla 4. Principales características de las fases del sueño, basado en las Reglas RK [1].

45
Capitulo 3
Por tanto, se podría pensar en extraer características a partir de las señales de cada
segmento que nos puedan ayudar a clasificarlos en las distintas fases de sueño. Alguna
de estas características son las mismas que ayudan a un neurofisiólogo a detectar las
diversas fases de sueño. Otras características, tales como el número de despertares, la
latencia y porcentaje de fase, se alejan del objetivo deseado, ya que ayudan más en el
caso de búsqueda de tratamiento.
En el caso de la amplitud de las ondas EEG, las etapas de sueño profundo poseen las
ondas de mayor amplitud, mientras la menor la poseen las etapas de vigilia y REM.
Otro parámetro importante es la frecuencia. Las ondas de mayor frecuencia se detectan
en estado de vigilia (beta y alpha), mientras que las ondas de menor frecuencia se
presentan en las fases de sueño profundo (delta). Mientras, los movimientos oculares
rápidos REM tan sólo pueden darse en dos fases: vigilia (W) o fase REM, etapa en la
que se producen en mayor cantidad.
Desde los primeros intentos para describir las características temporales y
espectrales de los EEGs, numerosas características han sido propuestas por
investigadores. Entre algunos ejemplos se incluyen: amplitud promedia, variabilidad de
la amplitud, valores máximos y mínimos de amplitud, derivadas primera y segunda y
amplitudes en distintas bandas espectrales. En el presente trabajo se usan 3
características por canal para describir cada segmento: una medida de amplitud, otra de
frecuencia y la energía pesada en frecuencia (FWE) basada en el parámetro no lineal de
energía Gnleo. Además se incluyen una serie de ratios de parámetros fisiológicos como
son la onda lenta, actividad alpha y presencia de husos de sueño. La última
característica es la presencia de movimientos de ojo o EM (del inglés Eye Movement)
que nos ayudará a detectar los segmentos de EOG donde se produce inversión de fase y
episodios de movimientos oculares rápidos.
Las características que representan cada segmento de un PSG son las siguientes:
. Amplitud (para cada canal EEG y EMG).
. Ritmo dominante (para cada canal EEG y EMG).
. FWE (para cada canal EEG y EMG).
. Presencia de spindles (en el canal EEG central).
. Índice de onda lenta Alpha (ASI, del inglés Alpha Sleep-Wave Index) (para el canal
EEG occipital).
. Índice de onda lenta Theta (TSI, del inglés Theta Sleep-Wave Index) (para el canal
EEG central).
. Presencia de movimientos de ojos (EMs) en los EOGs.
Por lo tanto, cada segmento queda parametrizado por un vector de características
13-dimensional. Utilizando todos los vectores de características se espera obtener una
separación suficiente de los diferentes patrones de sueño. La Figura 29 muestra una
descripción de las características, así como la nomenclatura empleada.

46
Capitulo 3
C3A2
O2A1
EMG
EOG-
RA1
EOG-
LA1
. Amplitud: AC3A2
. Ritmo Dominante RC3A2
. FWE fweC3A2
. Presencia Spindles spin
. Índice Onda Theta tsi
. Amplitud AO2A1
. Ritmo Dominante RO2A1
. FWE fweO2A1
. Índice Onda Alpha asi
. Amplitud AEMG
. Ritmo Dominante REMG
. FWE fweEMG
Algoritmo
Detección
. Detección EMs EMs
AC3A2 A O2A1 A EMG R C3A2 RO2A1 R EMG fweC3A2 fweO2A1 fweEMG spin asi tsi EMs
Segmento = vector 13-D características
Figura 29. Un segmento se caracterizará finalmente por un vector de 13 características.
3.4.1. Amplitud
La medida de amplitud es simplemente el promedio del valor absoluto de amplitud
de todas las muestras que contiene el segmento. Sea xj(n) el segmento bajo
consideración, entonces la amplitud promedio del j-ésimo segmento en el i-ésimo canal
se determina como:
∑=
=
jM
n
ij
j
ij nx
M
A
1
)(
1
Pi ,...,2,1= (6)
, donde Mj representa el número de muestras que contiene el segmento j del canal i.
La Figura 30 muestra la amplitud de los segmentos que componen la señal EEG C3A2.
Figura 30. La Amplitud del Canal Central es la primera de las características de los segmentos.

