stringtranslate.com

Electroencefalografía

La electroencefalografía ( EEG ) es un método para registrar un electrograma de la actividad eléctrica espontánea del cerebro . Se ha demostrado que las bioseñales detectadas por EEG representan los potenciales postsinápticos de las neuronas piramidales en la neocorteza y la alocorteza . [1] Por lo general, no es invasivo y los electrodos de EEG se colocan a lo largo del cuero cabelludo (comúnmente llamado "EEG del cuero cabelludo") utilizando el sistema Internacional 10-20 , o variaciones del mismo. La electrocorticografía , que implica la colocación quirúrgica de electrodos, a veces se denomina " EEG intracraneal ". La interpretación clínica de los registros de EEG se realiza con mayor frecuencia mediante inspección visual del trazado o análisis cuantitativo de EEG .

Las fluctuaciones de voltaje medidas por el bioamplificador y los electrodos de EEG permiten la evaluación de la actividad cerebral normal . Como la actividad eléctrica monitorizada por EEG se origina en las neuronas del tejido cerebral subyacente , los registros realizados por los electrodos en la superficie del cuero cabelludo varían según su orientación y la distancia a la fuente de la actividad. Además, el valor registrado es distorsionado por tejidos y huesos intermediarios, que actúan de manera similar a resistencias y condensadores en un circuito eléctrico . Esto significa que no todas las neuronas contribuirán por igual a una señal de EEG, ya que un EEG refleja predominantemente la actividad de las neuronas corticales cerca de los electrodos en el cuero cabelludo. Las estructuras profundas del cerebro más alejadas de los electrodos no contribuirán directamente a un EEG; estos incluyen la base de la circunvolución cortical , las paredes mesiales de los lóbulos principales , el hipocampo , el tálamo y el tronco del encéfalo . [2]

Un EEG humano sano mostrará ciertos patrones de actividad que se correlacionan con el nivel de vigilia de una persona. El rango de frecuencias que se observa está entre 1 y 30 Hz, y las amplitudes variarán entre 20 y 100 μV. Las frecuencias observadas se subdividen en varios grupos: alfa (8 a 13 Hz), beta (13 a 30 Hz), delta (0,5 a 4 Hz) y theta (4 a 7 Hz). Las ondas alfa se observan cuando una persona está en un estado de vigilia relajada y son predominantemente prominentes en los sitios parietales y occipitales. Durante la actividad mental intensa , las ondas beta son más prominentes en las zonas frontales así como en otras regiones. Si se le dice a una persona relajada que abra los ojos, se observa una disminución de la actividad alfa y un aumento de la actividad beta. Las ondas theta y delta no se ven en vigilia , y si se ven, es un signo de disfunción cerebral. [2]

El EEG puede detectar descargas eléctricas anormales , como ondas agudas , picos o complejos de picos y ondas que se observan en personas con epilepsia ; por lo tanto, se utiliza a menudo para informar el diagnóstico médico . El EEG puede detectar el inicio y la evolución espacio-temporal (ubicación y tiempo) de las convulsiones y la presencia de estado epiléptico . También se utiliza para ayudar a diagnosticar trastornos del sueño , profundidad de la anestesia , coma , encefalopatías , hipoxia cerebral después de un paro cardíaco y muerte cerebral . El EEG solía ser un método de diagnóstico de primera línea para tumores , accidentes cerebrovasculares y otros trastornos cerebrales focales, [3] [4] pero este uso ha disminuido con la llegada de técnicas de imágenes anatómicas de alta resolución, como la resonancia magnética (MRI). ) y tomografía computarizada (TC). A pesar de su limitada resolución espacial, el EEG sigue siendo una herramienta valiosa para la investigación y el diagnóstico. Es una de las pocas técnicas móviles disponibles y ofrece una resolución temporal de milisegundos, que no es posible con CT, PET o MRI.

Los derivados de la técnica EEG incluyen los potenciales evocados (PE), que implican promediar la actividad del EEG en el tiempo determinado por la presentación de un estímulo de algún tipo (visual, somatosensorial o auditivo). Los potenciales relacionados con eventos ( ERP ) se refieren a respuestas EEG promediadas que están sincronizadas en el tiempo para un procesamiento más complejo de estímulos; esta técnica se utiliza en ciencia cognitiva , psicología cognitiva e investigación psicofisiológica .

Usos

Epilepsia

Una configuración de grabación de EEG utilizando el sistema 10-10 de colocación de electrodos.

El EEG es el procedimiento de diagnóstico de referencia para confirmar la epilepsia . Se ha informado que la sensibilidad de un EEG de rutina para detectar descargas epileptiformes interictales en los centros de epilepsia está en el rango de 29 a 55%. [5] Dada la sensibilidad baja a moderada, un EEG de rutina (normalmente con una duración de 20 a 30 minutos) puede ser normal en personas que tienen epilepsia. Cuando un EEG muestra descargas epileptiformes interictales (por ejemplo, ondas agudas, picos, picos y ondas , etc.), confirma la epilepsia en casi todos los casos (alta especificidad ); sin embargo, hasta el 3,5% de la población general puede tener anomalías epileptiformes. en un EEG sin haber tenido nunca una convulsión (baja tasa de falsos positivos ) [5] o con un riesgo muy bajo de desarrollar epilepsia en el futuro. [6]

Cuando un EEG de rutina es normal y existe una alta sospecha o necesidad de confirmar la epilepsia, se puede repetir o realizar con una duración más prolongada en la unidad de monitorización de epilepsia (UME) o en casa con un EEG ambulatorio. Además, existen maniobras activadoras como la estimulación fótica, la hiperventilación y la privación del sueño que pueden aumentar el rendimiento diagnóstico del EEG. [5]

Unidad de Vigilancia de la Epilepsia (UEM)

En ocasiones, un EEG de rutina no es suficiente para establecer el diagnóstico o determinar el mejor curso de acción en términos de tratamiento. En este caso, se puede intentar registrar un EEG mientras se produce una convulsión . Esto se conoce como registro ictal , a diferencia de un registro interictal, que se refiere al registro EEG entre convulsiones. Para obtener una grabación ictal, generalmente se realiza un EEG prolongado acompañado de una grabación de audio y video sincronizada en el tiempo. Esto se puede hacer de forma ambulatoria (en casa) o durante un ingreso hospitalario, preferiblemente en una Unidad de Monitoreo de Epilepsia (UME) con enfermeras y otro personal capacitado en el cuidado de pacientes con convulsiones. Los videoEEG ambulatorios para pacientes ambulatorios suelen durar de uno a tres días. Una admisión a una Unidad de Monitoreo de Epilepsia generalmente dura varios días, pero puede durar una semana o más. Mientras está en el hospital, los medicamentos para las convulsiones generalmente se retiran para aumentar las probabilidades de que se produzca una convulsión durante el ingreso. Por razones de seguridad, no se retiran los medicamentos durante un EEG fuera del hospital. Por lo tanto, los videoEEG ambulatorios tienen la ventaja de ser convenientes y menos costosos que un ingreso hospitalario, pero también tienen la desventaja de una menor probabilidad de registrar un evento clínico. [7]

La monitorización de la epilepsia a menudo se considera cuando los pacientes continúan teniendo eventos a pesar de estar tomando medicamentos anticonvulsivos o si existe la preocupación de que los eventos del paciente tengan un diagnóstico alternativo, por ejemplo, convulsiones psicógenas no epilépticas , síncope (desmayo) , trastornos del movimiento subcortical , variantes de migraña , ictus, etc. En casos de crisis epilépticas, la monitorización EEG continua ayuda a caracterizar las convulsiones y a localizar/lateralizar la región del cerebro en la que se origina la convulsión. Esto puede ayudar a identificar opciones de tratamiento apropiadas sin medicamentos. [8] En el uso clínico, los neurólogos analizan visualmente los rastros de EEG para observar diversas características. Cada vez más, el análisis cuantitativo del EEG se utiliza junto con el análisis visual. Las pantallas de análisis cuantitativo, como el análisis del espectro de potencia, la relación alfa-delta, el EEG integrado de amplitud y la detección de picos, pueden ayudar a identificar rápidamente segmentos de EEG que necesitan un análisis visual detallado o, en algunos casos, usarse como sustitutos para la identificación rápida de convulsiones en pacientes de larga duración. grabaciones de términos.

Otros trastornos cerebrales

Un EEG también podría ser útil para diagnosticar o tratar los siguientes trastornos: [9]

También puede:

Unidad de Cuidados Intensivos (UCI)

El EEG también se puede utilizar en unidades de cuidados intensivos para monitorear la función cerebral, para monitorear convulsiones no convulsivas/estado epiléptico no convulsivo, para monitorear el efecto de sedantes/anestesia en pacientes en coma inducido médicamente (para el tratamiento de convulsiones refractarias o aumento intracraneal) . presión ), y para monitorear el daño cerebral secundario en condiciones como la hemorragia subaracnoidea (actualmente un método de investigación).

En los casos en los que se sospecha una lesión cerebral importante, por ejemplo, después de un paro cardíaco, el EEG puede proporcionar cierta información de pronóstico.

Si un paciente con epilepsia está siendo considerado para cirugía resectiva , a menudo es necesario localizar el foco (fuente) de la actividad cerebral epiléptica con una resolución mayor que la proporcionada por el EEG del cuero cabelludo. En estos casos, los neurocirujanos suelen implantar tiras y rejillas de electrodos o electrodos de profundidad penetrantes debajo de la duramadre , ya sea a través de una craneotomía o un orificio de trépano . El registro de estas señales se denomina electrocorticografía (ECoG), EEG subdural (sdEEG), EEG intracraneal (icEEG) o EEG estereotáctico (sEEG). La señal registrada en el ECoG está en una escala de actividad diferente a la actividad cerebral registrada en el EEG del cuero cabelludo. Los componentes de bajo voltaje y alta frecuencia que no se pueden ver fácilmente (o no se pueden ver en absoluto) en el EEG del cuero cabelludo se pueden ver claramente en el ECoG. Además, los electrodos más pequeños (que cubren una porción más pequeña de la superficie del cerebro) permiten una mejor resolución espacial para reducir las áreas críticas para el inicio y la propagación de las convulsiones. Algunos sitios clínicos registran datos de microelectrodos penetrantes. [10]

EEG ambulatorio domiciliario

A veces es más conveniente o clínicamente necesario realizar registros EEG ambulatorios en el domicilio del paciente. Estos estudios suelen tener una duración de 24 a 72 horas. [ cita necesaria ]

Uso en investigación

El EEG y el estudio relacionado de los ERP se utilizan ampliamente en neurociencia , ciencia cognitiva , psicología cognitiva , neurolingüística e investigación psicofisiológica , así como para estudiar funciones humanas como la deglución. [11] [12] [13] Cualquier técnica de EEG utilizada en la investigación no está suficientemente estandarizada para uso clínico, y muchos estudios de ERP no informan todos los pasos de procesamiento necesarios para la recopilación y reducción de datos, [14] limitando la reproducibilidad y replicabilidad. de muchos estudios. Pero la investigación sobre discapacidades mentales, como el trastorno del procesamiento auditivo (APD), ADD o ADHD , es cada vez más conocida y los EEG se utilizan para investigación y tratamiento. [ cita necesaria ]

Ventajas

Existen varios otros métodos para estudiar la función cerebral, incluida la resonancia magnética funcional (fMRI), la tomografía por emisión de positrones (PET), la magnetoencefalografía (MEG), la espectroscopia de resonancia magnética nuclear (NMR o MRS), la electrocorticografía (ECoG), la emisión de fotón único computarizada. tomografía (SPECT), espectroscopia de infrarrojo cercano (NIRS) y señal óptica relacionada con eventos (EROS). A pesar de la sensibilidad espacial relativamente pobre del EEG, las "señales unidimensionales de regiones periféricas localizadas en la cabeza lo hacen atractivo por su fidelidad simplista y ha permitido un alto rendimiento de investigación clínica y básica". [15] Por lo tanto, el EEG posee algunas ventajas sobre algunas de esas otras técnicas:

El EEG también tiene algunas características que se comparan favorablemente con las pruebas de comportamiento:

[27]

Desventajas

Con otras técnicas de neuroimagen

Se han obtenido con éxito registros EEG y exploraciones por resonancia magnética funcional simultáneamente, [32] [33] [34] [35] aunque grabar ambas al mismo tiempo requiere superar varias dificultades técnicas, como la presencia de artefactos balistocardiográficos, artefactos de pulso por resonancia magnética y la inducción de corrientes eléctricas en los cables del EEG que se mueven dentro de los fuertes campos magnéticos de la resonancia magnética. Si bien son un desafío, estos se han superado con éxito en varios estudios. [36] [37]

Las resonancias magnéticas producen imágenes detalladas creadas mediante la generación de fuertes campos magnéticos que pueden inducir fuerzas de desplazamiento y torsión potencialmente dañinas. Estos campos producen calentamiento por radiofrecuencia potencialmente dañino y crean artefactos en las imágenes que las inutilizan. Debido a estos riesgos potenciales, solo se pueden utilizar ciertos dispositivos médicos en un entorno de RM.

