FORMATO DE GUÍA DE PRÁCTICA DE LABORATORIO / TALLERES /

CENTROS DE SIMULACIÓN – PARA DOCENTES

CARRERA: TELECOMUNICACIONES ASIGNATURA: SEÑALES Y SISTEMAS

NRO. PRÁCTICA: 1 TÍTULO PRÁCTICA: Analisis de señales EEG
AUTORES: Erik Salinas Velez
OBJECTIVES General Objective:
- Obtener las señales EEG de una persona la cual experimenta un compañero en clases.
- Obtain EEG signals from a person who experiences a classmate.

1. Verifique los siguientes conceptos teóricos:

a) Registrar los datos de los electrodos
b) Eliminar los primeros datos que no son relevantes
INSTRUCCIONES: c) Aplicar el filtro para poder acondicionar la señal (ofset).
d) Eliminar señales que se consideren ruido
e) Aplivar la transformada Wavelet para señales consideradas ruido

ACTIVIDADES DESARROLLADAS
1. MARCO TEORICO:
Existen dos modalidades en que una interfaz registra la actividad cerebral atendiendo a la técnica empleada para
recoger los datos: invasivas y no invasivas. Las interfaces invasivas utilizan micro electrodos implantados en el
cerebro que miden la actividad de las neuronas, individualmente consideradas. Por su parte, la mayoría de las
interfaces no invasivas se basan en el electroencefalograma (EEG), que indica la actividad eléctrica del cerebro
medida con electrodos superficiales colocados sobre el cuero cabelludo. Refleja la actividad síncrona de miles de
neuronas corticales, por lo que nos proporciona información detallada sobre la actividad local de pequeñas regiones
cerebrales. Se caracteriza, además, por señales de pequeñísima amplitud y de gran variabilidad en el tiempo, así
como por tener una SNR pobre. Por otro lado, si tenemos en cuenta la naturaleza del patrón que genera la actividad
cerebral, encontramos otros dos tipos, endógenas y exógenas. [1]
Diagrama funcional de los lóbulos.
• Lóbulo Frontal, asociada con emociones, resolución de problemas, el habla y el movimiento.
• Lóbulo Occipital, contiene las principales regiones utilizadas para tareas de visión
• Lóbulo temporal, se le relaciona con el escucha y la memoria.
• Lóbulo parietal, está asociado al dolor, sensaciones del gusto, y participa en las actividades de resolución de
problemas
• Lóbulo Insular y Lóbulo límbico, no se puede medir su actividad eléctrica debido a que están ubicados dentro del
cerebro.[1][2]

Imagen 1 Estructura de los lobulos en el cerebro. [1]

Posicionamiento de electrodos 10-20

Existe una nomenclatura de los electrodos, que obedece a la región cerebral sobre la que yacen y una numeración
que va de menor a mayor, empezando desde áreas anteriores hacia posteriores y, correspondiendo los números
impares al lado izquierdo y los pares al derecho.[3]
Sistema Internacional 10-20 para la colocación de los electrodos extracraneales. Las letras señalan el área (Fp,
prefrontal; F, frontal; C, central; P, parietal; T, temporal y O, occipital), mientras que los números designan el
hemisferio (pares del derecho, nones del izquierdo) y los electrodos de la línea media se señalan con una z, por lo
que Fz se encuentra frontalmente en la línea media. [3][4]

Imagen 2 Orientación para la colocación de los electrodos utilizando el sistema 10-20.[3]

Características de la actividad cerebral

La actividad cortical recogida en el EEG, se compone de un número variado de ondas que aparecen aisladas o en
grupos (ritmo). Estas ondas, se diferencian unas y otras por los siguientes parámetros: Frecuencia: número de veces
que aparece un tipo de onda formando parte de un ritmo. [4]
Se expresa en ciclos por segundo o Hz estableciéndose las siguientes bandas de frecuencia:
Delta: actividad de menos de 3 Hz.
Theta: actividad de 4 a 6 Hz.
Alfa: actividad de 7 a 12 Hz.
Beta: actividad de más de 13 Hz.[4]

Imagen 3 Contacto de electrodos.[5]

Transformada Wavelet

Los Wavelets permiten representaciones de funciones en las cual se retiene tanto la escala como la información
espacial. Muchas funciones pueden ser aproximadas con gran exactitud usando sólo un pequeño número de
coeficientes wavelet. El uso de la Transformada Wavelet para extracción de características puede ser descripto de
varias maneras. Puede ser usado como una técnica de filtrado para la remoción de los componentes de alta
frecuencia incluidas en los datos, o usado como un método para representar la información de manera sucinta.
Alternativamente, tiene excelentes propiedades para la compresión de datos. La Transformada Wavelet Discreta
(DWT) transforma un vector de datos de longitud n en otro vector de coeficientes wavelets de longitud n, usando un
conjunto de n funciones bases ortogonales llamadas wavelets.
La DWT es similar a la Transformada de Fourier en algunos aspectos, a diferencia de las funciones base seno y
coseno de la Transformada de Fourier, los wavelets están localizados en el espacio así también como en la escala.[6]

