RT info:eu-repo/semantics/masterThesis
T1 Estudio de nuevas aproximaciones metodológicas para identificar de forma precisa la activación de fuentes cerebrales mediante LORETA
A1 Bueno Pacheco, Daniel
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Electroencefalografía
K1 sLORETA
K1 ROI
K1 Área de Brodmann
K1 Nivel de sensor
K1 Nivel de fuente
AB En este Trabajo de Fin de Máster (TFM) se han generado y analizado señales electroencefalográficas (EEG) sintéticas en diferentes escenarios, con el objetivo de diseñar y evaluar nuevos filtros espaciales para mejorar la localización de fuentes cerebrales con el método sLORETA (standardized Low Resolution Brain Electromagnetic Tomography).A diferencia de otros métodos disponibles para registrar la actividad cerebral, el EEG es una técnica que se caracteriza por una alta precisión temporal, un fácil uso, muy amplio en el entorno clínico, y un bajo coste. Sin embargo, las señales EEG se ven influidas por las diferencias en la conductividad del cuero cabelludo, el cráneo y el cerebro, por el número y posición de electrodos utilizados, y por la ubicación espacial de las fuentes cerebrales. Los electrodos proporcionan una medida del potencial eléctrico del cerebro, que denominaremos señales a nivel de sensor, y en base a este potencial se pueden localizar las fuentes cerebrales que lo han generado, lo que denominaremos señales a nivel de fuente. La hipótesis de trabajo del TFM se basa en quela utilización de nuevos filtros espaciales permitiría mejorar la localización de las fuentes cerebrales en relación a los métodos convencionales que se utilizan para estimar la activación en ROIs (Regions Of Interest) con el método sLORETA.Para poder analizar el error obtenido a la hora de localizar fuentes cerebrales se han diseñado e implementado nuevos filtros espaciales. Estos filtros espaciales dividen la corteza cerebral en 84 ROIs, que se corresponden con las 42 áreas de Brodmann en cada hemisferio cerebral. El error de localización estimado se ha analizado en términos de diversos estadísticos, como la media, la desviación típica y la dispersión, con el fin de poder caracterizar su distribución.Los resultados muestran que la aplicación de los filtros espaciales propuestos permite obtener precisiones de localización de las fuentes cerebrales similares a los métodos convencionales. No obstante, este trabajo es solo un primer paso para el diseño de nuevos algoritmos que permitan disminuir el error en la localización de fuentes cuando se utiliza el algoritmo sLORETA con señales EEG.
YR 2019
FD 2019
LK http://uvadoc.uva.es/handle/10324/39006
UL http://uvadoc.uva.es/handle/10324/39006
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 21-nov-2024