stringtranslate.com

Electroencefalografía

La electroencefalografía ( EEG ) [1] 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 el neocórtex y el alocórtex . [2] Por lo general, no es invasiva, con los electrodos de EEG colocados a lo largo del cuero cabelludo (comúnmente llamado "EEG del cuero cabelludo") utilizando el sistema internacional 10-20 , o variaciones de este. 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 la inspección visual del trazado o el análisis cuantitativo del EEG .

Las fluctuaciones de voltaje medidas por el bioamplificador y los electrodos del EEG permiten la evaluación de la actividad cerebral normal . Como la actividad eléctrica monitoreada por el EEG se origina en neuronas en el tejido cerebral subyacente , los registros hechos por los electrodos en la superficie del cuero cabelludo varían de acuerdo con su orientación y distancia a la fuente de la actividad. Además, el valor registrado está distorsionado por los tejidos intermediarios y los huesos, que actúan de manera similar a las resistencias y los capacitores en un circuito eléctrico . Esto significa que no todas las neuronas contribuirán por igual a una señal de EEG, y que un EEG refleja predominantemente la actividad de las neuronas corticales cerca de los electrodos en el cuero cabelludo. Las estructuras profundas dentro del cerebro más alejadas de los electrodos no contribuirán directamente a un EEG; estas incluyen la base del giro cortical , las paredes mesiales de los lóbulos principales , el hipocampo , el tálamo y el tronco encefálico . [3]

Un EEG humano sano mostrará ciertos patrones de actividad que se correlacionan con el grado de vigilia de una persona. El rango de frecuencias que se observa está entre 1 y 30 Hz, y las amplitudes varían entre 20 y 100 μV. Las frecuencias observadas se subdividen en varios grupos: alfa (8-13 Hz), beta (13-30 Hz), delta (0,5-4 Hz) y theta (4-7 Hz). Las ondas alfa se observan cuando una persona está en un estado de vigilia relajada y son principalmente prominentes en los sitios parietal y occipital. Durante la actividad mental intensa , las ondas beta son más prominentes en las áreas 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 generalmente en la vigilia ; si se ven, es un signo de disfunción cerebral. [3]

El EEG puede detectar descargas eléctricas anormales , como ondas agudas , picos o complejos de pico y onda , como los que se observan en personas con epilepsia ; por lo tanto, a menudo se utiliza para informar el diagnóstico médico . El EEG puede detectar el inicio y la evolución espaciotemporal (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 primera línea de diagnóstico para tumores , accidentes cerebrovasculares y otros trastornos cerebrales focales, [4] [5] pero este uso ha disminuido con el advenimiento de técnicas de imágenes anatómicas de alta resolución, como la resonancia magnética (IRM) y la tomografía computarizada (TC). A pesar de su resolución espacial limitada, 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 rango de milisegundos, lo que no es posible con TC, PET o RMN. [6] [7]

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

Usos

Epilepsia

Una configuración de registro de EEG que utiliza el sistema 10-10 de colocación de electrodos.

El EEG es el procedimiento 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 del 29 al 55 %. [8] 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, puntas, punta y onda , etc.) es confirmatorio de 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 ) [8] o con un riesgo muy bajo de desarrollar epilepsia en el futuro. [9]

Cuando un EEG de rutina es normal y existe una alta sospecha o necesidad de confirmar epilepsia, se puede repetir o realizar con una duración más prolongada en la unidad de monitorización de epilepsia (UME) o en el domicilio 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. [8]

Unidad de Monitoreo de Epilepsia (UME)

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 pueden intentar realizar registros de EEG mientras se produce una convulsión . Esto se conoce como registro ictal , a diferencia de un registro interictal, que se refiere al registro de EEG entre convulsiones. Para obtener un registro ictal, se realiza típicamente un EEG prolongado acompañado de una grabación de video y audio 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 (EMU) con enfermeras y otro personal capacitado en el cuidado de pacientes con convulsiones. Los EEG de video ambulatorios para pacientes ambulatorios suelen durar de uno a tres días. Un ingreso en una Unidad de Monitoreo de Epilepsia suele durar varios días, pero puede durar una semana o más. Mientras está en el hospital, generalmente se retiran los medicamentos anticonvulsivos 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 video EEG ambulatorios tienen la ventaja de ser convenientes y son menos costosos que una internación hospitalaria, pero también tienen la desventaja de una menor probabilidad de registrar un evento clínico. [10]

