Electrofisiología Cuantitativa Aplicada




Image




Image

Neurociencias Computacionales en Biofeedback y QEEG Biofeedback

Biofeedback

Actualmente el desarrollo de software para Biofeedback se basa en los modelos de análisis de señales. Las plataformas modernas de los sistemas de Biofeedback deben ser compatibles con los programas de análisis de señales más versátiles.

Image
Neurofeedback Clásico

El Neurofeedback Clásico debe estar fundamentado de los avances mas recientes en las Neurociencias Computacionales. Ya es posible usar los análisis tradicionalmente reservados para los sistemas de mapeo cerebral con los sistemas de 2 y 4 canales de NFB.

Image

Electrofisiología Cuantitativa Aplicada

Los sistemas de Biofeedback con funcionalidades para el registro multimodal (EMG, ECG, Resp, Temp, SC, HRV y BVP) son los indicados para el trabajo clínico, el entrenamiento en rendimiento óptimo y la investigación: básica, aplicada y clínica. Su funcionalidad, basada en la Electrofisiología Cuantitativa, permite la operación y configuración del software en dos niveles: durante el registro y antes del registro con la configuración básica de sus rutinas de operación. La capacidad de almacenar amplias bibliotecas de aplicaciones (de origen y creadas por el usuario) convierte a los sistemas de Biofeedback Multimodal (BM), en sofisticados dispositivos de registro capaces de generar archivos de amplia compatibilidad con las plataformas de análisis de señales y datos más versátiles.

Características y Funcionalidades


Nuestro software de Electrofisiología Cuantitativa genera archivos de amplia compatibilidad con las plataformas de análisis de señales y datos, más versátiles. Es una herramienta precisa en la generación de los datos que contienen las series de tiempo que han sido motivo del estudio. Conservan su fidelidad e integridad. Estas características permiten el análisis gráfico de los datos fuera de línea. ES posible el uso de recursos como el programa Veusz o el programa Plotly. Sus funcionalidades ofrecen las herramientas de análisis de series de tiempo, que permiten al especialista la visualización de los datos en un marco que responde a los criterios de publicación científica más rigurosos. Los datos provenientes de los estudios hechos con nuestras plataformas de BM pueden analizarse regularmente con las herramientas habituales de las Neurociencias Computacionales.

Desarrollo de Aplicaciones

Desde hace varios años nos hemos dedicado al desarrollo de herramientas confeccionadas a la medida, para el análisis de las señales obtenidas con nuestros sistemas de BM. Usando regularmente MATLAB®, potente plataforma de programación y análisis de datos, basada en un lenguaje de procesamiento matricial, estamos desarrollando plataformas autónomas para el análisis de las señales biológicas generadas con nuestros sistemas. Nuestros modelos de análisis de series de tiempo de ECG, EMG y datos de BVP, incluidos todos en una aplicación autónoma de bajo mantenimiento, están diseñados para realizar análisis finos y precisos de los datos de estudios con BM. Esta funcionalidad permite su preprocesamiento y filtrado, la visualización de las propiedades de interés, su modelación y visualización con diferentes tipos de imágenes de graficación. La integración de los reportes de los estudios resulta ser el producto de rutinas de pre y procesamiento de las series de tiempo, en un ambiente avanzado de análisis de las señales biológicas.

Análisis de Señales en Neurofeedback Clásico


El análisis de las señales EEG fuera de línea en el Neurofeedback Clásico siempre ha sido muy limitado. Habitualmente, ha quedado reservado a los sistemas de mapeo cerebral bajo la errónea creencia de que son los únicos diseñados para hacer registros cuantitativos. Desde los primeros modelos de sistemas de Neurofeedback Clásico, el principio básico que subyace a su forma de adquisición de datos es precisamente la cuantitativa.
Por otra parte la funcionalidad del análisis de los datos fuera de línea y la descripción de los resultados ha sido limitada. Los datos obtenidos al final de cada registro solo refieren en tablas con el promedio de la amplitud de las bandas objeto del estudio y las comparaciones básicas de ratios de las bandas de interés o las que han sido previamente programadas por los fabricantes.
En el diseño de software para el análisis de los datos de estudios de Neurofeedback Clásico, hemos considerado los formatos más completos producto de la investigación y el desarrollo en las Neurociencias Computacionales que pueden ser usados con los datos de nuestros sistemas de Neurofeedback Clásico.