Del mismo modo, también se han realizado registros simultáneos con MEG y EEG, lo que presenta varias ventajas respecto al uso de cualquiera de las dos técnicas por separado:

Recientemente, se ha investigado un enfoque combinado EEG/MEG (EMEG) con el fin de reconstruir la fuente en el diagnóstico de epilepsia. [39]

El EEG también se ha combinado con la tomografía por emisión de positrones . Esto proporciona la ventaja de permitir a los investigadores ver qué señales de EEG están asociadas con diferentes acciones de los fármacos en el cerebro. [40]

Estudios recientes que utilizan técnicas de aprendizaje automático , como redes neuronales con características temporales estadísticas extraídas de datos de ondas cerebrales EEG del lóbulo frontal , han demostrado altos niveles de éxito en la clasificación de estados mentales (Relajado, Neutral, Concentrado), [41] estados emocionales mentales (Negativo, Neutral, Positivo) [42] y arritmia talamocortical . [43]

Mecanismos

La carga eléctrica del cerebro es mantenida por miles de millones de neuronas . [44] Las neuronas están cargadas eléctricamente (o "polarizadas") mediante proteínas transportadoras de membrana que bombean iones a través de sus membranas. Las neuronas intercambian constantemente iones con el medio extracelular, por ejemplo para mantener el potencial de reposo y propagar potenciales de acción . Los iones de carga similar se repelen entre sí, y cuando muchos iones son expulsados ​​de muchas neuronas al mismo tiempo, pueden empujar a sus vecinos, quienes empujan a sus vecinos, y así sucesivamente, en una onda. Este proceso se conoce como conducción de volumen. Cuando la onda de iones llega a los electrodos del cuero cabelludo, pueden empujar o tirar de los electrones del metal de los electrodos. Dado que el metal conduce fácilmente el empuje y la atracción de electrones, la diferencia en los voltajes de empuje o atracción entre dos electrodos cualesquiera se puede medir con un voltímetro . El registro de estos voltajes a lo largo del tiempo nos da el EEG. [45]

El potencial eléctrico generado por una neurona individual es demasiado pequeño para ser captado por EEG o MEG. [46] Por lo tanto, la actividad EEG siempre refleja la suma de la actividad sincrónica de miles o millones de neuronas que tienen una orientación espacial similar. Si las células no tienen una orientación espacial similar, sus iones no se alinean y crean ondas que pueden ser detectadas. Se cree que las neuronas piramidales de la corteza producen la mayor cantidad de señales EEG porque están bien alineadas y se activan juntas. Debido a que los gradientes del campo de voltaje disminuyen con el cuadrado de la distancia, la actividad de fuentes profundas es más difícil de detectar que las corrientes cercanas al cráneo. [47]

La actividad EEG del cuero cabelludo muestra oscilaciones en una variedad de frecuencias. Varias de estas oscilaciones tienen rangos de frecuencia característicos , distribuciones espaciales y están asociadas con diferentes estados de funcionamiento del cerebro (por ejemplo, la vigilia y las distintas etapas del sueño ). Estas oscilaciones representan actividad sincronizada a través de una red de neuronas. Se comprenden las redes neuronales subyacentes a algunas de estas oscilaciones (p. ej., la resonancia talamocortical subyacente a los husos del sueño ), mientras que muchas otras no (p. ej., el sistema que genera el ritmo básico posterior). La investigación que mide tanto el EEG como los picos neuronales encuentra que la relación entre los dos es compleja, con una combinación de potencia del EEG en la banda gamma y fase en la banda delta que se relaciona más fuertemente con la actividad de los picos neuronales. [48]

Método

Electroencefalógrafo informático Neurovisor-BMM 40 producido y ofrecido en Rusia

En el EEG del cuero cabelludo convencional, el registro se obtiene colocando electrodos en el cuero cabelludo con un gel o pasta conductora, generalmente después de preparar el área del cuero cabelludo mediante una ligera abrasión para reducir la impedancia debida a las células muertas de la piel. Muchos sistemas suelen utilizar electrodos, cada uno de los cuales está conectado a un cable individual. Algunos sistemas utilizan tapas o redes en las que se incrustan electrodos; Esto es particularmente común cuando se necesitan conjuntos de electrodos de alta densidad. [ cita necesaria ]

Las ubicaciones y los nombres de los electrodos están especificados por el sistema Internacional 10-20 [49] para la mayoría de las aplicaciones clínicas y de investigación (excepto cuando se utilizan matrices de alta densidad). Este sistema garantiza que la denominación de los electrodos sea coherente en todos los laboratorios. En la mayoría de las aplicaciones clínicas, se utilizan 19 electrodos de registro (más tierra y referencia del sistema). [50] Normalmente se utiliza una cantidad menor de electrodos cuando se registra el EEG de recién nacidos . Se pueden agregar electrodos adicionales a la configuración estándar cuando una aplicación clínica o de investigación exige una mayor resolución espacial para un área particular del cerebro. Los conjuntos de alta densidad (normalmente mediante tapa o red) pueden contener hasta 256 electrodos espaciados más o menos uniformemente alrededor del cuero cabelludo.

Cada electrodo está conectado a una entrada de un amplificador diferencial (un amplificador por par de electrodos); un electrodo de referencia del sistema común está conectado a la otra entrada de cada amplificador diferencial. Estos amplificadores amplifican el voltaje entre el electrodo activo y la referencia (normalmente entre 1.000 y 100.000 veces, o entre 60 y 100  dB de ganancia de voltaje). En el EEG analógico, la señal se filtra (párrafo siguiente) y la señal del EEG se emite a medida que los bolígrafos se desvían cuando el papel pasa por debajo. Sin embargo, hoy en día la mayoría de los sistemas EEG son digitales y la señal amplificada se digitaliza mediante un convertidor analógico a digital , después de pasar por un filtro antialiasing . El muestreo analógico a digital generalmente ocurre entre 256 y 512 Hz en el EEG clínico del cuero cabelludo; En algunas aplicaciones de investigación se utilizan frecuencias de muestreo de hasta 20 kHz.

Durante la grabación se podrán utilizar una serie de procedimientos de activación. Estos procedimientos pueden inducir una actividad EEG normal o anormal que de otro modo no se vería. Estos procedimientos incluyen hiperventilación, estimulación fótica (con luz estroboscópica), cierre de ojos, actividad mental, sueño y privación del sueño. Durante la monitorización (hospitalaria) de la epilepsia, es posible que se retiren los medicamentos anticonvulsivos típicos del paciente.

La señal digital de EEG se almacena electrónicamente y se puede filtrar para su visualización. Los ajustes típicos para el filtro de paso alto y el filtro de paso bajo son 0,5–1  Hz y 35–70 Hz respectivamente. El filtro de paso alto normalmente filtra artefactos lentos, como señales electrogalvánicas y artefactos de movimiento, mientras que el filtro de paso bajo filtra artefactos de alta frecuencia, como señales electromiográficas . Normalmente se utiliza un filtro de muesca adicional para eliminar los artefactos causados ​​por las líneas eléctricas (60 Hz en los Estados Unidos y 50 Hz en muchos otros países). [10]

Las señales de EEG se pueden capturar con hardware de código abierto como OpenBCI y la señal se puede procesar mediante software de EEG disponible gratuitamente como EEGLAB o Neurophysiological Biomarker Toolbox .

Como parte de una evaluación para una cirugía de epilepsia, puede ser necesario insertar electrodos cerca de la superficie del cerebro, debajo de la superficie de la duramadre . Esto se logra mediante trepano o craneotomía . Esto se conoce como "electrocorticografía (ECoG)" , "EEG intracraneal (I-EEG)" o "EEG subdural (SD-EEG)". También se pueden colocar electrodos de profundidad en estructuras cerebrales, como la amígdala o el hipocampo , estructuras que son focos epilépticos comunes y que pueden no "verse" claramente mediante EEG del cuero cabelludo. La señal electrocorticográfica se procesa de la misma manera que el EEG digital del cuero cabelludo (arriba), con un par de advertencias. El ECoG normalmente se registra a velocidades de muestreo más altas que el EEG del cuero cabelludo debido a los requisitos del teorema de Nyquist : la señal subdural se compone de un mayor predominio de componentes de mayor frecuencia. Además, muchos de los artefactos que afectan el EEG del cuero cabelludo no afectan el ECoG y, por lo tanto, a menudo no es necesario filtrar la visualización.

Una señal EEG humana adulta típica tiene una amplitud de aproximadamente 10 µV a 100 µV cuando se mide desde el cuero cabelludo. [51]

Dado que una señal de voltaje de EEG representa una diferencia entre los voltajes en dos electrodos, la visualización del EEG para el encefalógrafo de lectura se puede configurar de varias maneras. La representación de los canales EEG se denomina montaje.

Montaje secuencial
Cada canal (es decir, forma de onda) representa la diferencia entre dos electrodos adyacentes. Todo el montaje consta de una serie de estos canales. Por ejemplo, el canal "Fp1-F3" representa la diferencia de voltaje entre el electrodo Fp1 y el electrodo F3. El siguiente canal del montaje, "F3-C3", representa la diferencia de voltaje entre F3 y C3, y así sucesivamente a lo largo de toda la serie de electrodos.
Montaje referencial
Cada canal representa la diferencia entre un determinado electrodo y un electrodo de referencia designado. No existe una posición estándar para esta referencia; sin embargo, está en una posición diferente a la de los electrodos de "registro". Las posiciones de la línea media se utilizan a menudo porque no amplifican la señal en un hemisferio frente al otro, como Cz, Oz, Pz, etc., como referencia en línea. Las otras referencias populares fuera de línea son:
Montaje de referencia promedio.
Las salidas de todos los amplificadores se suman y promedian, y esta señal promediada se utiliza como referencia común para cada canal.
montaje laplaciano
Cada canal representa la diferencia entre un electrodo y un promedio ponderado de los electrodos circundantes. [53]

Cuando se utilizan EEG analógicos (en papel), el tecnólogo cambia entre montajes durante la grabación para resaltar o caracterizar mejor ciertas características del EEG. Con el EEG digital, todas las señales suelen digitalizarse y almacenarse en un montaje particular (normalmente referencial); Dado que cualquier montaje puede construirse matemáticamente a partir de cualquier otro, el electroencefalógrafo puede ver el EEG en cualquier montaje de visualización que desee.

El EEG lo lee un neurofisiólogo clínico o un neurólogo (según las costumbres y leyes locales relativas a las especialidades médicas ), de manera óptima uno que tenga capacitación específica en la interpretación de EEG con fines clínicos. Esto se hace mediante inspección visual de las formas de onda, llamadas grafoelementos. El uso del procesamiento informático de señales del EEG (la llamada electroencefalografía cuantitativa ) es algo controvertido cuando se utiliza con fines clínicos (aunque existen muchos usos en investigación).

