Characterización de la complejidad en señales
electroencefalográficas
Autores: M. Escalona-Morán
Tutor: M.G. Cosenza
Resumen
La búsqueda de maneras de caracterizar la complejidad
de estructuras y patrones emergentes en sistemas compuestos
por muchos elementos interactivos ha sido un foco de
atención en la física y en muchas otras áreas
de las ciencias en tiempos recientes. En este trabajo hemos
desarrollado un algoritmo para calcular en forma práctica
la complejidad de un sistema basado en la definición de
complejidad estadística introducida por Lopez-Ruiz,
Mancini y Calbet (LMC). Mediante este algoritmo, hemos
calculado la complejidad de señales
electroencefalográficas (EEG) multicanales. Hemos
utilizado el método de Análisis de Componentes
Principales (PCA) para reducir la dimensionalidad de las
señales. Las componentes principales obtenidas son luego
usadas para calcular la complejidad LMC. Aplicamos este
método para caraterizar señales EEG de $10$ sujetos
sanos y $30$ pacientes epilépticos. Los valores de
complejidad obtenidos permiten establecer diferencias
relevantes entre estos grupos de individuos y demuestran que
la patología epileptica está asociada a un estado
de menor complejidad cerebral que el caso de los sujetos
sanos. Para estudiar la complejidad asociada al comportamiento
colectivo del cerebro, hemos obtenido el campo medio
instantáneo de cada señal EEG y hemos calculado la
complejidad LMC a partir de esta variable para los mismos
grupos de individuos. En este caso las diferencias de valores
de complejidad entre los pacientes epilépticos y los
sujetos sanos también son significativas. Este resultado
implica que cantidades globales como la media del EEG
contienen información relevante acerca del comportamiento
colectivo del cerebro. Para interpretar estos resultados,
hemos empleado un modelo de red de mapas caóticos
globalmente acoplados, en el cual ocurre comportamiento
colectivo no trivial, es decir comportamiento colectivo
ordenado coexistiendo con caos local. La complejidad de la
red se ha calculado como función de la intensidad de
acoplamiento entre los elementos, en el caso en que éstos
son homogéneos y cuando son heterogéneos. Se encuentra
que la complejidad del sistema aumenta cuando emerge un
comportamiento colectivo no trivial y que esa complejidad
varía en distintos rangos del parámetro de
acoplamiento. Esto sugiere que los valores mayores de
complejidad obtenidos en sujetos sanos en relación con
pacientes epilépticos pueden estar relacionados con la
presencia de comportamientos colectivos cerebrales mas
organizados en el primer grupo de individuos.
Nuestros resultados muestran que los conceptos y herramientas
desarrolladas en el estudio de los sistemas complejos pueden
tener amplia aplicación y, en particular, pueden servir
como mecanismos complementarios para el diagnóstico y la
investigación de sistemas fisiológicos, incluyendo
patologías cerebrales.
|