APLICACIÓN DEL CÁLCULO DE LA ENTROPÍA PARA EL ESTUDIO DE REGISTROS ELECTROENCEFALOGRÁFICOS

Javier Gonzáles; Carlos Granados; Hernán López; Iván Torres

Javier Gonzáles
Carlos Granados
Hernán López
Iván Torres

Resumen

Los registros electroencefalográficos (EEG) son señales de tipo electrofisiológicas caracterizadas por su alto grado de aleatoriedad y bajos niveles de amplitud. Por su gran complejidad, necesitan ser analizadas mediante la utilización de técnicas no lineales, como es el caso del cálculo de la entropía. La importancia del tratamiento de este tipo de señales radica en que debido a sus características, son susceptibles a las interferencias producidas por agentes externos como otros equipos alrededor e internos como los movimientos musculares. Esta propuesta de trabajo se enfoca en el uso del cálculo de la entropía aproximada, para caracterizar regularidad de registros EEG. Los algoritmos implementados están basados en el planteamiento matemático realizado por Steven Pincus (Pincus, 1991) referente a la entropía aproximada, en Joshua S. Richman y J. Randall Moorman (Moorman, 2000) referente a la entropía muestral y en los algoritmos desarrollados por George B. Moody (Moody, 2001).

Citas

[1]. THAKOR, N. V.; TONG, S. (2004) "Advances in quantitative electroencephalogram analysis methods", Annu. Rev. Biomed. Eng., 6:453-495.
[2]. H. KANTZ AND T. SCHREIBER. (2005). "Nonlinear Time Series Analysis", Cambridge: Cambridge.
[3]. BRISMAR T. (2007). "The human EEG - Physiological and clinical studies". Physiol Behav, doi: 10.1016/j.physbeh.2007.05.047.
[4]. O. A. ROSSO ET AL. (2001). "Wavelet entropy: a new tool for analysis of short duration brain electrical signals". Journal of Neuroscience Methods (105), pp 65-75.
[5]. JOSÉ L. GUTIÉRREZ, GUSTAVO F. NEER Y LAURA R. DE VIÑAS. (2005). "Diagnóstico de Epilepsia a Distancia: una aplicación de la telemedicina". Buenos Aires: s.n.
[6]. A. DELORME, T. SEJNOWSKI AND S. MAKEIG. (2007). "Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis", Neuroimage 34, pp 1443-1449.
[7]. DANIEL ABÁSOLO BAZ ET AL. (2006). "Análisis no lineal de la señal electroencefalográfica (EEG) para la ayuda en el diagnóstico de la enfermedad de Alzheimer", Madrid: s.n.
[8]. S. M. PINCUS AND A. L. GOLDBERGER. (1994). "Physiological time series analysis: what does regularity quantify?", Amer. J. Physiol., vol. 66, pp. H1643-H1656.
[9]. JOSHUA S. RICHMAN AND J. RANDALL MOORMAN. (2000). "Physiological time-series analysis using approximate entropy and sample entropy, Am J Physiol Heart Circ Physiol", vol 278, pp H2039-H2049.