Electrodos EEG secos

A principios de la década de 1990, Babak Taheri, de la Universidad de California, Davis demostró las primeras matrices de electrodos activos secos monocanal y también multicanal mediante micromecanizado. La construcción y los resultados del electrodo EEG seco de un solo canal se publicaron en 1994. [54] También se demostró que el electrodo dispuesto funciona bien en comparación con los electrodos de plata / cloruro de plata . El dispositivo constaba de cuatro sitios de sensores con electrónica integrada para reducir el ruido mediante adaptación de impedancias . Las ventajas de dichos electrodos son: (1) no se utiliza electrolito, (2) no hay preparación de la piel, (3) tamaño del sensor significativamente reducido y (4) compatibilidad con los sistemas de monitoreo EEG. El conjunto de electrodos activos es un sistema integrado formado por un conjunto de sensores capacitivos con circuitos integrados locales alojados en un paquete con baterías para alimentar los circuitos. Este nivel de integración era necesario para lograr el rendimiento funcional obtenido por el electrodo. El electrodo se probó en un banco de pruebas eléctrico y en sujetos humanos en cuatro modalidades de actividad EEG, a saber: (1) EEG espontáneo, (2) potenciales relacionados con eventos sensoriales, (3) potenciales del tronco encefálico y (4) eventos cognitivos. -potenciales relacionados. El rendimiento del electrodo seco se comparó favorablemente con el de los electrodos húmedos estándar en términos de preparación de la piel, sin requisitos de gel (seco) y una mayor relación señal-ruido. [55]

En 1999, investigadores de la Universidad Case Western Reserve , en Cleveland , Ohio , dirigidos por Hunter Peckham, utilizaron un EEG de casquete de 64 electrodos para devolver los movimientos limitados de la mano al tetrapléjico Jim Jatich. Mientras Jatich se concentraba en conceptos simples pero opuestos, como arriba y abajo, su salida de EEG de ritmo beta se analizó utilizando un software para identificar patrones en el ruido. Se identificó un patrón básico y se utilizó para controlar un interruptor: la actividad por encima del promedio se activó y la actividad por debajo del promedio se apagó. Además de permitir a Jatich controlar el cursor de una computadora, las señales también se utilizaron para controlar los controladores nerviosos incrustados en sus manos, restaurando algo de movimiento. [56]

En 2018, se informó sobre un electrodo seco funcional compuesto de un elastómero de polidimetilsiloxano lleno de nanofibras de carbono conductoras . Esta investigación se llevó a cabo en el Laboratorio de Investigación del Ejército de EE. UU . [57] La ​​tecnología EEG a menudo implica la aplicación de un gel en el cuero cabelludo que facilita una fuerte relación señal-ruido. Esto da como resultado resultados experimentales más reproducibles y confiables. Dado que a los pacientes no les gusta que les llenen el cabello con gel y que la larga preparación requiere personal capacitado disponible, utilizar el EEG fuera del laboratorio puede resultar difícil. [58] Además, se ha observado que el rendimiento de los sensores de electrodos húmedos se reduce después de un lapso de horas. [57] Por lo tanto, la investigación se ha dirigido al desarrollo de interfaces bioelectrónicas de EEG secas y semisecas. [ cita necesaria ]

Las señales de los electrodos secos dependen del contacto mecánico. Por lo tanto, puede resultar difícil obtener una señal utilizable debido a la impedancia entre la piel y el electrodo. [58] [57] Algunos sistemas de EEG intentan evitar este problema aplicando una solución salina. [59] Otros tienen una naturaleza semiseca y liberan pequeñas cantidades de gel al entrar en contacto con el cuero cabelludo. [58] Otra solución utiliza configuraciones de pasadores con resorte. Estos pueden resultar incómodos. También pueden ser peligrosos si se usaran en una situación en la que un paciente pudiera golpearse la cabeza, ya que podrían alojarse después de un incidente de traumatismo por impacto. [57]

Actualmente, se encuentran disponibles auriculares que incorporan electrodos secos con hasta 30 canales. [60] Dichos diseños son capaces de compensar parte de la degradación de la calidad de la señal relacionada con las altas impedancias optimizando la preamplificación, el blindaje y la mecánica de soporte. [61]

Limitaciones

El EEG tiene varias limitaciones. Lo más importante es su pobre resolución espacial. [62] El EEG es más sensible a un conjunto particular de potenciales postsinápticos: los generados en las capas superficiales de la corteza, en las crestas de las circunvoluciones que lindan directamente con el cráneo y radiales al cráneo. Las dendritas, que se encuentran más profundamente en la corteza, dentro de los surcos , en la línea media o en estructuras profundas (como la circunvolución del cíngulo o el hipocampo ), o que producen corrientes tangenciales al cráneo, tienen una contribución mucho menor a la señal del EEG.

Las grabaciones de EEG no capturan directamente los potenciales de acción axonales . Un potencial de acción se puede representar con precisión como un cuadrupolo actual , lo que significa que el campo resultante disminuye más rápidamente que los producidos por el dipolo actual de potenciales postsinápticos. [18] Además, dado que los EEG representan promedios de miles de neuronas, es necesaria una gran población de células en actividad sincrónica para causar una desviación significativa en las grabaciones. Los potenciales de acción son muy rápidos y, como consecuencia, las posibilidades de sumación de campos son escasas. Sin embargo, la retropropagación neuronal , como un dipolo de corriente dendrítico típicamente más largo, puede ser detectada por electrodos de EEG y es una indicación confiable de la aparición de salida neuronal.

Los EEG no sólo capturan corrientes dendríticas casi exclusivamente a diferencia de las corrientes axonales, sino que también muestran una preferencia por la actividad en poblaciones de dendritas paralelas y la transmisión de corriente en la misma dirección al mismo tiempo. Las neuronas piramidales de las capas corticales II/III y V extienden las dendritas apicales hasta la capa I. Las corrientes que suben o bajan por estos procesos subyacen a la mayoría de las señales producidas por la electroencefalografía. [63]

Por lo tanto, el EEG proporciona información con un gran sesgo para seleccionar tipos de neuronas y, en general, no debe utilizarse para hacer afirmaciones sobre la actividad cerebral global. Las meninges , el líquido cefalorraquídeo y el cráneo "difuminan" la señal del EEG, oscureciendo su origen intracraneal.

Es matemáticamente imposible reconstruir una fuente de corriente intracraneal única para una señal EEG determinada, [10] ya que algunas corrientes producen potenciales que se anulan entre sí. Esto se conoce como el problema inverso . Sin embargo, se ha trabajado mucho para producir estimaciones notablemente buenas de, al menos, un dipolo eléctrico localizado que represente las corrientes registradas. [ cita necesaria ]

EEG frente a fMRI, fNIRS, fUS y PET

El EEG tiene varios puntos fuertes como herramienta para explorar la actividad cerebral. Los EEG pueden detectar cambios en milisegundos, lo cual es excelente considerando que un potencial de acción tarda aproximadamente entre 0,5 y 130 milisegundos en propagarse a través de una sola neurona, según el tipo de neurona. [64] Otros métodos para observar la actividad cerebral, como PET , fMRI o fUS, tienen una resolución temporal de entre segundos y minutos. El EEG mide la actividad eléctrica del cerebro directamente, mientras que otros métodos registran cambios en el flujo sanguíneo (p. ej., SPECT , fMRI, fUS) o la actividad metabólica (p. ej., PET, NIRS ), que son marcadores indirectos de la actividad eléctrica del cerebro.

El EEG se puede utilizar simultáneamente con fMRI o fUS para que los datos de alta resolución temporal se puedan registrar al mismo tiempo que los datos de alta resolución espacial; sin embargo, dado que los datos derivados de cada uno ocurren en un transcurso de tiempo diferente, los conjuntos de datos no necesariamente representan exactamente la misma actividad cerebral. Existen dificultades técnicas asociadas con la combinación de EEG y fMRI, incluida la necesidad de eliminar el artefacto del gradiente de MRI presente durante la adquisición de la MRI. Además, se pueden inducir corrientes en los cables de los electrodos de EEG en movimiento debido al campo magnético de la resonancia magnética.

El EEG se puede utilizar simultáneamente con NIRS o fUS sin mayores dificultades técnicas. Estas modalidades no influyen entre sí y una medición combinada puede proporcionar información útil sobre la actividad eléctrica y la hemodinámica con una resolución espacial media.

EEG frente a MEG

"El EEG refleja la actividad sináptica correlacionada causada por los potenciales postsinápticos de las neuronas corticales ". Es posible que las corrientes iónicas involucradas en la generación de potenciales de acción rápida no contribuyan en gran medida a los potenciales de campo promediados que representan el EEG. [46] [65] Más específicamente, generalmente se cree que los potenciales eléctricos del cuero cabelludo que producen EEG son causados ​​por las corrientes iónicas extracelulares causadas por la actividad eléctrica dendrítica , mientras que los campos que producen señales magnetoencefalográficas [18] están asociados con corrientes iónicas intracelulares. [66]

Actividad normal

El EEG normalmente se describe en términos de (1) actividad rítmica y (2) transitorios. La actividad rítmica se divide en bandas por frecuencia. Hasta cierto punto, estas bandas de frecuencia son una cuestión de nomenclatura (es decir, cualquier actividad rítmica entre 8 y 12 Hz puede describirse como "alfa"), pero estas designaciones surgieron porque se observó que la actividad rítmica dentro de un cierto rango de frecuencia tenía un cierto distribución sobre el cuero cabelludo o un cierto significado biológico. Las bandas de frecuencia generalmente se extraen utilizando métodos espectrales (por ejemplo, Welch), tal como se implementan, por ejemplo, en software de EEG disponible gratuitamente, como EEGLAB o Neurophysiological Biomarker Toolbox . El procesamiento computacional del EEG a menudo se denomina electroencefalografía cuantitativa (qEEG).

La mayor parte de la señal cerebral observada en el EEG del cuero cabelludo se encuentra en el rango de 1 a 20 Hz (la actividad por debajo o por encima de este rango probablemente sea artefacto, según las técnicas de registro clínico estándar). Las formas de onda se subdividen en anchos de banda conocidos como alfa, beta, theta y delta para representar la mayoría de los EEG utilizados en la práctica clínica. [67]

Comparación de bandas de EEG

La práctica de utilizar sólo números enteros en las definiciones proviene de consideraciones prácticas en la época en que sólo se podían contar ciclos completos en registros en papel. Esto genera lagunas en las definiciones, como se ve en otras partes de esta página. Las definiciones teóricas siempre se han definido más cuidadosamente para incluir todas las frecuencias. Desafortunadamente, no hay acuerdo en los trabajos de referencia estándar sobre cuáles deberían ser estos rangos  : los valores para el extremo superior de alfa y el extremo inferior de beta incluyen 12, 13, 14 y 15. Si el umbral se toma como 14 Hz, entonces la beta más lenta La onda tiene aproximadamente la misma duración que el pico más largo (70 ms), lo que lo convierte en el valor más útil.

EEG humano con ritmo alfa prominente
EEG humano con ritmo alfa prominente

Patrones de ondas

ondas delta
ondas theta
ondas alfa
Ritmo sensoriomotor también conocido como ritmo mu
Además del ritmo básico posterior, existen otros ritmos alfa normales como el ritmo mu (actividad alfa en las áreas corticales sensoriales y motoras contralaterales ) que surge cuando las manos y los brazos están inactivos; y el "tercer ritmo" (actividad alfa en los lóbulos temporal o frontal). [76] [77] Alfa puede ser anormal; por ejemplo, un EEG que tiene alfa difuso en coma y no responde a estímulos externos se denomina "coma alfa".
ondas beta
ondas gamma

En algunos contextos de investigación, la actividad "ultralenta" o "cercana a CC " se registra utilizando amplificadores de CC. Por lo general, no se registra en un contexto clínico porque la señal en estas frecuencias es susceptible a una serie de artefactos.

Algunas características del EEG son transitorias más que rítmicas. Los picos y las ondas agudas pueden representar actividad convulsiva o actividad interictal en personas con epilepsia o predisposición a la epilepsia. Otras características transitorias son normales: durante el sueño normal se observan ondas de vértice y husos de sueño.

Hay tipos de actividad que son estadísticamente poco comunes, pero que no están asociados con disfunción o enfermedad. A menudo se las denomina "variantes normales". El ritmo mu es un ejemplo de variante normal.

El electroencefalograma (EEG) normal varía según la edad. El EEG prenatal y el EEG neonatal son bastante diferentes del EEG de adultos. Los fetos en el tercer trimestre y los recién nacidos muestran dos patrones de actividad cerebral comunes: "discontinuo" y "trazas alternantes". La actividad eléctrica "discontinua" se refiere a ráfagas bruscas de actividad eléctrica seguidas de ondas de baja frecuencia. La actividad eléctrica "traza alternante" describe ráfagas bruscas seguidas de intervalos cortos de alta amplitud y generalmente indica un sueño tranquilo en los recién nacidos. [79] El EEG en la infancia generalmente tiene oscilaciones de frecuencia más lentas que el EEG en adultos.

El EEG normal también varía según el estado. El EEG se utiliza junto con otras mediciones ( EOG , EMG ) para definir las etapas del sueño en la polisomnografía . El sueño en etapa I (equivalente a la somnolencia en algunos sistemas) aparece en el EEG como una pérdida del ritmo básico posterior. Puede haber un aumento en las frecuencias theta. Santamaría y Chiappa catalogaron una serie de patrones asociados con la somnolencia. El sueño en la etapa II se caracteriza por husos del sueño: ejecuciones transitorias de actividad rítmica en el rango de 12 a 14 Hz (a veces denominada banda "sigma") que tienen un máximo frontal-central. La mayor parte de la actividad en la etapa II se encuentra en el rango de 3 a 6 Hz. Las etapas III y IV del sueño se definen por la presencia de frecuencias delta y, a menudo, se denominan colectivamente "sueño de ondas lentas". Las etapas I a IV comprenden el sueño no REM (o "NREM"). El EEG en el sueño REM (movimiento ocular rápido) parece algo similar al EEG despierto.

