Introduciendo SigProU, una interfaz gráfica de usuario para el análisis y procesamiento de señales EEG

  • Alina Santillán Guzmán Universidad Popular Autónoma del Estado de Puebla Puebla - México
  • Azael Campeche Ramírez Universidad Popular Autónoma del Estado de Puebla Puebla - México

Resumen

Las señales electroencefalográficas (EEG) suelen ser procesadas digitalmente usando diversos softwares como Python y MATLAB. En este artículo se presenta una interfaz gráfica de usuario para llevar a cabo el filtrado pudiendo elegir filtros pasa-bajas, pasa-altas, pasa-banda y rechaza-banda en diferentes aproximaciones (Butterworth, Chebyshev I, Chebyshev II o inverso, Elíptico). Asimismo, es posible realizar el análisis en tiempo (calculando la varianza, curtosis, correlación) y frecuencia (obteniendo la densidad espectral de potencia y la coherencia), así como el despliegue de mapas topográficos de señales EEG. La interfaz gráfica, llamada SigProU, ha sido desarrollada en MATLAB y se ha realizado la versión ejecutable para que pueda ser usada en cualquier computadora, aún sin tener el software instalado. SigProU es una interfaz amigable e intuitiva y fue comparada con EEGLAB, una interfaz comúnmente usada para el procesamiento de señales EEG. Es conveniente mencionar que no se pretende competir con dicha interfaz, sino más bien mostrar una herramienta más para el procesamiento de las señales EEG

Palabras clave: interfaz gráfica de usuario, EEG, procesamiento

Descargas

La descarga de datos todavía no está disponible.

Citas

Atluri, S., Frehlich, M., Mei, Y., García L., Rogasch, NC., Wong, W., Daskalakis ZJ. y Farzan, F. (2016). TMSEEG: A MATLAB-Based Graphical User Interface for Processing Electrophysiological Signals during Transcranial Magnetic Stimulation. Front Neural Circuits, 7, 10-78. https://doi.org/10.3389/fncir.2016.00078

Christoph, M., Koening, T., Brandeis, D., Gianotti, L. y Wackermann, J. (2009), Electrical Neuroimaging, Cambridge.

Delorme, A. y Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods, 134(1), 9-21. https://doi.org/10.1016/j.jneumeth.2003.10.009

FastICA. FastICA MATLAB package [Internet]. 2018, Nov. Available from: https://research.ics.aalto.fi/ica/fastica/code/dlcode.shtml

Heumann, C., Schomaker, M. y Shalabh. (2016). Measures of Central Tendency and Dispersion. Introduction to Statistics and Data Analysis (pp. 50-52). Suiza,Springer Nature.

Huang, NE et al. (1998). The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences, 454, 903-995. https://doi.org/10.1098/rspa.1998.0193

Hyvärinen, A. y Oja, E. (2000). Independent component analysis: Algorithms and applications. Neural Networks 13(4-5), 411-430. doi: https://doi.org/10.1016/S0893-6080(00)00026-5.

Hyvärinen, A. (1999). Fast and Robust Fixed-Point Algorithms for Independent Component Analysis. IEEE on Transactions on Neural Networks, 10(3), 626-634. https://doi.org/10.1109/72.761722

Ille, N. (2001). Artifact correction in continuous recordings of the electro-and magneto-encephalogram by spatial filtering (PhD thesis). Universität Mannheim.

Malvino, A. P. (2000). Principios de Electrónica. España: Mc Graw Hill.

Mecarelli, O. (2019) . Clinical Electroencephalography, Springer.

Niso, G. et al. (2013) HERMES: towards an integrated toolbox to characterize functional and effective brain connectivity. Neuroinformatics, 11(4), 405-434, https://doi.org/10.1007/s12021-013-9186-1

Sanei, S., y Chambers, J. (2007). EEG Signal Processing. England: John Wiley & Sons Ltd. https://doi.org/10.1002/9780470511923.

Selvı A. O., Ferıkoğlu, A., Güzel, D. y Karagöz, E. (2017). Design and implementation of EEG signal based brain computer interface for eye blink detection. 2017 International Conference on Computer Science and Engineering (UBMK), 544-548. https://doi.org/10.1109/UBMK.2017.8093458

Van Drongelen, W. (2007). LTI Systems, Convolution, Correlation, and Coherence. Signal Processing for Neuroscientists (pp. 136-142). Elsevier

Vigário, R., Särelä, J., Jousmäki, V., Hämäläinen, M. y Oja, E. (2000). Independent component approach to the analysis of EEG and MEG recordings. IEEE Transactions on Biomedical Engineering, 47(5), 589-593. https://doi.org/10.1109/10.841330

Publicado
2021-12-22
Cómo citar
Santillán Guzmán, A., & Campeche Ramírez, A. (2021). Introduciendo SigProU, una interfaz gráfica de usuario para el análisis y procesamiento de señales EEG. Ciencia Latina Revista Científica Multidisciplinar, 5(6), 13060-13074. https://doi.org/10.37811/cl_rcm.v5i6.1307
Sección
Artículos