La monitorización de la epilepsia se considera a menudo cuando los pacientes siguen 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 , accidente cerebrovascular, etc. En casos de convulsiones epilépticas, la monitorización continua del EEG ayuda a caracterizar las convulsiones y localizar/lateralizar la región del cerebro en la que se origina una convulsión. Esto puede ayudar a identificar opciones de tratamiento no farmacológico adecuadas. [11] En el uso clínico, los neurólogos analizan visualmente los trazos del EEG para observar varias características. Cada vez más, el análisis cuantitativo del EEG se utiliza junto con el análisis visual. Las visualizaciones del 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 del EEG que necesitan un análisis visual minucioso o, en algunos casos, pueden utilizarse como sustitutos para la identificación rápida de convulsiones en grabaciones a largo plazo.

Otros trastornos cerebrales

Un EEG también podría ser útil para diagnosticar o tratar los siguientes trastornos: [12]

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 de la presión intracraneal ) y para monitorear daño cerebral secundario en condiciones como hemorragia subaracnoidea (actualmente un método de investigación).

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

Si se está considerando la posibilidad de realizar una cirugía resectiva a un paciente con epilepsia , a menudo es necesario localizar el foco (fuente) de la actividad cerebral epiléptica con una resolución mayor que la que proporciona el EEG del cuero cabelludo. En estos casos, los neurocirujanos suelen implantar tiras y rejillas de electrodos o electrodos de profundidad penetrante debajo de la duramadre , a través de una craneotomía o un orificio de trépano . El registro de estas señales se conoce como electrocorticografía (ECoG), EEG subdural (sdEEG), EEG intracraneal (icEEG) o EEG estereotáctico (sEEG). La señal registrada del ECoG está en una escala de actividad diferente a la actividad cerebral registrada del EEG del cuero cabelludo. Los componentes de bajo voltaje y alta frecuencia que no se pueden ver fácilmente (o 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 cerebral) permiten una mejor resolución espacial para limitar las áreas críticas para el inicio y la propagación de las convulsiones. Algunos sitios clínicos registran datos de microelectrodos penetrantes. [13]

EEG ambulatorio domiciliario

En ocasiones resulta más conveniente o clínicamente necesario realizar registros de EEG ambulatorios en el domicilio del paciente. Estos estudios suelen tener una duración de 24 a 72 horas. [ cita requerida ]

Uso de la 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. [14] [15] [16] Cualquier técnica de EEG utilizada en la investigación no está suficientemente estandarizada para el uso clínico, y muchos estudios de ERP no informan todos los pasos de procesamiento necesarios para la recopilación y reducción de datos, [17] lo que limita la reproducibilidad y replicabilidad de muchos estudios. Según una revisión sistemática de la literatura y un metanálisis de 2024 encargados por el Patient-Centered Outcomes Research Institute (PCORI), las exploraciones EEG no se pueden utilizar de manera confiable para ayudar a realizar un diagnóstico clínico de TDAH. [18] Sin embargo, el EEG continúa utilizándose en la investigación sobre discapacidades mentales, como el trastorno del procesamiento auditivo (APD), el ADD y el ADHD . [18]

Ventajas

Existen otros métodos para estudiar la función cerebral, como la resonancia magnética funcional (fMRI), la tomografía por emisión de positrones (PET), la magnetoencefalografía (MEG), la espectroscopia por resonancia magnética nuclear (NMR o MRS), la electrocorticografía (ECoG), la tomografía computarizada por emisión monofotónica (SPECT), la espectroscopia de infrarrojo cercano (NIRS) y la señal óptica relacionada con eventos (EROS). A pesar de la sensibilidad espacial relativamente pobre de la EEG, las "señales unidimensionales de regiones periféricas localizadas en la cabeza la hacen atractiva por su fidelidad simplista y han permitido un alto rendimiento en la investigación clínica y básica". [19] Por lo tanto, la EEG posee algunas ventajas sobre algunas de esas otras técnicas:

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

[32]

Desventajas

Con otras técnicas de neuroimagen

Se han obtenido registros de EEG y exploraciones de fMRI simultáneos con éxito, [38] [39] [40] [41] aunque registrar ambos al mismo tiempo requiere efectivamente superar varias dificultades técnicas, como la presencia de artefactos balistocardiográficos, artefactos de pulso de MRI y la inducción de corrientes eléctricas en cables de EEG que se mueven dentro de los fuertes campos magnéticos de la MRI. Si bien son desafiantes, estos se han superado con éxito en varios estudios. [42] [43]

