medigraphic.com

2011, Número 2

<< Anterior Siguiente >>

Rev Mex Ing Biomed 2011; 32 (2)


Desarrollo de una interfaz gráfica para el análisis no-lineal de series de tiempo: electroencefalogramas

Medel-Rojas A, De La Rosa-Orea G, López-Oglesby J, Morales-Acoltzi T, González-Pérez M

Idioma: Español
Referencias bibliográficas: 20
Paginas: 86-92
Archivo PDF: 280.11 Kb.


RESUMEN

Objetivo: Desarrollamos una interfaz gráfica para el grupo de rutinas en ejecutables del paquete TISEAN (Time Series Analysis) que permite el estudio del comportamiento de series de tiempo (ST) asociadas a procesos de la naturaleza. Metodología: Aplicando el lenguaje de programación MATLAB™, desarrollamos un programa híbrido que nos permite desplegar gráficamente los resultados de las rutinas en ejecutable de TISEAN. La base de datos (BD), está formada por 10 señales de EEG, de personas con predisposición genética al alcoholismo, 5 son alcohólicas (EEG-A) y 5 controladas (EEG-C), muestreadas con 64 electrodos, a 256Hz. Resultados: Se realizaron experimentos numéricos con ST teóricas, mundialmente conocidas para probar la metodología propuesta. Al aplicar ésta, encontramos que ambos tipos de ST tienen un comportamiento no lineal. Los cálculos de los invariantes de las ST de EEG permiten observar diferencias en las formas y valores de las dimensiones de los atractores para los grupos EEG-A y EEG-C. Conclusión: Se desarrolló un programa computacional híbrido como interfaz entre dos paquetes aceptados por la comunidad científica, mostrando la factibilidad de ser usado por médicos, para que les permita obtener precursores a partir de las señales EEG; por ejemplo, distinguir individuos de dos clases de pacientes.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. EEG-Setdata of the University of California, Irvine:http://kdd.ics.uci.edu/databases/eeg/eeg.full.html (Last modified: October 14, 1999).

  2. Aokia R, Wakeb H, Sasakia H, Agatac K. Recording and spectrum analysis of the planarian electroencephalogram. Neuroscience 2009; 159(2, 17): 908-914.

  3. Elif Derya Übeyl. Adaptive neuro-fuzzy inference system for classification of ECG signals using Lyapunov exponents. Computer Methods and Programs in Biomedicine 2009; 93(3): 313-321.

  4. Elif Derya Übeyli. Automatic detection of electroencephalographic changes using adaptive neuro-fuzzy inference system employing Lyapunov exponents. Expert Systems with Applications 2009; 36(5): 9031-9038.

  5. Han M, Wang Y. Analysis and modeling of multivariate chaotic time series based on neural network. Expert Systems with Applications 2009; 36(2, 1): 1280-1290.

  6. Abarbanel HDI. Analysis of observed chaotic data, New York: Springer-Verlag 1996.

  7. Wang K, Fan A, Torres A. Global properties of an improved hepatitis B virus model. Nonlinear Analysis: Real World Applications 2010; 11(4): 3131-3138.

  8. John PA. Ioannidis “Limits to forecasting in personalized medicine: An overview”. International Journal of Forecasting 2009; 25: 773-783.

  9. Tejera E, Nieto-Villar JM, Rebelo I. Unexpected heart rate variability complexity in the aging process of arrhythmic subjects. Commun Nonlinear Sci Numer Simulat 2010; 15: 1858-1863.

  10. Dejun Fan, Ling Hong. Hopf bifurcation analysis in a synaptically coupled FHN neuron model with delays. Commun Nonlinear Sci Numer Simulat 2010; 15: 1873-1886.

  11. Liming Cai, Shumin Guo, XueZhi Li, Mini Ghosh. Global dynamics of a dengue epidemic mathematical model. Chaos, Solitons and Fractals 2009; 42: 2297–2304.

  12. Pascolo P, Carniel R, Grimaz S. Dynamical models of the human eye and strabismus. Chaos, Solitons & Fractals 15 September 2009; 41(5): 2463-2470.

  13. Sandra RF, Gois SM, Savi MA. An analysis of heart rhythm dynamics using a three-coupled oscillator model. Chaos Solitons & Fractals 2009; 41(5): 2553-2565.

  14. Gordoa PR. A note on solutions of an equation modeling arterial deformation. Chaos, Solitons & Fractals 2007; 33(5): 1505-1511.

  15. Rainer H, Kantz H, Schreiber T. Practical implementation of nonlinear time series methods: The TISEAN package. Chaos 1999; 9(2): 413-435.

  16. Hughes JR. The EEG in psychiatry: An Outline with summarized points and references. Clin Electroenceph 1995; 26(2): 92-101.

  17. Hughes JR. A review of the usefulness of the standard EEG in psychiatry. Clin Electroenceph 1996; 27(1): 35-39.

  18. Hughes JR, John ER, Buchsbaum MS, Crayton JW. Conventional and quantitative electroencephalography in psychiatry. A report for the Steering Committee of the American Psychiatric Electrophysiological Association. EEG in Psychiatry 1996: 1-37.

  19. Rifà-Ros X, Fuentemilla L, Viader-Junyent M, Grau C. Diferencias en la dimensionalidad del electroencefalograma entre vigilia y sueño profundo. Psicothema 2008; 20(4): 964-968.

  20. Fraser M, Swinney HL. Independent coordinates for strange attractors from mutual information. Phys Rev A 1986; 33: 1134.




2020     |     www.medigraphic.com