El EEG bajo anestesia general depende del tipo de anestésico empleado. Con anestésicos halogenados, como halotano o agentes intravenosos, como propofol , se observa un patrón EEG rápido (alfa o beta bajo) no reactivo en la mayor parte del cuero cabelludo, especialmente en la parte anterior; en alguna terminología antigua, esto se conocía como patrón WAR (rápido anterior generalizado), en contraste con un patrón WAIS (lento generalizado) asociado con dosis altas de opiáceos . Los efectos anestésicos sobre las señales EEG están empezando a comprenderse a nivel de las acciones de los fármacos sobre diferentes tipos de sinapsis y los circuitos que permiten la actividad neuronal sincronizada. [80]

Artefactos

Principales tipos de artefactos en el EEG humano
Principales tipos de artefactos en el EEG humano

El EEG es una técnica extremadamente útil para estudiar la actividad cerebral, pero la señal medida siempre está contaminada por artefactos que pueden afectar el análisis de los datos. Un artefacto es cualquier señal medida que no se origina dentro del cerebro. Aunque existen múltiples algoritmos para la eliminación de artefactos, el problema de cómo abordarlos sigue siendo una cuestión abierta. La fuente de los artefactos puede deberse a problemas relacionados con el instrumento, como electrodos defectuosos, ruido de línea o alta impedancia de los electrodos, o puede deberse a la fisiología del sujeto que se está grabando. Esto puede incluir parpadeos y movimientos, actividad cardíaca y actividad muscular, y este tipo de artefactos son más complicados de eliminar. Los artefactos pueden sesgar la interpretación visual de los datos del EEG, ya que algunos pueden imitar la actividad cognitiva que podría afectar el diagnóstico de problemas como la enfermedad de Alzheimer o los trastornos del sueño. Como tal, la eliminación de dichos artefactos en los datos de EEG utilizados para aplicaciones prácticas es de suma importancia. [81]

Eliminación de artefactos

Es importante poder distinguir los artefactos de la actividad cerebral genuina para evitar interpretaciones incorrectas de los datos del EEG. Los enfoques generales para la eliminación de artefactos de los datos son la prevención, el rechazo y la cancelación. El objetivo de cualquier enfoque es desarrollar una metodología capaz de identificar y eliminar artefactos sin afectar la calidad de la señal del EEG. Como las fuentes de artefactos son bastante diferentes, la mayoría de los investigadores se centran en desarrollar algoritmos que identifiquen y eliminen un único tipo de ruido en la señal. Comúnmente se emplea un filtrado simple que utiliza un filtro de muesca para rechazar componentes con una frecuencia de 50/60 Hz. Sin embargo, estos filtros simples no son una opción adecuada para tratar todos los artefactos, ya que, en algunos casos, sus frecuencias se superpondrán con las frecuencias del EEG.

Los algoritmos de regresión tienen un coste de cálculo moderado y son sencillos. Representaron el método de corrección más popular hasta mediados de la década de 1990, cuando fueron reemplazados por métodos del tipo "separación ciega de la fuente". Los algoritmos de regresión funcionan bajo la premisa de que todos los artefactos están compuestos por uno o más canales de referencia. Restar estos canales de referencia de los otros canales contaminados, ya sea en el dominio del tiempo o de la frecuencia, estimando el impacto de los canales de referencia en los otros canales, corregiría los canales para el artefacto. Aunque la exigencia de canales de referencia finalmente conduce a la sustitución de esta clase de algoritmo, siguen representando el punto de referencia con el que se evalúan los algoritmos modernos. [82] Los algoritmos de separación ciega de fuentes (BSS) empleados para eliminar artefactos incluyen el análisis de componentes principales (PCA) y el análisis de componentes independientes (ICA), y varios algoritmos de esta clase han tenido éxito al abordar la mayoría de los artefactos fisiológicos. [82]

Artefactos fisiológicos

Artefactos oculares

Los artefactos oculares afectan significativamente la señal del EEG. Esto se debe a que los movimientos oculares implican un cambio en los campos eléctricos que rodean los ojos, lo que distorsiona el campo eléctrico sobre el cuero cabelludo y, a medida que el EEG se registra en el cuero cabelludo, distorsiona la señal registrada. Existe una diferencia de opinión entre los investigadores: algunos argumentan que los artefactos oculares son, o pueden describirse razonablemente, como un generador único, mientras que otros argumentan que es importante comprender los mecanismos potencialmente complicados. Se han propuesto tres mecanismos potenciales para explicar el artefacto ocular.

El primero es el movimiento dipolo corneal-retiniano que sostiene que se forma un dipolo eléctrico entre la córnea y la retina, ya que la primera está cargada positivamente y la segunda negativamente. Cuando el ojo se mueve, también lo hace este dipolo que impacta el campo eléctrico sobre el cuero cabelludo, esta es la vista más estándar. El segundo mecanismo es el movimiento dipolar de la retina, que es similar al primero pero se diferencia en que sostiene que existe una diferencia de potencial, por lo que el dipolo a través de la retina con la córnea tiene poco efecto. El tercer mecanismo es el movimiento de los párpados. Se sabe que hay un cambio de voltaje alrededor de los ojos cuando el párpado se mueve, incluso si el globo ocular no lo hace. Se cree que el párpado puede describirse como una fuente potencial de deslizamiento y que el impacto del parpadeo es diferente al movimiento ocular en el EEG registrado. [83]

Los artefactos de aleteo de los párpados de un tipo característico se denominaban anteriormente ritmo Kappa (u ondas Kappa). Suele verse en las derivaciones prefrontales, es decir, justo encima de los ojos. A veces se les ve con actividad mental. Suelen estar en el rango Theta (4 a 7 Hz) o Alfa (7 a 14 Hz). Fueron nombrados porque se creía que se originaban en el cerebro. Un estudio posterior reveló que se generaban por un rápido aleteo de los párpados, a veces tan diminuto que resultaba difícil verlo. De hecho, son ruido en la lectura del EEG y técnicamente no deberían denominarse ritmo u onda. Por lo tanto, el uso actual en electroencefalografía se refiere al fenómeno como un artefacto de aleteo del párpado, en lugar de un ritmo (u onda) Kappa. [84]

La propagación del artefacto ocular se ve afectada por múltiples factores, incluidas las propiedades del cráneo, los tejidos neuronales y la piel del sujeto, pero la señal puede aproximarse como inversamente proporcional a la distancia desde los ojos al cuadrado. El electrooculograma (EOG) consta de una serie de electrodos que miden los cambios de voltaje cerca del ojo y es la herramienta más común para tratar el artefacto del movimiento ocular en la señal del EEG. [83]

Artefactos musculares

Otra fuente de artefactos son varios movimientos musculares en todo el cuerpo. Esta clase particular de artefacto suele ser registrada por todos los electrodos en el cuero cabelludo debido a la actividad miógena (aumento o disminución de la presión arterial). El origen de estos artefactos no tiene una única localización y surge de grupos musculares funcionalmente independientes, es decir, las características del artefacto no son constantes. Los patrones observados debido a los artefactos musculares cambiarán según el sexo del sujeto, el tejido muscular particular y su grado de contracción. El rango de frecuencia de los artefactos musculares es amplio y se superpone con todos los ritmos EEG clásicos. Sin embargo, la mayor parte de la potencia se concentra en el rango inferior de las frecuencias observadas de 20 a 300 Hz, lo que hace que la banda gamma sea particularmente susceptible a artefactos musculares. Algunos artefactos musculares pueden tener actividad con una frecuencia tan baja como 2 Hz, por lo que las bandas delta y theta también pueden verse afectadas por la actividad muscular. Los artefactos musculares pueden afectar los estudios del sueño, ya que los movimientos inconscientes de bruxismo (rechinar de dientes) o los ronquidos pueden afectar seriamente la calidad del EEG registrado. Además, las grabaciones realizadas de pacientes con epilepsia pueden verse significativamente afectadas por la existencia de artefactos musculares. [85]

Artefactos cardiacos

El potencial debido a la actividad cardíaca introduce errores en el electrocardiógrafo (ECG) en el EEG. [86] Los artefactos que surgen debido a la actividad cardíaca se pueden eliminar con la ayuda de una señal de referencia de ECG. [81]

Otros artefactos fisiológicos

Los artefactos glosocinéticos son causados ​​por la diferencia de potencial entre la base y la punta de la lengua. Los movimientos menores de la lengua pueden contaminar el EEG, especialmente en los trastornos parkinsonianos y de temblores . [ cita necesaria ]

Artefactos ambientales

Además de los artefactos generados por el cuerpo, muchos artefactos se originan fuera del cuerpo. El movimiento del paciente, o incluso el simple asentamiento de los electrodos, puede provocar estallidos de electrodos , picos que se originan a partir de un cambio momentáneo en la impedancia de un electrodo determinado. Una mala conexión a tierra de los electrodos de EEG puede causar artefactos significativos de 50 o 60 Hz, dependiendo de la frecuencia del sistema de energía local . Una tercera fuente de posible interferencia puede ser la presencia de un goteo intravenoso ; Dichos dispositivos pueden provocar explosiones rítmicas, rápidas y de bajo voltaje, que pueden confundirse con picos. [ cita necesaria ]

actividad anormal

La actividad anormal se puede dividir en términos generales en actividad epileptiforme y no epileptiforme. También se puede dividir en focal o difusa.

Las descargas epileptiformes focales representan potenciales rápidos y sincrónicos en una gran cantidad de neuronas en un área algo discreta del cerebro. Estos pueden ocurrir como actividad interictal, entre convulsiones, y representan un área de irritabilidad cortical que puede estar predispuesta a producir crisis epilépticas. Las descargas interictales no son del todo fiables para determinar si un paciente tiene epilepsia ni dónde podría originarse su convulsión. (Ver epilepsia focal ).

Las descargas epileptiformes generalizadas suelen tener un máximo anterior, pero se observan sincrónicamente en todo el cerebro. Son fuertemente sugestivos de una epilepsia generalizada.

Puede ocurrir actividad anormal no epileptiforme focal en áreas del cerebro donde hay daño focal de la corteza o la sustancia blanca . A menudo consiste en un aumento de los ritmos de frecuencia lenta y/o una pérdida de los ritmos normales de frecuencia más alta. También puede aparecer como una disminución focal o unilateral de la amplitud de la señal EEG.

La actividad anormal difusa no epileptiforme puede manifestarse como ritmos anormalmente lentos difusos o una desaceleración bilateral de los ritmos normales, como el PBR.

Los electrodos de encefalograma intracortical y los electrodos subdurales se pueden utilizar en conjunto para discriminar y discretizar los artefactos de los eventos epileptiformes y otros eventos neurológicos graves.

Recientemente también se ha prestado atención a medidas más avanzadas de señales EEG anormales como posibles biomarcadores para diferentes trastornos como la enfermedad de Alzheimer . [87]

comunicación remota

Los sistemas para decodificar el habla imaginada a partir de EEG tienen aplicaciones como, por ejemplo, en las interfaces cerebro-computadora . [88]

Diagnóstico EEG

El Departamento de Defensa (DoD) y Asuntos de Veteranos (VA) y el Laboratorio de Investigación del Ejército de EE. UU. (ARL) colaboraron en el diagnóstico de EEG para detectar lesiones cerebrales traumáticas (mTBI) de leves a moderadas en soldados de combate. [89] Entre 2000 y 2012, el 75 por ciento de las lesiones cerebrales en operaciones militares de EE. UU. se clasificaron como mTBI. En respuesta, el Departamento de Defensa buscó nuevas tecnologías capaces de detectar mTBI de manera rápida, precisa, no invasiva y con capacidad de campo para abordar esta lesión. [89]

El personal de combate a menudo desarrolla PTSD y mTBI en correlación. Ambas condiciones se presentan con oscilaciones alteradas de ondas cerebrales de baja frecuencia. [90] Las ondas cerebrales alteradas de pacientes con PTSD se presentan con disminuciones en las oscilaciones de baja frecuencia, mientras que las lesiones por mTBI están relacionadas con un aumento de las oscilaciones de las ondas de baja frecuencia. Los diagnósticos EEG eficaces pueden ayudar a los médicos a identificar con precisión las afecciones y tratar adecuadamente las lesiones para mitigar los efectos a largo plazo. [91]

Tradicionalmente, la evaluación clínica de los EEG implicaba una inspección visual. En lugar de una evaluación visual de la topografía de oscilación de las ondas cerebrales, la electroencefalografía cuantitativa (qEEG), metodologías algorítmicas computarizadas, analiza una región específica del cerebro y transforma los datos en un "espectro de potencia" significativo del área. [89] Diferenciar con precisión entre mTBI y PTSD puede aumentar significativamente los resultados de recuperación positivos para los pacientes, especialmente porque los cambios a largo plazo en la comunicación neuronal pueden persistir después de un incidente inicial de mTBI. [91]

Otra medición común realizada a partir de datos de EEG es la de medidas de complejidad como la complejidad de Lempel-Ziv , la dimensión fractal y la planitud espectral , [15] que están asociadas con patologías o etapas de patología particulares.