2. DESARROLLO
Para la colocación del casco Emotiv epoc el cabello del usuario debe estar corto para que esto permita tener buen
contacto con los electrodos hacia el cuero cabelludo y los sensores puedan adquirir correctamente las señales de
cada región del cerebro. Para el análisis de las señales adquiridas con el casco de EEG se utilizará el software Matlab
Finalmente se realizará la comparación de cómo reacciono nuestro voluntario al mirar varias imágenes que se las
mostro 2 veces desde un computador estas imágenes tuvieron ordenes aleatorios cuando se las mostraron al usuario.
Adquisición de las señales
En el análisis de las señales nos vamos a centrar en los datos obtenidos por los electrodos, los cuales se encuentran
en un archivo Excel, trabajaremos con el estimulo 1 y luego con el estimulo 2, Una vez terminado el arreglo de datos
procedemos a llamarlos desde el programa Matlab para trabajar con ellos

Imagen 4 Trasladamos los archivos exel a matlab.

Una ves obtenidos los datos los graficamos:

Imagen 5 Grafica obtenida en excell

A continuación creamos un filtro butterworth con las frecuencias de corte deseadas y graficamos.

Imagen 6 Filtro Butterworth en matlab.

 Imagen 7 Señal aplicada filtro Butterworth con el objetivo de eliminar el ofset que se generó

Una ves aplicado el filtro, eliminamos los picos -200>x>200 con offset

Imagen 8 La señal obtenida anteriormente podemos apreciar que existen picos de voltaje, los cuales, con considerados

Imagen 9 Grafica de las señales para las frecuencias beta, los cuales esta asociados a estados de alerta.

Aplicamos la correlación entre la gráfica original y los datos de la transformada wavelet

Imagen 10 Grafica de la Correlacion entre la grafica original y la transformada wavelet

 Realizando la correlación respectiva obtuvimos que

Imagen 11 Resultado de la Correlación

3. ANALISIS
Los datos adquiridos para cada uno de los casos se pueden interpretar mediante diferentes softwares lo cual permitía
analizar el comportamiento cuando el cerebro se enfrenta a diversas situaciones en este caso el de identificar colores,
es decir la actividad neuronal que se genera cuando una persona está en estado de alerta las señales a analizar
serán las que estén dentro de frecuencias. Nuestro compañero tuvo diferentes estimulaciones al ver imágenes
aleatorias las cuales las pudimos comparar que los resultados de las señales en beta fueron diferentes a los
diferentes estímulos que se le aplico.
Obteniendo de en relación entre las 10 imágenes siendo las siguiente: 1 con 3, 2 con 2, 3 con 7, 4 con 5, 5 con 6, 6
con 9, 7 con 7, 8 con 10, 9 con 1 y 10 con 4.

4. CONCLUSIONS:
Las señales eléctricas son producidas en el cerebro, el cerebro emana señales eléctricas de baja frecuencia por lo
que se necesita electrodos para que se pueda obtener datos, con estos datos podemos procesarlos para poder
interpretar dichos resultados, por lo que se puede llegar a la conclusión que cuando una persona está expuesta a un
sistema de relajación las señales captadas son casi limpias es decir no existe variaciones en la frecuencia captada,
mientras que cuando una persona está frente a una situación en la cual el cerebro está atento a cualquier tipo de
estímulo es decir se mantiene en un estado de alerta, esto se puede observar en las señales debido a que en este
caso ya existe variación de frecuencia esta variación se le puede atribuir a las señales que emana el cerebro mismo
y al ruido que se incorpora debido a estar realizando algún tipo de acción.
Electrical signals are produced in the brain, the brain emanates low frequency electrical signals so electrodes are
needed so that data can be obtained, with this data we can process them to interpret these results, so we can reach
the conclusion that when a person is exposed to a relaxation system the signals captured are almost clean, that is,
there are no variations in the frequency captured, whereas when a person is facing a situation in which the brain is
alert to any type of stimulus it is say it is kept in a state of alert, this can be observed in the signals because in this
case there is already variation of frequency this variation can be attributed to the signals emanating from the brain
itself and the noise that is incorporated due to doing some kind of action.

5. Bibliografia

[1] http://neuromarca.com/blog/los-lobulos-del-cerebro-y-sus-funciones/.apsx
[2] https://mundomayor.com/RedMM/Blogs/TabId/126/ArtMID/756/ArticleID/1089/L243bulos-cerebrales.aspx
[3] http://www.juntadeandalucia.es/servicioandaluzdesalud/huvvsites/default/files/revistas/ED-094-07.pdf
[4] https://anestesiar.org/2012/electroencefalografia-en-cuidados-criticos/
[5] Diapositivas del tutor/Leonardo Bueno/ Biomedical engineering introduction/2017
[6] http://www.exa.unicen.edu.ar/escuelapav/cursos/wavelets/apunte.pdf

Nombre de los estudiantes: ERIK SALINAS

Firma de los Estudiantes: _______________________________