47
Capitulo 3
La amplitud, junto a la frecuencia central o ritmo dominante, son las características
más importantes para la asignación de un segmento a un patrón específico de sueño. Las
ondas lentas de los estados más profundos de sueño se caracterizan por una alta
amplitud, mientras las ondas de sueño ligero, vigilia y REM poseen ondas de más baja
amplitud. Por tanto, esta característica nos ayudará a asignar un segmento a una fase de
sueño. El cálculo de este parámetro se hace tanto en los canales EEG como para el
EMG.
Figura 31. Amplitud de los distintos segmentos que componen la señal EEG O2A1.
La amplitud en la señal EMG nos ayudará a determinar el nivel de potencia
registrada en la barbilla. Cuando la amplitud promedia es alta, podemos asegurar la
existencia de movimiento (cuando se aprecia un pico se puede asegurar la existencia de
movimiento del paciente, pudiendo general un microdespertar). El nivel mínimo viene
determinado por la sensibilidad del electrodo, que visualmente se reflejará en la señal en
un nivel mínimo de ruido. La etapa de sueño que menor amplitud de EMG presenta es
la fase REM en la que se presenta atonia o ausencia de actividad muscular (el EMG
presenta ruido de nivel muy pequeño acompañado del ritmo cardiaco o sinusoidal). Por
el contrario, la fase donde más nivel EMG existe es la fase de vigilia.
Figura 32. Amplitud de los segmentos que componen la señal EMG.

48
Capitulo 3
Figura 33. Comparación de la amplitud de las señales registradas sobre los canales central y occipital.
En la Figura 33 se puede apreciar que las señales EEG son de muy bajo voltaje. La
amplitud es un posible indicador de etapa de sueño, debido a que en cada fase, las
señales tienen una amplitud característica. En fase W, REM y S1, la amplitud es
pequeña, mientras que a medida que entramos en sueño profundo, la amplitud de la
onda va creciendo.
3.4.2. Frecuencia Central o Ritmo Dominante
La frecuencia central o ritmo dominante es el segundo parámetro importante en el
proceso de clasificación de un segmento. Muchos investigadores han intentado definir
alguna medida representativa de la frecuencia promedio; sin embargo no hay consenso
en una medida adecuada con respecto a las dificultades añadidas de la señal EEG, como
son la contribución de las componentes armónicas o el ruido existente. Debido a estas
dificultades, lo que daremos será una estima en el sentido estadístico.
Existen tres tipos de estima frecuencial que envuelven distintos parámetros:
. Estimación frecuencial de un tono único: la señal es única, sinusoide de frecuencia
constante. Se trata del problema de estima de frecuencia más simple.
. Estimación frecuencial multi armónica: la señal está compuesta de la suma de
sinusoides relacionadas armónicamente.
. Estimación frecuencial multi tono: se dan diversos tonos de frecuencia no
relacionada. Este problema ocurre en el análisis de señales que contienen emisiones
de más de una fuente.
A su vez, los métodos de estima frecuencial se ven afectados principalmente por
cuatro medidas de prestaciones: desviación y variación frecuencial, armónicos y ruido.