Soluciones de Software


En el desarrollo de nuestras soluciones de software para sistemas de Neurofeedback Clásico decidimos seguir la línea del análisis de descomposición de frecuencias y de ahí proceder a realizar los análisis y las descripciones de los datos pertinentes. Nuestras soluciones están basadas en procedimientos de exploración de las series de tiempo que permiten destacar las propiedades de las diferentes señales EEG, en cada una de las condiciones del registro. La línea base y las diferentes etapas de intervención mediante retroalimentación, durante la sesión de tratamiento y/o entrenamiento.
Para este propósito se sigue una línea de análisis de datos a partir del filtrado de la señal, el establecimiento de las bandas de paso y de rechazo, la referenciación del registro y la identificación de los segmentos inservibles del registro -los segmentos malos- y los canales contaminados -los canales malos-. Los datos provenientes de estudios de Neurofeedback Clásico, por la naturaleza de las condiciones en las que se hacen los registros con los diferentes procedimientos de intervención, regularmente generan la incidencia de diferentes tipos de artefactos: biológicos y no biológicos. Esta característica propia de la intervención y sus efectos en los datos siempre han representado un importante problema para su análisis y con frecuencia ha dejado en entredicho la validez de los resultados de las intervenciones de Neurofeedback Clásico. Ningún estudio, debe de ser reportado con análisis que incluyan a los segmentos contaminados por los artefactos o los datos generados por los electrodos y los canales malos. Nuestras soluciones de software de análisis de datos se basan en el principio de que la duración de las sesiones de intervención y entrenamiento genera el suficiente material para la selección de los segmentos que no estén contaminados y con una duración, estadísticamente significativa (más de 40 segs).De ahí en adelante es posible proceder a realizar el análisis de los datos de las sesiones y las intervenciones completas.

Apoyo en una Plataforma Robusta


Nuestra solución de software, de funcionamiento autónomo y bajo mantenimiento, se ha construido en la plataforma MATLAB® y siguiendo estrictamente los más altos estándares que dicta dicha plataforma junto con los lineamientos generados en la investigación básica y aplicada más reciente en las Neurociencias Computacionales.
Hemos optado por seguir una secuencia de análisis que implica el análisis de los datos generados por nuestros sistemas a la
taza de muestreo, para importarlos en nuestra plataforma de análisis y de ahí proceder a: remover el DC offset, establecer las bandas de paso y de rechazo (band-stop filter), filtrar los datos mediante la eliminación de los artefactos con el procedimiento de identificación de los componentes independientes (ICA) (infomax algorithm UCSD) y de los segmentos y electrodos malos. El siguiente paso en el procedimiento es la inspección de las propiedades de cada canal con un análisis de frecuencias, usando para ello la representación de los datos en un escalograma cuya resolución permite al mismo tiempo la identificación de la amplitud de la señal, sus bandas de distribución y la congruencia de éstos datos en todo el registro. El siguiente análisis está constituido por la descomposición de frecuencias, la identificación de los componentes independientes representando los resultados en las imágenes de FFT, los topogramas y los escalogramas correspondientes.
Hemos conseguido adaptar los procedimientos de análisis de rutina de las Neurociencias Computacionales como un recurso asequible para el análisis de datos en los registros EEG en el Neurofeedback Clásico.