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

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

Recientemente, se ha investigado un enfoque combinado de EEG/MEG (EMEG) con el propósito de reconstruir la fuente en el diagnóstico de la epilepsia. [45]

El EEG también se ha combinado con la tomografía por emisión de positrones . Esto ofrece la ventaja de permitir a los investigadores ver qué señales del EEG están asociadas con diferentes acciones de los fármacos en el cerebro. [46]

Estudios recientes que utilizan técnicas de aprendizaje automático , como redes neuronales con características temporales estadísticas extraídas de datos de ondas cerebrales del EEG del lóbulo frontal , han demostrado altos niveles de éxito en la clasificación de estados mentales (relajado, neutral, concentrado), [47] estados emocionales mentales (negativo, neutral, positivo) [48] y disritmia talamocortical . [49]

Mecanismos

La carga eléctrica del cerebro se mantiene gracias a miles de millones de neuronas . [50] Las neuronas están cargadas eléctricamente (o "polarizadas") por proteínas de transporte de membrana que bombean iones a través de sus membranas. Las neuronas intercambian iones constantemente 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, que 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 en el cuero cabelludo, pueden empujar o tirar de electrones en el metal de los electrodos. Dado que el metal conduce el empuje y la atracción de electrones fácilmente, 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. [51]

El potencial eléctrico generado por una neurona individual es demasiado pequeño para ser captado por EEG o MEG. [52] Por lo tanto, la actividad de 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 se puedan detectar. Se cree que las neuronas piramidales de la corteza producen la mayor cantidad de señal de EEG porque están bien alineadas y se activan juntas. Debido a que los gradientes de 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. [53]

La actividad del 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 cerebral (por ejemplo, vigilia y las diversas etapas del sueño ). Estas oscilaciones representan una actividad sincronizada en una red de neuronas. Las redes neuronales subyacentes a algunas de estas oscilaciones se comprenden (por ejemplo, la resonancia talamocortical subyacente a los husos del sueño ), mientras que muchas otras no (por ejemplo, el sistema que genera el ritmo básico posterior). La investigación que mide tanto el EEG como la activación neuronal descubre que la relación entre ambos es compleja, y que una combinación de potencia del EEG en la banda gamma y fase en la banda delta se relaciona más fuertemente con la actividad de la activación neuronal. [54]

Método

El electroencefalógrafo computarizado Neurovisor-BMM 40 se fabrica y se vende en Rusia

En el electroencefalograma convencional del cuero cabelludo, 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 abrasión ligera para reducir la impedancia debido a las células cutáneas muertas. 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 los electrodos; esto es particularmente común cuando se necesitan conjuntos de electrodos de alta densidad. [ cita requerida ]

Las ubicaciones y los nombres de los electrodos están especificados por el sistema internacional 10-20 [55] para la mayoría de las aplicaciones clínicas y de investigación (excepto cuando se utilizan conjuntos de alta densidad). Este sistema garantiza que la denominación de los electrodos sea consistente en todos los laboratorios. En la mayoría de las aplicaciones clínicas, se utilizan 19 electrodos de registro (más la referencia de tierra y del sistema). [56] Por lo general, se utiliza una cantidad menor de electrodos cuando se registra EEG de neonatos . 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 (generalmente a través de un gorro o una 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 1.000–100.000 veces, o 60–100  dB de ganancia de potencia). En el EEG analógico, la señal se filtra (próximo párrafo), y la señal del EEG se emite como la desviación de los bolígrafos cuando el papel pasa por debajo. Sin embargo, la mayoría de los sistemas de EEG actuales son digitales, y la señal amplificada se digitaliza a través de un convertidor analógico a digital , después de pasar por un filtro anti-aliasing . El muestreo analógico a digital normalmente se produce a 256–512 Hz en el EEG clínico del cuero cabelludo; se utilizan frecuencias de muestreo de hasta 20 kHz en algunas aplicaciones de investigación.

Durante el registro, se pueden utilizar una serie de procedimientos de activación. Estos procedimientos pueden inducir una actividad electroencefalográfica normal o anormal que de otro modo no se vería. Estos procedimientos incluyen hiperventilación, estimulación fótica (con una luz estroboscópica), cierre de los ojos, actividad mental, sueño y privación del sueño. Durante el seguimiento de la epilepsia (durante el ingreso), se pueden retirar los medicamentos anticonvulsivos habituales del paciente.