Ciencias económicas

Existen dispositivos EEG económicos para los mercados de consumo e investigación de bajo costo. Recientemente, algunas empresas han miniaturizado la tecnología EEG de grado médico para crear versiones accesibles al público en general. Algunas de estas empresas han construido dispositivos comerciales de EEG que se venden al por menor por menos de 100 dólares estadounidenses.

Investigación futura

El EEG se ha utilizado para muchos propósitos además de los usos convencionales del diagnóstico clínico y la neurociencia cognitiva convencional. Uno de los primeros usos fue durante la Segunda Guerra Mundial por parte del Cuerpo Aéreo del Ejército de EE. UU. para descartar a los pilotos en peligro de sufrir convulsiones; [104] Los registros EEG a largo plazo en pacientes con epilepsia todavía se utilizan hoy en día para predecir las convulsiones . La neurorretroalimentación sigue siendo una extensión importante y, en su forma más avanzada, también se intenta como base de las interfaces cerebro-computadora . [105] El EEG también se utiliza bastante en el campo del neuromarketing .

El EEG se ve alterado por fármacos que afectan las funciones cerebrales, las sustancias químicas que son la base de la psicofarmacología . Los primeros experimentos de Berger registraron los efectos de las drogas en el EEG. La ciencia de la farmacoelectroencefalografía ha desarrollado métodos para identificar sustancias que alteran sistemáticamente las funciones cerebrales para uso terapéutico y recreativo.

Honda está intentando desarrollar un sistema que permita a un operador controlar su robot Asimo mediante EEG, una tecnología que espera incorporar en el futuro a sus automóviles. [106]

Los EEG se han utilizado como prueba en juicios penales en el estado indio de Maharashtra . [107] [108] Brain Electrical Oscillation Signature Profiling (BEOS), una técnica de EEG, se utilizó en el juicio del Estado de Maharashtra contra Sharma para demostrar que Sharma recordaba haber usado arsénico para envenenar a su ex prometido, aunque la confiabilidad y la base científica de BEOS está en disputa. [109]

Actualmente se están llevando a cabo muchas investigaciones para hacer que los dispositivos EEG sean más pequeños, más portátiles y más fáciles de usar. El llamado "EEG portátil" se basa en la creación de dispositivos electrónicos de recolección inalámbricos de baja potencia y electrodos "secos" que no requieren el uso de un gel conductor. [110] El EEG portátil tiene como objetivo proporcionar pequeños dispositivos de EEG que están presentes solo en la cabeza y que pueden registrar EEG durante días, semanas o meses seguidos, como EEG de oído . Este seguimiento prolongado y fácil de usar podría suponer un cambio radical en el diagnóstico de enfermedades crónicas como la epilepsia y mejorar en gran medida la aceptación de los sistemas BCI por parte del usuario final. [111] También se están llevando a cabo investigaciones para identificar soluciones específicas para aumentar la vida útil de la batería de los dispositivos EEG portátiles mediante el uso del enfoque de reducción de datos.

En la investigación, actualmente el EEG se utiliza a menudo en combinación con el aprendizaje automático . [112] Los datos de EEG se preprocesan y luego se pasan a algoritmos de aprendizaje automático. Luego, estos algoritmos se entrenan para reconocer diferentes enfermedades como la esquizofrenia , [113] la epilepsia [114] o la demencia . [115] Además, se utilizan cada vez más para estudiar la detección de convulsiones. [116] [117] [118] [119] Al utilizar el aprendizaje automático, los datos se pueden analizar automáticamente. A largo plazo, esta investigación tiene como objetivo crear algoritmos que apoyen a los médicos en su práctica clínica [120] y proporcionar más conocimientos sobre las enfermedades. [121] En este sentido, a menudo se calculan medidas de complejidad de los datos de EEG, como la complejidad de Lempel-Ziv , la dimensión fractal y la planitud espectral . [15] Se ha demostrado que combinar o multiplicar tales medidas puede revelar información previamente oculta en los datos de EEG. [15]

Se utilizaron señales EEG de intérpretes musicales para crear composiciones instantáneas y un CD del Brainwave Music Project, dirigido en el Computer Music Center de la Universidad de Columbia por Brad Garton y Dave Soldier . [ cita necesaria ] De manera similar, una grabación de una hora de las ondas cerebrales de Ann Druyan se incluyó en el Disco de Oro de la Voyager , lanzado en las sondas Voyager en 1977, en caso de que alguna inteligencia extraterrestre pudiera decodificar sus pensamientos, que incluían cómo era enamorarse. [ cita necesaria ]

Historia

El primer registro de EEG humano obtenido por Hans Berger en 1924. El trazado superior es un EEG y el inferior es una señal de sincronización de 10 Hz .
Hans Berger

En 1875, Richard Caton (1842-1926), un médico que ejercía en Liverpool , presentó sus hallazgos sobre los fenómenos eléctricos de los hemisferios cerebrales expuestos de conejos y monos en el British Medical Journal . En 1890, el fisiólogo polaco Adolf Beck publicó una investigación sobre la actividad eléctrica espontánea del cerebro de conejos y perros que incluía oscilaciones rítmicas alteradas por la luz. Beck inició experimentos sobre la actividad eléctrica del cerebro de los animales. Beck colocó electrodos directamente en la superficie del cerebro para probar la estimulación sensorial. Su observación de la actividad cerebral fluctuante llevó a la conclusión de que existen ondas cerebrales. [122]

En 1912, el fisiólogo ucraniano Vladimir Vladimirovich Pravdich-Neminsky publicó el primer EEG animal y el potencial evocado de un mamífero (perro). [123] En 1914, Napoleón Cybulski y Jelenska-Macieszyna fotografiaron registros EEG de convulsiones inducidas experimentalmente. [ cita necesaria ]

El fisiólogo y psiquiatra alemán Hans Berger (1873-1941) registró el primer EEG humano en 1924. [124] Ampliando el trabajo realizado previamente en animales por Richard Caton y otros, Berger también inventó el electroencefalógrafo (que da nombre al dispositivo), un invento descrito "como uno de los avances más sorprendentes, notables y trascendentales en la historia de la neurología clínica". [125] Sus descubrimientos fueron confirmados por primera vez por los científicos británicos Edgar Douglas Adrian y BHC Matthews en 1934 y desarrollados por ellos.

En 1934, Fisher y Lowenbach demostraron por primera vez picos epileptiformes. En 1935, Gibbs, Davis y Lennox describieron las ondas puntiagudas interictales y el patrón de tres ciclos/s de las crisis de ausencia clínica , que iniciaron el campo de la electroencefalografía clínica. [126] Posteriormente, en 1936, Gibbs y Jasper informaron que el pico interictal era la firma focal de la epilepsia. El mismo año, se inauguró el primer laboratorio de EEG en el Hospital General de Massachusetts. [ cita necesaria ]

Franklin Offner (1911-1999), profesor de biofísica en la Universidad Northwestern, desarrolló un prototipo de EEG que incorporaba una máquina de escribir de tinta piezoeléctrica llamada Crystograph (el dispositivo completo se conocía típicamente como Offner Dynograph).

En 1947, se fundó la Sociedad Estadounidense de EEG y se celebró el primer congreso internacional de EEG. En 1953 Aserinsky y Kleitman describieron el sueño REM .

En la década de 1950, William Gray Walter desarrolló un complemento del EEG llamado topografía EEG, que permitía mapear la actividad eléctrica en la superficie del cerebro. Esto disfrutó de un breve período de popularidad en la década de 1980 y parecía especialmente prometedor para la psiquiatría. Nunca fue aceptado por los neurólogos y sigue siendo principalmente una herramienta de investigación.

Chuck Kayser con electrodos de electroencefalógrafo y un acondicionador de señal para usar en el Proyecto Gemini , 1965

Se utilizó un sistema de electroencefalógrafo fabricado por Beckman Instruments en al menos uno de los vuelos espaciales tripulados del Proyecto Gemini (1965-1966) para monitorear las ondas cerebrales de los astronautas en el vuelo. Fue uno de los muchos instrumentos Beckman especializados y utilizados por la NASA. [127]

El primer caso del uso de EEG para controlar un objeto físico, un robot, fue en 1988. El robot seguía una línea o se detenía dependiendo de la actividad alfa del sujeto. Si el sujeto se relajara y cerrara los ojos, aumentando así la actividad alfa, el robot se movería. Abrir los ojos y disminuir así la actividad alfa haría que el robot se detuviera en la trayectoria. [128]

En octubre de 2018, los científicos conectaron los cerebros de tres personas para experimentar con el proceso de compartir pensamientos. Cinco grupos de tres personas participaron en el experimento utilizando EEG. La tasa de éxito del experimento fue del 81%. [129]