Análisis Funcional del Mapeo Cerebral y Descomposición de Frecuencias


Desde la primera edición del Sistema Neurometrics (Neurométrica) de E. Roy John en la década de 1970, el mapeo cerebral se ha realizado con el uso de las 19 posiciones de electrodos del sistema 10/20 Internacional como mínimo. Actualmente con el avance en el desarrollo tecnológico para los dispositivos de registro EEG, con sistemas que pueden alcanzar hasta los 512 canales; el mapeo cerebral presenta un panorama diferente con un gran futuro. La relación entre el desarrollo tecnológico y el desarrollo en las Neurociencias Computacionales proveen de un amplio portafolio de recursos para el análisis de la actividad EEG. No obstante, éstos beneficios no se han extendido a las aplicaciones del Neurofeedback Clásico. En esta área, el análisis de las señales EEG ha quedo limitado a los modelos de reportes de datos restringidos a tablas de promedios de la amplitud de ciertas bandas y en el mejor de los casos a la comparación de los ratios entre las bandas preestablecidas por los fabricantes. Desde hace algunos años apoyándonos en herramientas como el software EEGLAB-MATLAB® y la propia plataforma MATLAB® hemos desarrollado líneas de análisis y aplicaciones independientes para un análisis extenso de los datos provenientes de los sistemas de Neurofeedback Clásico.
Nuestras soluciones de análisis basadas en EEGLAB-MATLAB® y nuestras aplicaciones independientes basadas en MATLAB® están diseñada para la descomposición de frecuencias EEG, su representación topográfica dentro de una línea de preprocesamiento y análisis de la señal EEG que no se había hecho en el Neurofeedback Clásico. Estas soluciones de software son extensivas a nuestros sistemas BFC I-3 y Series A de 2 y 4 canales de EEG, los sistemas de mapeo Emotiv®, Mentalab®, mBrainTrain® y BitBrain®. Estas soluciones de software tienen herramientas que permiten la importación de datos de diferentes formatos: .txt, .csv, EDF, EDF+ entre otros.

NCBfc®
Neurociencias Computacionales


El Laboratorio de Neurociencias Computacionales de Bfc® se creo con el objetivo de generar conocimiento usando los métodos de punta en la reconstrucción de la actividad cerebral a partir de los datos del QEEG analizados para la generación de modelos de Neuroimagen.
Nuestro objetivo es el avance en la comprensión de la relación entre la estructura y la función cerebral. Entender la dinámica de esta relación antes, durante y después de la intervención con los procedimientos de Biofeedback y EEG Biofeedback en general, es un área de las neurociencias muy poco explorada. La recuperación funcional es un proceso muy dinámico que requiere de la reconstrucción de la actividad cerebral mediante diferentes métodos de neuroimagen que permitan la identificación de los procesos funcionales de la recuperación y su relación con las maniobras de intervención terapéutica.
Usamos recursos informáticos precisos, para la modelación tridimensional de rejillas cerebrales multicapas de alta resolución, que permiten establecer los modelos que son la base de nuestros análisis. Aplicamos procedimientos de precisión para el rastreo de la conectividad y para la identificación de los cambios funcionales en las redes neurales. Los modelos de análisis de la identificación de los procesos de localización funcional, están apoyados en procesos de anatomía computacional para obtener soluciones de morfometría, para la estimación local del monto del volumen cerebral implicado en los procesos en estudio, con un nivel de aproximación de la superficie, el grosor y la corrección topológica, para el mapeo y registro funcional esférico, apoyado en un proceso de asignación de etiquetas por regiones amplias de la corteza cerebral.
Buscamos la confiabilización de procedimientos ya desarrollados en otros laboratorios y clínicas en el mundo y de los propios, para promover el avance en la generación del conocimiento sobre los alcances de los métodos de recuperación funcional basados en la plasticidad neurofisiológica.
En nuestros modelos de estudio se ha desarrollado nuestro procesamiento de datos, incluyendo el análisis en tiempo real para los dispositivos BCI/neurofeedback.