49
Capitulo 3
A continuación se detalla alguna de las técnicas para la estima de la frecuencia
fundamental, con alguna de sus características más importantes [10]:
1. Técnica de cruces por cero: insensible a frecuencias armónicas. Se puede
mejorar incorporando un análisis de las opciones de filtrado del método de
demodulación.
2. Técnica de error por mínimos cuadrados.
3. Método de Newton: Emplea el método iterativo de Newton para resolver un
sistema no lineal de ecuaciones.
4. Técnicas de filtrado: Kalman. Reduce la computación en tiempo real y
soluciona problemas de oscilación frecuencial. Por el contrario, presenta un
mal comportamiento en presencia de armónicos, está muy afectado por el
ruido y ante errores en fase tendremos un error mayor en la estima.
5. Métodos DFT con ajuste polinómico: Suprimen parte de los armónicos de la
señal, permitiendo una implementación en tiempo real.
6. Técnica de demodulación: puede manejar cualquier número de armónicos en
la señal, aunque obtiene una señal compleja y filtra las componentes
frecuenciales más bajas.
7. Modelos Simples no lineales: mínimos cuadrados recursivos y media por
mínimos cuadrados.
8. Frecuencia Centroide: considera la desviación frecuencial y los armónicos
existentes en la señal. Aconsejable para estima en tiempo real por su baja
carga computacional. Recursivo y de fácil implementación.
Estos métodos emplean en su mayor parte un modelo de señal sinusoidal, y se basan
en la Transformada de Fourier (FT) o la Transformada Wavelet (WT). Por otro lado,
alguno de los algoritmos necesita tiempo para computación y estimación, por lo que no
se puede aplicar en caso de medidas en tiempo real.
En el caso de la señal EEG, tenemos una señal multi tono que puede contener a su
vez componentes armónicas (además contiene un ancho de banda muy pequeño y
contenido en muy bajas frecuencias). Antes de calcular la frecuencia central de un
determinado segmento, nos hemos de cerciorar de que el segmento ha sido filtrado
correctamente, de modo que las frecuencias contenidas representen las frecuencias
correctas de la señal EEG.
Esta característica es muy importante para asociar un segmento a un determinado
patrón de sueño, ya que la principal diferencia entre los distintos patrones de sueño es la
frecuencia o banda que los da nombre (ritmos beta, alpha, delta, theta…).
Banda Delta: 0.5 – 4 Hz
Banda Tetha: 4 - 8 Hz
Banda Alpha: 8 – 13 Hz
Banda Beta: > 13 Hz.

50
Capitulo 3
Cada una de las fases de sueño está caracterizada por la presencia de alguna de las
bandas, por lo que una buena estima frecuencial nos ayudará a determinar cual es la fase
de sueño a la que pertenece el segmento en cuestión. En el presente estudio se analizan
y comparan dos de las técnicas de estima frecuencial multi tono y multi armónica: la
primera basada en un método autorregresivo, y la segunda basada en una
transformación al dominio de Fourier para calcular la densidad espectral de potencia, a
la que sigue un cálculo del centro de gravedad para así detectar la frecuencia
fundamental de fragmento de señal analizado.
En este proyecto final de carrera hemos implementado dos algoritmos de estimación
de la frecuencia central que detallaremos a continuación; el primero se basa en un
modelo lineal Autorregresivo de Segundo Orden y el segundo se trata de un método de
estima de la frecuencia centroide a partir de la Transformada de Fourier.
. Modelo Autorregresivo de Segundo Orden (AR-2)
Se trata de un enfoque no paramétrico, y su versión moderna es el análisis espectral
empírico basado en estimadores de la densidad espectral de potencia del proceso
estocástico estacionario en cuestión. Por lo tanto, la señal se modela como un proceso
estocástico estacionario [3].
El método sugerido calcula el ritmo dominante a partir de un modelo autorregresivo
de segundo orden (AR-2), que rastrea las frecuencias centrales con los coeficientes de
un modelo de orden reducido. Al tratarse de un modelo, el filtro eliminará componentes
de señal fuera de la banda de interés. En el caso de la señal EEG (multi tono y multi
armónica), la selección de un orden p adecuado es muy importante: si p es demasiado
grande, frecuencias espúreas pueden estar presentes; si p es demasiado pequeño,
entonces información importante sobre algunas frecuencias puede perderse. La hipótesis
es que el orden reducido del modelo AR compensará para modelos de orden superior
adecuando la señal de modo que refleje su distribución de potencia. Específicamente, el
valor frecuencial derivado de los coeficientes AR estimados de un modelo de segundo
orden está afectado por la potencia relativa de cada componente frecuencial de la señal
de entrada.
El modelo AR supone que el filtro FIR es todo-polos, por lo que el numerador de su
función de transferencia es una constante. La expresión para el filtro es la siguiente:
2
2
1
1
2
1
)( −−−
−−
=
zaza
G
zHAR (7)
, donde conocidos los coeficientes a1 y a2 y la constante G, queda definido el filtro. El
ritmo dominante de todo el registro polisomnográfico se muestra en la Figura 34 y es
obtenido a partir de la respuesta en frecuencia de dicho filtro para cada uno de los
segmentos.

Tecnicas de procesado de PSGs- Martín

Tecnicas de procesado de PSGs- Martín

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (20)

Similar a Tecnicas de procesado de PSGs- Martín

Similar a Tecnicas de procesado de PSGs- Martín (20)

Último

Último (11)

Tecnicas de procesado de PSGs- Martín