Ver también

Referencias

  1. ^ Amzica, Florín; Lopes da Silva, Fernando H. (noviembre de 2017). Schomer, Donald L.; Lopes da Silva, Fernando H. (eds.). Sustratos celulares de los ritmos cerebrales. vol. 1. Prensa de la Universidad de Oxford. doi :10.1093/med/9780190228484.003.0002.
  2. ^ ab Principios de la ciencia neuronal. Eric R. Kandel, John Koester, Sarah Mack, Steven Siegelbaum (6ª ed.). Nueva York. 2021. pág. 1450.ISBN _ 978-1-259-64223-4. OCLC  1199587061.{{cite book}}: CS1 maint: location missing publisher (link) CS1 maint: others (link)
  3. ^ "EEG: Enciclopedia médica MedlinePlus". medlineplus.gov . Archivado desde el original el 5 de julio de 2016 . Consultado el 24 de julio de 2022 .
  4. ^ Chernecky CC, Berger BJ (2013). Pruebas de laboratorio y procedimientos de diagnóstico (6ª ed.). St. Louis, Missouri: Elsevier. ISBN 9781455706945.
  5. ^ abc Pillai, Jyoti; Sperling, Michael R. (2006). "EEG interictal y diagnóstico de epilepsia". Epilepsia . 47 (Suplemento 1): 14-22. doi :10.1111/j.1528-1167.2006.00654.x. ISSN  0013-9580. PMID  17044820. S2CID  8668713. Archivado desde el original el 23 de octubre de 2022 . Consultado el 23 de octubre de 2022 .
  6. ^ Entonces, Elson L. (agosto de 2010). "Descargas epileptiformes interictales en personas sin antecedentes de convulsiones: ¿qué significan?". Revista de neurofisiología clínica . 27 (4): 229–238. doi :10.1097/WNP.0b013e3181ea42a4. ISSN  1537-1603. PMID  20634716. Archivado desde el original el 23 de octubre de 2022 . Consultado el 23 de octubre de 2022 .
  7. ^ "El rendimiento del vídeo-EEG ambulatorio: predictores de una captura exitosa de eventos". Práctica Clínica de Neurología . Consultado el 5 de diciembre de 2023 .
  8. ^ van Rooij LG, Hellström-Westas L, de Vries LS (agosto de 2013). "Tratamiento de las convulsiones neonatales". Seminarios de Medicina Fetal y Neonatal . 18 (4): 209–215. doi :10.1016/j.siny.2013.01.001. PMID  23402893.
  9. ^ "EEG (Electroencefalograma) - Mayo Clinic". Clínica Mayo . Archivado desde el original el 30 de agosto de 2019 . Consultado el 30 de agosto de 2019 .
  10. ^ abcd Niedermeyer E, da Silva FL (2004). Electroencefalografía: principios básicos, aplicaciones clínicas y campos relacionados . Lippincott Williams y Wilkins. ISBN 978-0-7817-5126-1.[ página necesaria ]
  11. ^ Yang H, Ang KK, Wang C, Phua KS, Guan C (2016). "Análisis neuronal y cortical de la deglución y detección de imágenes motoras de la deglución para la rehabilitación de la disfagia: una revisión". Interfaces cerebro-computadora: experimentos de laboratorio para aplicaciones del mundo real . Progreso en la investigación del cerebro. vol. 228, págs. 185-219. doi :10.1016/bs.pbr.2016.03.014. ISBN 9780128042168. PMID  27590970.
  12. ^ Jestrović I, Coyle JL, Sejdić E (octubre de 2015). "Decodificación de la deglución humana mediante electroencefalografía: una revisión del estado del arte". Revista de ingeniería neuronal . 12 (5): 051001. Código bibliográfico : 2015JNEng..12e1001J. doi :10.1088/1741-2560/12/5/051001. PMC 4596245 . PMID  26372528. 
  13. ^ Cuellar M, Harkrider AW, Jenson D, Thornton D, Bowers A, Saltuklaroglu T (julio de 2016). "Análisis tiempo-frecuencia del ritmo mu EEG como medida de la integración sensoriomotora en las últimas etapas de la deglución". Neurofisiología clínica . 127 (7): 2625–2635. doi :10.1016/j.clinph.2016.04.027. PMID  27291882. S2CID  3746307.
  14. ^ Clayson PE, Carbine KA, Baldwin SA, Larson MJ (noviembre de 2019). "Comportamiento de informes metodológicos, tamaños de muestra y poder estadístico en estudios de potenciales relacionados con eventos: barreras a la reproducibilidad y replicabilidad". Psicofisiología . 56 (11): e13437. doi :10.1111/psyp.13437. PMID  31322285. S2CID  197665482. Archivado desde el original el 7 de octubre de 2022 . Consultado el 7 de octubre de 2022 .
  15. ^ abcd Burns T, Rajan R (2015). "Combinación de medidas de complejidad de datos de EEG: la multiplicación de medidas revela información previamente oculta". F1000Investigación . 4 : 137. doi : 10.12688/f1000research.6590.1 . PMC 4648221 . PMID  26594331. 
  16. ^ Vespa PM, Nenov V, Nuwer MR (enero de 1999). "Monitorización continua de EEG en la unidad de cuidados intensivos: primeros hallazgos y eficacia clínica". Revista de neurofisiología clínica . 16 (1): 1–13. doi :10.1097/00004691-199901000-00001. PMID  10082088.
  17. ^ Schultz TL (marzo de 2012). "Consejos técnicos: electrodos de EEG compatibles con MRI: ventajas, desventajas y viabilidad financiera en un entorno clínico". La revista de neurodiagnóstico . 52 (1): 69–81. PMID  22558648.
  18. ^ abc Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano en funcionamiento". Reseñas de Física Moderna . 65 (2): 413–97. Código Bib : 1993RvMP...65..413H. doi :10.1103/RevModPhys.65.413. Archivado desde el original el 26 de enero de 2019 . Consultado el 10 de septiembre de 2018 .
  19. ^ Montoya-Martínez J, Vanthornhout J, Bertrand A, Francart T (2021). "Efecto del número y colocación de electrodos EEG en la medición del seguimiento neuronal del habla". MÁS UNO . 16 (2): e0246769. doi :10.1101/800979. PMC 7877609 . PMID  33571299. S2CID  208592165. 
  20. ^ O'Regan S, Faul S, Marnane W (2010). "Detección automática de artefactos EEG derivados de movimientos de la cabeza". 2010 Conferencia Internacional Anual del IEEE Ingeniería en Medicina y Biología . págs. 6353–6. doi :10.1109/IEMBS.2010.5627282. ISBN 978-1-4244-4123-5.
  21. ^ Murphy KJ, Brunberg JA (1997). "Claustrofobia, ansiedad y sedación en adultos en resonancia magnética". Imagen de resonancia magnética . 15 (1): 51–54. doi :10.1016/S0730-725X(96)00351-7. PMID  9084025.
  22. ^ Schenck JF (junio de 1996). "El papel de la susceptibilidad magnética en la resonancia magnética: compatibilidad magnética de resonancia magnética del primer y segundo tipo". Física Médica . 23 (6): 815–850. Código bibliográfico : 1996MedPh..23..815S. doi : 10.1118/1.597854. PMID  8798169.
  23. ^ ab Yasuno F, Brown AK, Zoghbi SS, Krushinski JH, Chernet E, Tauscher J, et al. (Enero de 2008). "El radioligando PET [11C]MePPEP se une de forma reversible y con una señal específica alta a los receptores de cannabinoides CB1 en el cerebro de primates no humanos". Neuropsicofarmacología . 33 (2): 259–269. doi : 10.1038/sj.npp.1301402 . PMID  17392732.
  24. ^ Mulholland T (2012). "Métodos objetivos de EEG para estudiar cambios encubiertos de atención visual". En McGuigan FJ, Schoonover RA (eds.). La psicofisiología del pensamiento: estudios de procesos encubiertos . Elsevier. págs. 109–51. ISBN 978-0-323-14700-2.
  25. ^ Hinterberger T, Kübler A, Kaiser J, Neumann N, Birbaumer N (marzo de 2003). "Una interfaz cerebro-computadora (BCI) para personas encerradas: comparación de diferentes clasificaciones de EEG para el dispositivo de traducción del pensamiento". Neurofisiología clínica . 114 (3): 416–425. doi :10.1016/S1388-2457(02)00411-X. PMID  12705422. S2CID  11857440.
  26. ^ Sereno SC, Rayner K, Posner MI (julio de 1998). "Establecimiento de una línea de tiempo de reconocimiento de palabras: evidencia de movimientos oculares y potenciales relacionados con eventos". NeuroInforme . 9 (10): 2195–2200. doi :10.1097/00001756-199807130-00009. PMID  9694199. S2CID  19466604.
  27. ^ Feinberg I, Campbell IG (febrero de 2013). "Las trayectorias longitudinales del EEG del sueño indican patrones complejos de maduración cerebral adolescente". Revista americana de fisiología. Fisiología Reguladora, Integrativa y Comparada . 304 (4): R296–R303. doi :10.1152/ajpregu.00422.2012. PMC 3567357 . PMID  23193115. 
    • Resumen de Lay en: "Estudio del sueño revela cómo el cerebro adolescente realiza la transición al pensamiento maduro". ScienceDaily (Presione soltar). 19 de marzo de 2013.
  28. ^ Srinivasan R (1999). "Métodos para mejorar la resolución espacial del EEG". Revista Internacional . 1 (1): 102–11.
  29. ^ Grech R, Cassar T, Muscat J, Camilleri KP, Fabri SG, Zervakis M, et al. (noviembre de 2008). "Revisión sobre la resolución del problema inverso en el análisis de fuentes de EEG". Revista de Neuroingeniería y Rehabilitación . 5 (1): 25. doi : 10.1186/1743-0003-5-25 . PMC 2605581 . PMID  18990257. 
  30. ^ Schlögl A, Slater M, Pfurtscheller G (2002). «Investigación de presencia y EEG» (PDF) . Archivado (PDF) desde el original el 11 de agosto de 2017 . Consultado el 24 de agosto de 2013 .
  31. ^ Etienne, Arnelle; Laroia, Taraña; Weigle, Harper; Afelin, Ámbar; Kelly, Shawn K.; Krishnan, Ashwati; Grover, Pulkit (2020). "Nuevos electrodos para grabaciones EEG fiables en cabello áspero y rizado". Conferencia Internacional Anual de la Sociedad de Ingeniería en Medicina y Biología IEEE . págs. 6151–6154. doi :10.1101/2020.02.26.965202. PMID  33019375.
  32. ^ Huang-Hellinger FR, Breiter HC, McCormack G, Cohen MS, Kwong KK, Sutton JP, et al. (1995). "Resonancia magnética funcional simultánea y registro electrofisiológico". Mapeo del cerebro humano . 3 : 13–23. doi :10.1002/hbm.460030103. S2CID  145788101.
  33. ^ Goldman RI, Stern JM, Engel J, Cohen MS (noviembre de 2000). "Adquisición simultánea de EEG y resonancia magnética funcional". Neurofisiología clínica . 111 (11): 1974-1980. doi :10.1016/s1388-2457(00)00456-9. PMID  11068232. S2CID  11716369.
  34. ^ Horovitz SG, Skudlarski P, Gore JC (mayo de 2002). "Correlaciones y disociaciones entre la señal BOLD y la amplitud de P300 en una tarea auditiva extraña: un enfoque paramétrico para combinar fMRI y ERP". Imagen de resonancia magnética . 20 (4): 319–325. doi :10.1016/S0730-725X(02)00496-4. PMID  12165350.
  35. ^ Laufs H, Kleinschmidt A, Beyerle A, Eger E, Salek-Haddadi A, Preibisch C, Krakow K (agosto de 2003). "Resonancia magnética funcional correlacionada con EEG de la actividad alfa humana". NeuroImagen . 19 (4): 1463-1476. CiteSeerX 10.1.1.586.3056 . doi :10.1016/S1053-8119(03)00286-6. PMID  12948703. S2CID  6272011. 
  36. ^ Patente estadounidense 7286871, Mark S. Cohen, "Método y aparato para reducir la contaminación de una señal eléctrica", publicado el 20 de mayo de 2004 
  37. ^ Difrancesco MW, Holland SK, Szaflarski JP (octubre de 2008). "EEG simultáneo / resonancia magnética funcional a 4 Tesla: se correlaciona la actividad cerebral con el ritmo alfa espontáneo durante la relajación". Revista de neurofisiología clínica . 25 (5): 255–264. doi :10.1097/WNP.0b013e3181879d56. PMC 2662486 . PMID  18791470. 
  38. ^ Huizenga HM, van Zuijen TL, Heslenfeld DJ, Molenaar PC (julio de 2001). "Análisis simultáneo de fuentes MEG y EEG". Física en Medicina y Biología . 46 (7): 1737-1751. Código Bib : 2001PMB....46.1737H. CiteSeerX 10.1.1.4.8384 . doi :10.1088/0031-9155/46/7/301. PMID  11474922. S2CID  250761006. 
  39. ^ Aydin Ü, Vorwerk J, Dümpelmann M, Küpper P, Kugel H, Heers M, et al. (2015). "La combinación EEG/MEG puede superar a la reconstrucción de la fuente de EEG o MEG de modalidad única en el diagnóstico prequirúrgico de la epilepsia". MÁS UNO (Revisar). 10 (3): e0118753. Código Bib : 2015PLoSO..1018753A. doi : 10.1371/journal.pone.0118753 . PMC 4356563 . PMID  25761059. 
  40. ^ Schreckenberger M, Lange-Asschenfeldt C, Lange-Asschenfeld C, Lochmann M, Mann K, Siessmeier T, et al. (junio de 2004). "El tálamo como generador y modulador del ritmo alfa del EEG: un estudio combinado PET/EEG con provocación con lorazepam en humanos". NeuroImagen . 22 (2): 637–644. doi : 10.1016/j.neuroimage.2004.01.047. PMID  15193592. S2CID  31790623.