NCBfc®
Neurociencias Computacionales

Estimación de las fuentes de la actividad cerebral.
La modelación anatómica precisa, la identificación de los dipolos y la localización de la fuente son un recurso de utilidad incuestionable en la generación de conocimiento sobre la estimación de la fuente de la actividad cerebral.
En nuestra línea de trabajo usamos diferentes soluciones para la modelación de las fuentes. El procedimiento implica la comparación de diferentes procesos para obtener diferentes modelos de aproximación de la localización. La modelación de la actividad cerebral con los dipolos activos, que son los modelos adecuados y equivalentes a la actividad electrofisiológica generada por los potenciales postsinápticos exitatorios, de los ensambles de neuronas locales, también conocidos como los potenciales globales de campo (GFP).
De los modelos disponibles para la estimación de las fuentes en el ámbito de las Neurociencias Computacionales, habitualmente recurrimos al uso de métodos para el mejor ajuste de los dipolos (FieldTrip® como opción de base) para la estimación de la posición y la amplitud de la posición en ventanas de tiempo relativamente cortas o modelos distributivos, en donde la localización y la orientación de un gran número de dipolos es fija. Como base, usamos las fuentes restringidas, la orientación de las restricciones referidas a un modelo entero del cerebro. Considerando el
problema del adelanto en la estimación de las fuentes, habitualmente usamos métodos de modelación adelantada para la validación de los resultados y usamos métodos de una sola esfera, esferas traslapadas y los métodos de Elementos Límites y de Elementos Finitos. Para la estimación de la fuente hemos seguido los modelos de solución propuestos en el Instituto Neurológico de Montreal (MNI) en la Universidad de McGill en una línea de análisis que permite la validación de los distintos procesos desarrollados hasta ahora para esta tarea. Para la estimación de los generadores de la actividad neural iniciamos con la estimación las fuentes mediante el método de imagen del Mínimo de la Norma (MN) y aplicamos el procedimiento para el Trazado del Haz Neural mediante la determinación de la Varianza Lineal con un Mínimo de Restricción (LCMV beamformers). Esto nos permite la generación de los mapas de la Densidad de Corriente, determinar la dinámica Estadística del Mapeo Paramétrico (dSPM) y el análisis con la TomogrAfía Electromagnética de Baja Resolución estandarizada (sLORETA).

Desarrollo de Herramientas de Software


En nuestras plataformas para el análisis de señales hemos considerado su preprocesamiento en los dominios de tiempo y frecuencia y la detección de patrones y tendencias características. Diseñamos filtros digitales IIR (respuesta infinita del impulso) y FIR (de respuesta finita), filtros multitasa, multiestado y adaptativos como opciones para el análisis con base en las propiedades de la señal y la necesidad en la profundidad de análisis.
Nuestros modelos se han construido considerando para el preprocesamiento la extracción de características específicas, el restablecimiento de la tasa de muestreo, el suavizamiento de la señal, la identificación y eliminación de tendencias para realizar las estimaciones adecuadas de los espectros de poder. Cuentan con herramientas para la extracción de puntos específicos, y envolturas de la señal, la localización de picos, la identificación de las frecuencias pico y de los diferentes patrones de señal entre muchas otras opciones.

Representación Topográfica

Nuestras soluciones para el análisis y la visualización de las señales están creadas con los elementos suficientes para seguir una línea de proceso que se replique sistemáticamente en cada caso, con las diferentes señales y con la robustez necesaria para mantener su estabilidad en cada una de sus etapas. Para la visualización, nuestras soluciones ofrecen opciones versátiles que inician con la visualización de las señales en la ventana de osciloscopio. En ellas es posible identificar los valores de poder por cada señal de manera independiente en el mismo momento del trazo con una resolución de milisegundos. Una segunda ventana en modo de osciloscopio muestra simultáneamente las mismas señales en un espectro de poder con la misma escala y resolución temporal. La visualización de las señales se complementa con un osciloscopio que en un modo de “paneo” facilita la inspección de las propiedades de las señales en épocas específicas, las que permiten ver su distribución temporal en conjunto, lo que ofrece el marco de referencia global para guiar la detección de las propiedades de cada una y proceder a un análisis más fino en las modalidades de escalogramas, espectros de persistencia y espectrogramas entre muchas otras opciones más.

Visualización Espectral del EEG

El análisis espectral es un paso fundamental en el análisis de las señales biológicas. Nuestras soluciones de software se han desarrollado considerando el uso de métodos no paramétricos, es posible aplicar al análisis la visualización con periodogramas, el uso del procedimiento de Welch para la promediación de segmentos traslapados y procesos de análisis de multitareas. Usando la plataforma MATLAB® nuestras soluciones también cuentan con la implementación de rutinas para el uso de métodos paramétricos de análisis del subespacio y la covarianza en la estimación de la coherencia espectral.
Las mediciones espectrales inician con el cálculo del ancho de banda y la determinación de la frecuencia media o mediana para la visualización de los espectros de poder. Establecen un ambiente en el que es posible medir la ratio señal-ruido, identificar los efectos totales de la distorsión armónica, determinar la ratio señal-ruido-distorsión y medir la distorsión armónica.