La señal digital del 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 los artefactos lentos, como las señales electrogalvánicas y los artefactos de movimiento, mientras que el filtro de paso bajo filtra los artefactos de alta frecuencia, como las 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). [13]

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 la cirugía de la epilepsia, puede ser necesario insertar electrodos cerca de la superficie del cerebro, debajo de la superficie de la duramadre . Esto se logra a través de un orificio de trépano o craneotomía . Esto se conoce de diversas formas como "electrocorticografía (ECoG)" , "EEG intracraneal (I-EEG)" o "EEG subdural (SD-EEG)". Los electrodos de profundidad también se pueden colocar en estructuras cerebrales, como la amígdala o el hipocampo , estructuras que son focos epilépticos comunes y que pueden no "verse" claramente mediante el 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 salvedades. El ECoG se registra típicamente 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 frecuencia más alta. 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 el filtrado de visualización.

Una señal de EEG humana adulta típica tiene una amplitud de aproximadamente 10 μV a 100 μV cuando se mide desde el cuero cabelludo. [57]

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

Montaje secuencial
Cada canal (es decir, forma de onda) representa la diferencia entre dos electrodos adyacentes. El montaje completo 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 todo el conjunto de electrodos.
Montaje referencial
Cada canal representa la diferencia entre un electrodo determinado y un electrodo de referencia designado. No existe una posición estándar para esta referencia; sin embargo, se encuentra en una posición diferente a la de los electrodos de "registro". Las posiciones de línea media se utilizan a menudo porque no amplifican la señal en un hemisferio en comparación con el otro, como Cz, Oz, Pz, etc. como referencia en línea. Las otras referencias fuera de línea populares son:
Montaje de referencia promedio
Se suman y promedian las salidas de todos los amplificadores, 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. [59]

Cuando se utilizan EEG analógicos (en papel), el técnico cambia entre montajes durante la grabación para resaltar o caracterizar mejor ciertas características del EEG. Con el EEG digital, todas las señales se suelen digitalizar y almacenar en un montaje particular (normalmente referencial); dado que cualquier montaje se puede construir matemáticamente a partir de cualquier otro, el electroencefalografista puede visualizar 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 en materia de especialidades médicas ), preferentemente alguien que tenga formación específica en la interpretación de EEG con fines clínicos. Esto se hace mediante la inspección visual de las formas de onda, llamadas grafoelementos. El uso del procesamiento informático de señales del EEG, la denominada electroencefalografía cuantitativa , es algo controvertido cuando se utiliza con fines clínicos (aunque existen muchos usos para la investigación).

Electrodos de 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 de un solo canal y también de varios canales utilizando micromaquinado. La construcción del electrodo de EEG seco de un solo canal y los resultados se publicaron en 1994. [60] También se demostró que el electrodo en matriz funcionaba 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 la adaptación de impedancia . Las ventajas de estos electrodos son: (1) no se utiliza electrolito, (2) no se prepara la piel, (3) se reduce significativamente el tamaño del sensor y (4) es compatible con los sistemas de monitorización de EEG. La matriz de electrodos activos es un sistema integrado formado por una matriz 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) potenciales relacionados con eventos cognitivos. 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. [61]

En 1999, investigadores de la Case Western Reserve University , en Cleveland , Ohio , dirigidos por Hunter Peckham, utilizaron un electroencefalograma de 64 electrodos en el cráneo para devolver los movimientos limitados de la mano al cuadripléjico 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 de la media se configuró como activada, la actividad por debajo de la media se apagó. Además de permitir a Jatich controlar un cursor de computadora, las señales también se utilizaron para activar los controladores nerviosos integrados en sus manos, restaurando algo de movimiento. [62]

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 . [63] La tecnología de 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 la larga configuración requiere personal capacitado a mano, utilizar EEG fuera del entorno de laboratorio puede ser difícil. [64] Además, se ha observado que el rendimiento de los sensores de electrodos húmedos se reduce después de un lapso de horas. [63] Por lo tanto, la investigación se ha dirigido al desarrollo de interfaces bioelectrónicas de EEG secas y semisecas. [ cita requerida ]

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. [64] [63] Algunos sistemas de EEG intentan evitar este problema aplicando una solución salina. [65] Otros tienen una naturaleza semiseca y liberan pequeñas cantidades de gel al entrar en contacto con el cuero cabelludo. [64] Otra solución utiliza configuraciones de clavijas accionadas por resorte. Estas pueden resultar incómodas. También pueden ser peligrosas si se utilizan en una situación en la que un paciente podría golpearse la cabeza, ya que podrían quedar atrapadas después de un incidente de traumatismo por impacto. [63]