  41. ^ Bird J, Manso LJ, Ekart A, Faria DR (septiembre de 2018). Un estudio sobre la clasificación del estado mental mediante una interfaz cerebro-máquina basada en EEG. Isla de Madeira, Portugal: 9ª Conferencia internacional sobre Sistemas Inteligentes 2018 . Consultado el 3 de diciembre de 2018 .
  42. ^ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Clasificación de sentimientos mentales y emocionales con una interfaz cerebro-máquina basada en EEG. St Hugh's College, Universidad de Oxford, Reino Unido: Conferencia internacional sobre procesamiento de señales e imágenes digitales (DISP'19). Archivado desde el original el 3 de diciembre de 2018 . Consultado el 3 de diciembre de 2018 .
  43. ^ Vanneste S, Song JJ, De Ridder D (marzo de 2018). "Disritmia talamocortical detectada mediante aprendizaje automático". Comunicaciones de la naturaleza . 9 (1): 1103. Código bibliográfico : 2018NatCo...9.1103V. doi :10.1038/s41467-018-02820-0. PMC 5856824 . PMID  29549239. 
  44. ^ Herculano Houzel S (2009). "El cerebro humano en números: un cerebro de primate ampliado linealmente". Fronteras de la neurociencia humana . 3 : 31. doi : 10.3389/neuro.09.031.2009 . PMC 2776484 . PMID  19915731. 
  45. ^ Tatum WO, Husain AM, Benbadis SR (2008). Manual de interpretación de EEG . Publicación médica de demostraciones.[ página necesaria ]
  46. ^ ab Núñez PL, Srinivasan R (1981). Campos eléctricos del cerebro: la neurofísica del EEG. Prensa de la Universidad de Oxford. ISBN 9780195027969.[ página necesaria ]
  47. ^ Klein S, Thorne BM (3 de octubre de 2006). Psicología biológica . Nueva York, NY: Vale la pena. ISBN 978-0-7167-9922-1.[ página necesaria ]
  48. ^ Whittingstall K, Logothetis NK (octubre de 2009). "El acoplamiento de banda de frecuencia en el EEG de superficie refleja una actividad máxima en la corteza visual del mono". Neurona . 64 (2): 281–289. doi : 10.1016/j.neuron.2009.08.016 . PMID  19874794. S2CID  17650488.
  49. ^ Towle VL, Bolaños J, Suarez D, Tan K, Grzeszczuk R, Levin DN, et al. (Enero de 1993). "La ubicación espacial de los electrodos de EEG: localizar la esfera que mejor se adapta a la anatomía cortical". Electroencefalografía y Neurofisiología Clínica . 86 (1): 1–6. doi :10.1016/0013-4694(93)90061-Y. PMID  7678386.
  50. ^ "Pauta siete: una propuesta para montajes estándar que se utilizarán en EEG clínico. Sociedad Estadounidense de Electroencefalografía". Revista de neurofisiología clínica . 11 (1): 30–36. Enero de 1994. doi :10.1097/00004691-199401000-00008. PMID  8195424.
  51. ^ Aurlien H, Gjerde IO, Aarseth JH, Eldøen G, Karlsen B, Skeidsvoll H, Gilhus NE (marzo de 2004). "Actividad de fondo del EEG descrita por una gran base de datos computarizada". Neurofisiología clínica . 115 (3): 665–673. doi :10.1016/j.clinph.2003.10.019. PMID  15036063. S2CID  25988980.
  52. ^ Yao D (noviembre de 2001). "Un método para estandarizar una referencia de grabaciones de EEG del cuero cabelludo hasta un punto infinito". Medición fisiológica . 22 (4): 693–711. doi :10.1088/0967-3334/22/4/305. PMID  11761077. S2CID  250847914.
  53. ^ Núñez PL, Pilgreen KL (octubre de 1991). "El spline-laplaciano en neurofisiología clínica: un método para mejorar la resolución espacial del EEG". Revista de neurofisiología clínica . 8 (4): 397–413. doi :10.1097/00004691-199110000-00005. PMID  1761706. S2CID  38459560.
  54. ^ Taheri BA, Knight RT, Smith RL (mayo de 1994). "Un electrodo seco para registro de EEG". Electroencefalografía y Neurofisiología Clínica . 90 (5): 376–383. doi :10.1016/0013-4694(94)90053-1. PMID  7514984. Archivado desde el original el 22 de diciembre de 2019 . Consultado el 10 de diciembre de 2019 .
  55. ^ Alizadeh-Taheri B (1994). Matriz de electrodos activos del cuero cabelludo micromecanizados para el registro de señales de Eeg (tesis doctoral). Universidad de California, Davis. pag. 82. Bibcode : 1994PhDT.......82A.
  56. ^ Hockenberry J (agosto de 2001). "Los próximos cerebritos". Revista cableada .
  57. ^ abcd Slipher GA, Hairston WD, Bradford JC, Bain ED, Mrozek RA (2018). "Elastómeros de silicona conductores rellenos de nanofibras de carbono como interfaces bioelectrónicas suaves y secas". MÁS UNO . 13 (2): e0189415. Código Bib : 2018PLoSO..1389415S. doi : 10.1371/journal.pone.0189415 . PMC 5800568 . PMID  29408942. 
  58. ^ abc Wang F, Li G, Chen J, Duan Y, Zhang D (agosto de 2016). "Nuevos electrodos semisecos para aplicaciones de interfaz cerebro-computadora". Revista de ingeniería neuronal . 13 (4): 046021. Código bibliográfico : 2016JNEng..13d6021W. doi :10.1088/1741-2560/13/4/046021. PMID  27378253. S2CID  26744679.
  59. ^ Fiedler P, Griebel S, Pedrosa P, Fonseca C, Vaz F, Zentner L, et al. (01/01/2015). "EEG multicanal con novedosos electrodos secos de Ti / TiN". Sensores y Actuadores A: Físicos . 221 : 139-147. doi : 10.1016/j.sna.2014.10.010 . ISSN  0924-4247.
  60. ^ "Auriculares EEG secos | Productos | CGX". CGX 2021 . Archivado desde el original el 13 de febrero de 2020 . Consultado el 13 de febrero de 2020 .
  61. ^ "Tecnología de EEG seco". CGX LLC. Archivado desde el original el 13 de febrero de 2020 . Consultado el 13 de febrero de 2020 .
  62. ^ Kondylis ED, Wozny TA, Lipski WJ, Popescu A, DeStefino VJ, Esmaeili B, et al. (2014). "Detección de oscilaciones de alta frecuencia mediante electrodos de profundidad híbridos en registros de EEG intracraneales clínicos estándar". Fronteras en Neurología . 5 : 149. doi : 10.3389/fneur.2014.00149 . PMC 4123606 . PMID  25147541. 
  63. ^ Murakami S, Okada Y (septiembre de 2006). "Contribuciones de las principales neuronas neocorticales a las señales de magnetoencefalografía y electroencefalografía". La Revista de Fisiología . 575 (parte 3): 925–936. doi :10.1113/jphysiol.2006.105379. PMC 1995687 . PMID  16613883. 
  64. ^ Anderson J (22 de octubre de 2004). Psicología cognitiva y sus implicaciones (tapa dura) (6ª ed.). Nueva York, NY: Vale la pena. pag. 17.ISBN _ 978-0-7167-0110-1.
  65. ^ Creutzfeldt OD, Watanabe S, Lux HD (enero de 1966). "Relaciones entre los fenómenos EEG y los potenciales de células corticales individuales. I. Respuestas evocadas después de la estimulación talámica y erpicortical". Electroencefalografía y Neurofisiología Clínica . 20 (1): 1–18. doi :10.1016/0013-4694(66)90136-2. PMID  4161317.
  66. ^ Buzsaki G (2006). Ritmos del cerebro . Prensa de la Universidad de Oxford. ISBN 978-0-19-530106-9.[ página necesaria ]
  67. ^ Tatum WO (marzo de 2014). "Conferencia Ellen R. Grass: EEG extraordinario". La revista de neurodiagnóstico . 54 (1): 3–21. PMID  24783746.
  68. ^ ab Kirmizi-Alsan E, Bayraktaroglu Z, Gurvit H, Keskin YH, Emre M, Demiralp T (agosto de 2006). "Análisis comparativo de potenciales relacionados con eventos durante Go/NoGo y CPT: descomposición de marcadores electrofisiológicos de inhibición de respuesta y atención sostenida". Investigación del cerebro . 1104 (1): 114-128. doi :10.1016/j.brainres.2006.03.010. PMID  16824492. S2CID  18850757.
  69. ^ Frohlich J, Senturk D , Saravanapandian V, Golshani P, Reiter LT, Sankar R, et al. (Diciembre de 2016). "Un biomarcador electrofisiológico cuantitativo del síndrome de duplicación 15q11.2-q13.1". MÁS UNO . 11 (12): e0167179. Código Bib : 2016PLoSO..1167179F. doi : 10.1371/journal.pone.0167179 . PMC 5157977 . PMID  27977700. 
  70. ^ Kisley MA, Cornwell ZM (noviembre de 2006). "Actividad neuronal gamma y beta evocada durante un paradigma de activación sensorial: efectos de la estimulación auditiva, somatosensorial y transmodal". Neurofisiología clínica . 117 (11): 2549–2563. doi :10.1016/j.clinph.2006.08.003. PMC 1773003 . PMID  17008125. 
  71. ^ Kanayama N, Sato A, Ohira H (mayo de 2007). "Efecto transmodal con ilusión de mano de goma y actividad de banda gamma". Psicofisiología . 44 (3): 392–402. doi :10.1111/j.1469-8986.2007.00511.x. PMID  17371495.
  72. ^ Gastaut H (1952). "[Estudio electrocorticográfico de la reactividad del ritmo rolándico]". Revista Neurológica . 87 (2): 176–182. PMID  13014777.
  73. ^ ab Oberman LM, Hubbard EM, McCleery JP, Altschuler EL, Ramachandran VS, Pineda JA (julio de 2005). "Evidencia EEG de disfunción de las neuronas espejo en los trastornos del espectro autista". Investigación del cerebro. Investigación cognitiva del cerebro . 24 (2): 190–198. doi : 10.1016/j.cogbrainres.2005.01.014. PMID  15993757.
  74. ^ Cahn BR, Polich J (marzo de 2006). "Estados y rasgos de meditación: EEG, ERP y estudios de neuroimagen". Boletín Psicológico . 132 (2): 180–211. doi :10.1037/0033-2909.132.2.180. PMID  16536641. S2CID  2151810.
  75. ^ Gerrard P, Malcolm R (junio de 2007). "Mecanismos del modafinilo: una revisión de la investigación actual". Enfermedades y tratamientos neuropsiquiátricos . 3 (3): 349–364. PMC 2654794 . PMID  19300566. 
  76. ^ Niedermeyer E (junio de 1997). "Los ritmos alfa como fenómenos fisiológicos y anormales". Revista Internacional de Psicofisiología . 26 (1–3): 31–49. doi : 10.1016/S0167-8760(97)00754-X . PMID  9202993.
  77. ^ Feshchenko VA, Reinsel RA, Veselis RA (julio de 2001). "Multiplicidad del ritmo alfa en humanos normales". Revista de neurofisiología clínica . 18 (4): 331–344. doi :10.1097/00004691-200107000-00005. PMID  11673699.
  78. ^ Pfurtscheller G, Lopes da Silva FH (noviembre de 1999). "Sincronización y desincronización EEG/MEG relacionada con eventos: principios básicos". Neurofisiología clínica . 110 (11): 1842–1857. doi :10.1016/S1388-2457(99)00141-8. PMID  10576479. S2CID  24756702.
  79. ^ Anderson AL, Thomason ME (noviembre de 2013). "Plasticidad funcional antes de la cuna: una revisión de las imágenes neuronales funcionales en el feto humano". Reseñas de neurociencia y biocomportamiento . 37 (9 partes B): 2220–2232. doi :10.1016/j.neubiorev.2013.03.013. PMID  23542738. S2CID  45733681.
  80. ^ "El laboratorio MacIver". Universidad Stanford. Archivado desde el original el 23 de noviembre de 2008 . Consultado el 16 de diciembre de 2006 .
  81. ^ ab Jiang, Xiao; Bian, Gui-Bin; Tian, ​​Zean (26 de febrero de 2019). "Eliminación de artefactos de señales EEG: una revisión". Sensores (Basilea, Suiza) . 19 (5): 987. Código bibliográfico : 2019Senso..19..987J. doi : 10.3390/s19050987 . ISSN  1424-8220. PMC 6427454 . PMID  30813520. 
  82. ^ ab Alsuradi, Haneen; Parque, Wanjoo; Eid, Mohamad (2020). "Investigación neuroháptica basada en EEG: una revisión de la literatura". Acceso IEEE . 8 : 49313–49328. Código Bib : 2020IEEEA...849313A. doi : 10.1109/ACCESS.2020.2979855 . ISSN  2169-3536. S2CID  214596892.
  83. ^ ab Croft, RJ; Barry, RJ (1 de febrero de 2000). "Eliminación de artefacto ocular del EEG: una revisión". Neurophysiologie Clinique/Neurofisiología clínica . 30 (1): 5-19. doi :10.1016/S0987-7053(00)00055-1. ISSN  0987-7053. PMID  10740792. S2CID  13738373. Archivado desde el original el 31 de julio de 2020 . Consultado el 19 de diciembre de 2022 .
  84. ^ Epstein CM (1983). Introducción al EEG y potenciales evocados . JB Lippincott Co. ISBN 978-0-397-50598-2.[ página necesaria ]
  85. ^ Chen, Xun; Xu, Xueyuan; Liu, Aiping; Lee, Soojin; Chen, Xiang; Zhang, Xu; McKeown, Martín J.; Wang, Z. Jane (15 de julio de 2019). "Eliminación de artefactos musculares del EEG: una revisión y recomendaciones". Revista de sensores IEEE . 19 (14): 5353–5368. Código Bib : 2019ISenJ..19.5353C. doi :10.1109/JSEN.2019.2906572. ISSN  1558-1748. S2CID  116693954.