Deep Learning

Bajo la plataforma Simulink® hemos incluido soluciones de Machine y Deep Learning en nuestras aplicaciones para el análisis de señales. Con ellas es posible clasificar las señales de ECG mediante el uso de Redes Largas de Memoria de Corto Plazo. Hacer un análisis de segmentación y asignación de etiquetas de sus atributos, proceder a un análisis de las Regiones de Interés (ROI’s) y la identificación de puntos.
Nuestras soluciones de software pueden etiquetar el complejo QRS y las ocurrencias del componente R en las señales del ECG. Este análisis se hace posible después de que nuestras soluciones de Machine y Deep Learning incluidas en nuestras aplicaciones realizan procesos de depuración del ruido y de tendencias, clasifican las series de tiempo mediante el análisis de las ondulaciones (wavelets) permitiendo su visualización en el despliegue de su segmentación. En síntesis, los procesos de Machine y Deep Learning, aplicados al análisis de profundidad y automatizado de la HRV.

La Automatización de Funciones en los Sistemas BFC y Series A


Con el software de nuestros sistemas de Biofeedback y Neurofeedback Clásico cada especialista tiene a su disposición una gama de cerca de 40 pantallas para la retroalimentación, ya sea en gráficos convencionales de imágenes geométricas, osciloscopios con las señales análogas y la funcionalidad de la retroalimentación multimedia de amplio espectro para imagen y video mediante su propia interfaz multimedia, nuestros sistemas tienen la capacidad de soportar la programación de sesiones completas de trabajo, del inicio al fin.
La sesión puede tener cualquier duración, incluir la presentación de diferentes tipos de estímulos (stroop por ejemplo), instrucciones específicas sobre el trabajo de cada una de sus etapas, material de lectura o baterías de pruebas neuropsicológicas entre muchas otras opciones.
Cada tarea puede ser programada con propiedades independientes como: su duración, su lugar específico en la secuencia del programa, una pantalla de retroalimentación específica o las instrucciones de una tarea a seguir, entre muchas otras opciones más.
También tienen programas variados ya instalados que fueron diseñados por especialistas, probados y configurados con la mayoría de las opciones disponibles en el sistema y con una estructura específica, que aprovecha el uso de los recursos que ya fueron instalados, cuando se instaló el programa de Biofeedback y/o Neurofeedback Clásico.
En todos los programas, las tareas que los forman, pueden incluir cualquiera de los recursos del sistema para otorgar la retroalimentación, incluyendo los umbrales de la sesión anterior en cada una de las señales con las que se ha trabajado en cada caso en particular.

Individualización y Automatización de Sesiones


Esta forma de trabajo permite la individualización de cada tratamiento o intervención, con la versatilidad suficiente para que el especialista diseñe las sesiones que habrán de operar automáticamente con su propio estilo, los requerimientos específicos de cada uno de sus pacientes o clientes e incluso distinga sus programas con su identidad personal, firma corporativa, logotipo o dirección en la web.
Las capacidades de almacenamiento de nuestros sistemas en las bibliotecas correspondientes son muy amplias. No afectan la funcionalidad de los registros ya que al estar almacenadas localmente cuando se activa un programa para una sesión y un paciente en particular, solo este programa estará activo consumiendo una cantidad mínima de recursos para no entorpecer el registro electrofisiológico y el almacenamiento de sus datos.
Esta funcionalidad permite al especialista destinar la mayor parte del tiempo a la atención del paciente reduciendo al mínimo el tiempo que deberá de usar en la operación del sistema de Biofeedback y/o Neurofeedback Clásico.
La automatización de los procedimientos de intervención en nuestros sistemas son el elemento distintivo de su funcionalidad autónoma.
El especialista puede programar y automatizar las sesiones de evaluación, tratamiento y seguimiento para cada paciente o cliente en todas las modalidades de intervención terapéutica y para todos los trastornos de salud o con todas las modalidades de entrenamiento en rendimiento óptimo y de bienestar.