En la actualidad, existen auriculares que incorporan electrodos secos con hasta 30 canales. [66] Estos diseños pueden 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. [67]

Limitaciones

El EEG tiene varias limitaciones. La más importante es su pobre resolución espacial. [68] El EEG es más sensible a un conjunto particular de potenciales postsinápticos: aquellos generados en las capas superficiales de la corteza, en las crestas de los giros que lindan directamente con el cráneo y radialmente al cráneo. Las dendritas que están más profundas en la corteza, dentro de los surcos , en la línea media o en estructuras profundas (como el giro cingulado o el hipocampo ), o que producen corrientes que son tangenciales al cráneo, hacen una contribución mucho menor a la señal del EEG.

Los registros de EEG no capturan directamente los potenciales de acción axónica . Un potencial de acción se puede representar con precisión como un cuadrupolo de corriente , lo que significa que el campo resultante disminuye más rápidamente que los producidos por el dipolo de corriente de los potenciales postsinápticos. [22] 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 los registros. Los potenciales de acción son muy rápidos y, como consecuencia, las posibilidades de suma de campos son escasas. Sin embargo, la retropropagación neuronal , como un dipolo de corriente dendrítica típicamente más largo, puede ser captada por electrodos de EEG y es una indicación confiable de la ocurrencia de salida neuronal.

Los EEG no sólo captan corrientes dendríticas casi exclusivamente en lugar de corrientes axónicas, 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 se desplazan hacia arriba o hacia abajo por estos procesos subyacen a la mayoría de las señales producidas por la electroencefalografía. [69]

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

Es matemáticamente imposible reconstruir una fuente de corriente intracraneal única para una señal de EEG dada, [13] ya que algunas corrientes producen potenciales que se cancelan 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 requerida ]

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, dependiendo del tipo de neurona. [70] Otros métodos para observar la actividad cerebral, como PET , fMRI o fUS, tienen una resolución temporal 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 cerebral.

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 lapso 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 de gradiente de MRI presente durante la adquisición de MRI. Además, se pueden inducir corrientes en los cables de electrodos de EEG en movimiento debido al campo magnético de la MRI.

El EEG se puede utilizar simultáneamente con NIRS o fUS sin mayores dificultades técnicas. No existe influencia entre estas modalidades y una medición combinada puede brindar 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 . Las corrientes iónicas involucradas en la generación de potenciales de acción rápida pueden no contribuir en gran medida a los potenciales de campo promedio que representan el EEG. [52] [71] Más específicamente, 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 [22] están asociados con corrientes iónicas intracelulares. [72]

Actividad normal

El EEG se describe típicamente 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 una cierta distribución sobre el cuero cabelludo o un cierto significado biológico. Las bandas de frecuencia generalmente se extraen utilizando métodos espectrales (por ejemplo, Welch) como los implementados, 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 (es probable que la actividad por debajo o por encima de este rango sea artificial, 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 del EEG utilizado en la práctica clínica. [73]

Comparación de bandas de EEG

La práctica de utilizar únicamente números enteros en las definiciones proviene de consideraciones prácticas de 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 con más cuidado para incluir todas las frecuencias. Lamentablemente, no hay acuerdo en las obras 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 se toma el umbral como 14 Hz, entonces la onda beta más lenta tiene aproximadamente la misma duración que el pico más largo (70 ms), lo que hace que este sea 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 motoras y sensoriales contralaterales) que surge cuando las manos y los brazos están inactivos; y el "tercer ritmo" (actividad alfa en los lóbulos temporales o frontales). [82] [83] El alfa puede ser anormal; por ejemplo, un EEG que tiene alfa difuso que ocurre en coma y no responde a estímulos externos se denomina "coma alfa".
Ondas beta
Ondas gamma

En algunos contextos de investigación, se registra la actividad "ultralenta" o "casi continua " mediante 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 en lugar de rítmicas. Las puntas 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: las ondas de vértice y los husos del sueño se observan en el sueño normal.

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

El electroencefalograma (EEG) normal varía según la edad. El EEG prenatal y neonatal es bastante diferente del EEG del adulto. Los fetos en el tercer trimestre y los recién nacidos muestran dos patrones comunes de actividad cerebral: "discontinua" y "alternativa traza". La actividad eléctrica "discontinua" se refiere a ráfagas agudas de actividad eléctrica seguidas de ondas de baja frecuencia. La actividad eléctrica "alternativa traza" describe ráfagas agudas seguidas de intervalos cortos de alta amplitud y generalmente indica sueño tranquilo en los recién nacidos. [85] El EEG en la infancia generalmente tiene oscilaciones de frecuencia más lentas que el EEG del adulto.