  86. ^ Kaya, İbrahim (18 de mayo de 2022), "Un breve resumen del manejo de artefactos EEG", en Asadpour, Vahid (ed.), Interfaz cerebro-computadora , inteligencia artificial, vol. 9, IntechOpen, arXiv : 2001.00693 , doi : 10.5772/intechopen.99127 , ISBN 978-1-83962-522-0, S2CID  209832569, archivado desde el original el 2022-12-20 , consultado el 2022-12-20
  87. ^ Montez T, Poil SS, Jones BF, Manshanden I, Verbunt JP, van Dijk BW, et al. (febrero de 2009). "Correlaciones temporales alteradas en las oscilaciones alfa parietal y theta prefrontal en la enfermedad de Alzheimer en etapa temprana". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 106 (5): 1614-1619. Código bibliográfico : 2009PNAS..106.1614M. doi : 10.1073/pnas.0811699106 . PMC 2635782 . PMID  19164579. 
  88. ^ Panachakel JT, Ramakrishnan AG (2021). "Decodificación del discurso encubierto de la revisión completa de EEG-A". Fronteras en Neurociencia . 15 : 642251. doi : 10.3389/fnins.2021.642251 . PMC 8116487 . PMID  33994922. 
  89. ^ abc Rapp PE, Keyser DO, Albano A, Hernandez R, Gibson DB, Zambon RA, et al. (2015). "Detección de daño cerebral traumático mediante métodos electrofisiológicos". Fronteras de la neurociencia humana . 9 : 11. doi : 10.3389/fnhum.2015.00011 . PMC 4316720 . PMID  25698950. 
  90. ^ Franke LM, Walker WC, Hoke KW, Wares JR (agosto de 2016). "Distinción en las oscilaciones lentas del EEG entre lesión cerebral traumática leve crónica y trastorno de estrés postraumático". Revista Internacional de Psicofisiología . 106 : 21-29. doi :10.1016/j.ijpsycho.2016.05.010. PMID  27238074.
  91. ^ ab "Estudio: el EEG puede ayudar a diferenciar el trastorno de estrés postraumático y la lesión cerebral traumática leve". www.research.va.gov . Archivado desde el original el 9 de octubre de 2019 . Consultado el 9 de octubre de 2019 .
  92. ^ "Juegos mentales". El economista. 2007-03-23. Archivado desde el original el 12 de diciembre de 2009 . Consultado el 12 de agosto de 2010 .
  93. ^ abc Li S (8 de agosto de 2010). "La lectura de la mente está en el mercado". Los Ángeles Times . Archivado desde el original el 4 de enero de 2013.
  94. ^ Fruhlinger J (9 de octubre de 2008). "Póngase manos a la obra con NeuroSky y el juego de control mental Judecca de Square Enix". Engadget. Archivado desde el original el 30 de octubre de 2010 . Consultado el 2 de diciembre de 2010 .
  95. ^ "Nuevos juegos impulsados ​​por ondas cerebrales". Physorg.com. Archivado desde el original el 6 de junio de 2011 . Consultado el 2 de diciembre de 2010 .
  96. ^ Snider M (7 de enero de 2009). "Toy entrena a los fanáticos de 'Star Wars' para usar la Fuerza". EE.UU. Hoy en día . Archivado desde el original el 23 de octubre de 2012 . Consultado el 1 de mayo de 2010 .
  97. ^ "Noticias: NeuroSky actualiza el SDK, permite parpadear y juegos basados ​​en ondas cerebrales". Gamasutra. 2010-06-30. Archivado desde el original el 22 de febrero de 2017 . Consultado el 2 de diciembre de 2010 .
  98. ^ Fiolet E. "NeuroSky MindWave lleva la interfaz cerebro-computadora a la educación". www.ubergizmo.com . Ubergizmo. Archivado desde el original el 12 de diciembre de 2017 . Consultado el 18 de mayo de 2015 .
  99. ^ "NeuroSky MindWave establece el récord mundial Guinness por" el objeto más grande movido mediante una interfaz cerebro-computadora"". NeuroGadget.com . Neurodispositivo. Archivado desde el original el 15 de octubre de 2013 . Consultado el 2 de junio de 2011 .
  100. ^ "¡Lanzamiento del producto! Neurosync: la interfaz cerebro-computadora más pequeña del mundo". www.prnewswire.com . 15 de julio de 2015. Archivado desde el original el 9 de diciembre de 2018 . Consultado el 21 de julio de 2017 .
  101. ^ "APLICACIÓN - Macrotelecto". o.macrotellect.com . Archivado desde el original el 23 de enero de 2017 . Consultado el 8 de diciembre de 2016 .
  102. ^ "Notificación previa a la comercialización 510 (k)". www.accessdata.fda.gov . Archivado desde el original el 12 de noviembre de 2021 . Consultado el 12 de noviembre de 2021 .
  103. ^ niamhcurran (8 de enero de 2021). "BioSerenity recibe la aprobación de la FDA para el sistema de dispositivo portátil EEG". NeuroNews Internacional . Archivado desde el original el 12 de noviembre de 2021 . Consultado el 12 de noviembre de 2021 .
  104. ^ Keiper A (2006). "La era de la neuroelectrónica". Nueva Atlántida . La Nueva Atlántida. 11 : 4–41. PMID  16789311. Archivado desde el original el 12 de febrero de 2016.
  105. ^ Wan F, da Cruz JN, Nan W, Wong CM, Vai MI, Rosa A (junio de 2016). "El entrenamiento de neurofeedback alfa mejora el rendimiento de BCI basado en SSVEP". Revista de ingeniería neuronal . 13 (3): 036019. Código bibliográfico : 2016JNEng..13c6019W. doi :10.1088/1741-2560/13/3/036019. PMID  27152666. S2CID  206099640.
  106. ^ "La mente sobre la materia: las ondas cerebrales controlan a Asimo". Tiempos de Japón . 1 de abril de 2009. Archivado desde el original el 3 de abril de 2009.
  107. ^ Natu N (21 de julio de 2008). "Esta prueba cerebral mapea la verdad". Los tiempos de la India . Archivado desde el original el 18 de julio de 2012 . Consultado el 14 de abril de 2021 .
  108. ^ Puranik DA, Jospeh SK, Daundkar BB, Garad MV (noviembre de 2009). Perfiles de firmas cerebrales en la India: su condición de ayuda en la investigación y de prueba corroborativa, como se ve en las sentencias (PDF) . Actas de la XX Conferencia de ciencia forense de toda la India. págs. 815–822. Archivado desde el original (PDF) el 3 de marzo de 2016.
  109. ^ Gaudet LM (2011). "Huellas dactilares del cerebro, evidencia científica y" Daubert ": una lección de precaución de la India". Jurimetría . 51 (3): 293–318. ISSN  0897-1277. JSTOR  41307131. Archivado desde el original el 16 de abril de 2021 . Consultado el 20 de marzo de 2019 .
  110. ^ Casson A, Yates D, Smith S, Duncan J, Rodríguez-Villegas E (2010). "Electroencefalografía portátil. ¿Qué es, por qué es necesaria y qué implica?". Revista IEEE Ingeniería en Medicina y Biología . 29 (3): 44–56. doi :10.1109/MEMB.2010.936545. hdl : 10044/1/5910 . PMID  20659857. S2CID  1891995.
  111. ^ Looney D, Kidmose P, Park C, Ungstrup M, Rank M, Rosenkranz K, Mandic D (1 de noviembre de 2012). "El concepto de grabación en el oído: monitorización cerebral portátil y centrada en el usuario". Pulso IEEE . 3 (6): 32–42. doi :10.1109/MPUL.2012.2216717. PMID  23247157. S2CID  14103460.
  112. ^ Lotte F, Bougrain L, Cichocki A, Clerc M, Congedo M, Rakotomamonjy A, Yger F (junio de 2018). "Una revisión de los algoritmos de clasificación para interfaces cerebro-computadora basadas en EEG: una actualización de 10 años". Revista de ingeniería neuronal . 15 (3): 031005. Código bibliográfico : 2018JNEng..15c1005L. doi : 10.1088/1741-2552/aab2f2 . PMID  29488902.
  113. ^ Shim M, Hwang HJ, Kim DW, Lee SH, Im CH (octubre de 2016). "Diagnóstico de esquizofrenia basado en aprendizaje automático utilizando funciones EEG combinadas a nivel de sensor y a nivel de fuente". Investigación sobre esquizofrenia . 176 (2–3): 314–319. doi :10.1016/j.schres.2016.05.007. PMID  27427557. S2CID  44504680.
  114. ^ Buettner R, Frick J, Rieg T (12 de noviembre de 2019). "Detección de epilepsia de alto rendimiento en grabaciones de EEG sin convulsiones: un nuevo enfoque de aprendizaje automático que utiliza subbandas de EEG epilépticos muy específicas". Actas de ICIS 2019 . Archivado desde el original el 21 de enero de 2021 . Consultado el 13 de enero de 2021 .
  115. ^ Ieracitano C, Mammone N, Hussain A, Morabito FC (marzo de 2020). "Un novedoso enfoque basado en aprendizaje automático multimodal para la clasificación automática de registros de EEG en demencia". Redes neuronales . 123 : 176-190. doi :10.1016/j.neunet.2019.12.006. PMID  31884180. S2CID  209510497.
  116. ^ Bhattacharyya A, Pachori RB (septiembre de 2017). "Un enfoque multivariado para la detección de convulsiones EEG específicas del paciente mediante transformada wavelet empírica". Transacciones IEEE sobre ingeniería biomédica . 64 (9): 2003-2015. doi :10.1109/TBME.2017.2650259. PMID  28092514. S2CID  3522546.
  117. ^ Saab K, Dunnmon J, Ré C, Rubin D, Lee-Messer C (20 de abril de 2020). "La supervisión débil como enfoque eficaz para la detección automatizada de convulsiones en electroencefalografía". npj Medicina digital . 3 (1): 59. doi : 10.1038/s41746-020-0264-0 . PMC 7170880 . PMID  32352037. 
  118. ^ Bomela W, Wang S, Chou CA, Li JS (mayo de 2020). "Inferencia y detección en tiempo real de redes EEG disruptivas para ataques epilépticos". Informes científicos . 10 (1): 8653. Código bibliográfico : 2020NatSR..10.8653B. doi : 10.1038/s41598-020-65401-6 . PMC 7251100 . PMID  32457378. 
  119. ^ Paesschen WV (marzo de 2018). "El futuro de la detección de convulsiones". La lanceta. Neurología . 17 (3): 200–202. doi :10.1016/S1474-4422(18)30034-6. PMID  29452676. S2CID  3376296.
  120. ^ Chen PC, Liu Y, Peng L (mayo de 2019). "Cómo desarrollar modelos de aprendizaje automático para la atención sanitaria". Materiales de la naturaleza . 18 (5): 410–414. Código Bib : 2019NatMa..18..410C. doi :10.1038/s41563-019-0345-0. PMID  31000806. S2CID  122563425.
  121. ^ Rudin C (mayo de 2019). "Deje de explicar los modelos de aprendizaje automático de caja negra para decisiones de alto riesgo y utilice modelos interpretables en su lugar". Inteligencia de la máquina de la naturaleza . 1 (5): 206–215. arXiv : 1811.10154 . doi : 10.1038/s42256-019-0048-x . PMC 9122117 . PMID  35603010. 
  122. ^ Coenen A, Fine E, Zayachkivska O (2014). "Adolf Beck: un pionero olvidado de la electroencefalografía". Revista de Historia de las Neurociencias . 23 (3): 276–286. doi :10.1080/0964704x.2013.867600. PMID  24735457. S2CID  205664545.
  123. ^ Pravdich-Neminsky VV (1913). "Ein Versuch der Registrierung der elektrischen Gehirnerscheinungen". Zentralblatt für Physiologie . 27 : 951–60.
  124. ^ Haas LF (enero de 2003). "Hans Berger (1873-1941), Richard Caton (1842-1926) y electroencefalografía". Revista de Neurología, Neurocirugía y Psiquiatría . 74 (1): 9. doi :10.1136/jnnp.74.1.9. PMC 1738204 . PMID  12486257. 
  125. ^ Mijo D (junio de 2002). Los orígenes del EEG. Séptima Reunión Anual de la Sociedad Internacional para la Historia de las Neurociencias (ISHN).[ enlace muerto ]
  126. ^ Gibbs FA, Davis H, Lennox WG (diciembre de 1935). "El electroencefalograma en la epilepsia y en condiciones de alteración de la conciencia". Archivos de Neurología y Psiquiatría . 34 (6): 1133. doi :10.1001/archneurpsyc.1935.02250240002001.
  127. ^ "Beckman Instruments suministra equipos médicos de monitoreo de vuelos" (PDF) . Resumen de noticias espaciales . 3 de marzo de 1965. págs. Archivado (PDF) desde el original el 7 de agosto de 2019 . Consultado el 7 de agosto de 2019 .
  128. ^ Bozinovski, Stevo (2013). "Control de robots mediante señales EEG, desde 1988". En Markovski, Sonríe; Gusev, Marjan (eds.). Innovaciones TIC 2012 . Avances en Sistemas Inteligentes y Computación. vol. 207. Berlín, Heidelberg: Springer. págs. 1–11. doi :10.1007/978-3-642-37169-1_1. ISBN 978-3-642-37169-1. Archivado desde el original el 13 de enero de 2023 . Consultado el 13 de enero de 2023 .
  129. ^ Jiang L, Stocco A, Losey DM, Abernethy JA, Prat CS, Rao RP (abril de 2019). "BrainNet: una interfaz cerebro a cerebro de varias personas para la colaboración directa entre cerebros". Informes científicos . 9 (1): 6115. arXiv : 1809.08632 . Código Bib : 2019NatSR...9.6115J. doi : 10.1038/s41598-019-41895-7 . PMC 6467884 . PMID  30992474. 

Otras lecturas

enlaces externos