NCBfc®
Neurociencias Computacionales

Rastreo Funcional del QEEG en Funciones Cognoscitivas


En la línea de investigación sobre la medición, el trazado y la identificación de los efectos de los procedimientos de intervención mediante el uso de los dispositivos BCI/neurofeedback seguimos los modelos y las herramientas de análisis propuestas en las Neurociencias Computacionales. En particular para esta línea de investigación hemos decidido usar el modelo que ha propuesto el Centro Swartz para Neurociencia Computacional del Instituto de Computación Neural de la Universidad de California en San Diego (UCSD). De quienes, entre muchas otras cosas agradecemos su gran apoyo con el acceso ilimitado a su Supercomputadora mediante el Portal: Neuroscience Gateway (NSG) para procesar análisis pesados de grupos de casos clínicos similares o sujetos participantes en una de nuestras investigaciones.
Bajo la plataforma EEGLAB-MATLAB® estudiamos la dinámica independiente de las redes neurales en su interacción subyacente a los procesos neurales de alertamiento, atención, creatividad y emociones antes, durante y al finalizar los procesos de intervención terapéutica de
Neurociencias Aplicadas usando los dispositivos BCI/neurofeedback.
El estudio de procesos, como el acoplamiento de frecuencias múltiples, que puedan ocurrir durante funciones como el recuerdo, los procesos premotoras (
preparación motora), la focalización de la atención, es un camino para identificar factores naturales de predicción, caracterización, evaluación, desviación y evolución de la recuperación funcional generada mediante los procedimientos de intervención terapéutica con los recursos de Neurofeedback Clásico y QEEG Biofeedback y es uno de nuestros principales objetivos de investigación.

NCBfc®
Neurociencias Computacionales

El Proceso de Análisis de Datos


Trabajando con los modelos del Centro Swartz para Neurociencia Computacional del Instituto de Computación Neural de de la Universidad de California en San Diego (CSNC-UCSD) hemos adaptado procesos y desarrollamos herramientas (Toolboxes) interactivas dentro de la plataforma MATLAB® para el procesamiento continuo de los datos de EEG y QEEG incorporando el Análisis de los Componentes Independientes (ICA), el análisis en los dominios de tiempo y frecuencia, el rechazo de los artefactos (biológicos y no biológicos) análisis estadístico de eventos (feedback procedures) con recursos útiles para la visualización de datos promediados y de análisis independiente entre muchas otros modelos de estudio de datos. Usamos la plataforma EEGLAB-MATLAB® como ambiente de programación para el acceso y almacenamiento, la medición, manipulación y visualización de datos de EEG y QEEG. Con una gran biblioteca de herramientas para el procesamiento de datos nuestra línea de análisis implica la importación de los datos ya obtenidos a la plataforma, la disminución de su tasa de muestreo, el filtrado de banda ancha, la remoción de la línea de ruido, la detección y rechazo de los “canales malos”, la re-referenciación de los datos, la extracción de épocas de datos, el rechazo de los datos contaminados con ruido, ejecutamos a descomposición de los componentes independientes (ICA), la selección de los componentes ICA y el ajuste de los dipolos equivalentes. Realizado este proceso básico y común a todos nuestros datos el camino de análisis tiene dos grandes rutas. La primera es el análisis de grupo mediante la generación de un estudio para de ahí realizar un el preprocesamiento de datos correspondiente, el precómputo de medidas en los canales y de los componentes independientes, proceder a la determinación del análisis estadístico y la visualización de los resultados. La visualización se realiza con topogramas, potenciales de eventos, grupos de datos (Clusters) y los resultados estadísticos con los topogramas de Componentes.
En los análisis individuales la línea más frecuente después del preprocesamiento inicial es la revisión de los procesos en el tiempo, la visualización de los eventos y el análisis y la localización de las
fuentes de la actividad EEG.

Image
QEEG Biofeedback

La practica actual del QEEG Biofeedback requiere de ser validada con los procedimientos de EEG-Neuroimagen. El desarrollo metodológico en las Neurociencias Computacionales ha creado las aplicaciones para el análisis de la localización de las fuentes de la señal EEG.

Image

Si requiere de más información consulte la lista de referencias:

© 2021 Biofeedback Center® Escríbanos

Biofeedback Center® usa cookies y otras tecnologías de rastreo para mejorar su experiencia al visitarnos, personalizará su contenido y analizará el tráfico para entender a su audiencia y satisfacer su visita. Leer más.