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 de la 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. Santamaria y Chiappa catalogaron una serie de la variedad de patrones asociados con la somnolencia. El sueño de la etapa II se caracteriza por husos de sueño: series transitorias de actividad rítmica en el rango de 12 a 14 Hz (a veces denominado banda "sigma") que tienen un máximo frontocentral. La mayor parte de la actividad en la etapa II está en el rango de 3 a 6 Hz. El sueño de las etapas III y IV se definen por la presencia de frecuencias delta y a menudo se las denomina 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 el halotano o agentes intravenosos, como el propofol , se observa un patrón de EEG rápido (alfa o beta baja), no reactivo en la mayor parte del cuero cabelludo, especialmente en la parte anterior; en alguna terminología antigua esto se conocía como un patrón WAR (rápido anterior generalizado), en contraste con un patrón WAIS (lento generalizado) asociado con altas dosis de opiáceos . Los efectos de los anestésicos sobre las señales de EEG están comenzando a entenderse a nivel de las acciones de los fármacos sobre diferentes tipos de sinapsis y los circuitos que permiten la actividad neuronal sincronizada. [86]

Artefactos

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

El electroencefalograma (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 lidiar con ellos sigue siendo una pregunta abierta. La fuente de los artefactos puede ser de problemas relacionados con el instrumento, como electrodos defectuosos, ruido de línea o alta impedancia de electrodos, o pueden ser de la fisiología del sujeto que se está registrando. Esto puede incluir parpadeos y movimientos de los ojos, actividad cardíaca y actividad muscular y estos tipos 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 trastornos del sueño. Como tal, la eliminación de tales artefactos en los datos del EEG utilizados para aplicaciones prácticas es de suma importancia. [87]

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 los artefactos sin afectar la calidad de la señal del EEG. Como las fuentes de los artefactos son bastante diferentes, la mayoría de los investigadores se centran en el desarrollo de algoritmos que identifiquen y eliminen un solo tipo de ruido en la señal. El filtrado simple utilizando un filtro de muesca se utiliza comúnmente 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 para algunos, sus frecuencias se superpondrán con las frecuencias del EEG.

Los algoritmos de regresión tienen un costo computacional moderado y son simples. Representaron el método de corrección más popular hasta mediados de la década de 1990, cuando fueron reemplazados por métodos de tipo "separación ciega de fuentes". 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 el requisito de los canales de referencia finalmente llevó a que se reemplazara esta clase de algoritmo, todavía representan el punto de referencia con el que se evalúan los algoritmos modernos. [88] 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 en abordar la mayoría de los artefactos fisiológicos. [88]

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, distorsionando el campo eléctrico sobre el cuero cabelludo y, como el EEG se registra en el cuero cabelludo, distorsiona la señal registrada. Existe una diferencia de opinión entre los investigadores: algunos sostienen que los artefactos oculares son, o pueden describirse razonablemente como, un generador único, mientras que otros sostienen que es importante comprender los mecanismos potencialmente complicados. Se han propuesto tres mecanismos potenciales para explicar el artefacto ocular.

El primero es el movimiento dipolar corneal-retiniano, que sostiene que se forma un dipolo eléctrico entre la córnea y la retina, ya que la primera tiene carga positiva y la segunda, negativa. Cuando el ojo se mueve, también lo hace este dipolo que impacta el campo eléctrico sobre el cuero cabelludo; esta es la visión más estándar. El segundo mecanismo es el movimiento dipolar retiniano, que es similar al primero pero difiere en que sostiene que hay una diferencia de potencial, por lo tanto, el dipolo a través de la retina y la córnea tiene poco efecto. El tercer mecanismo es el movimiento del párpado. 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 de potencial deslizante y que el impacto del parpadeo es diferente al movimiento del ojo en el EEG registrado. [89]

Los artefactos de aleteo palpebral de un tipo característico se denominaban anteriormente ritmo kappa (u ondas kappa). Suelen observarse en las derivaciones prefrontales, es decir, justo encima de los ojos. A veces se observan con la actividad mental. Suelen estar en el rango theta (4-7 Hz) o alfa (7-14 Hz). Se les dio ese nombre porque se creía que se originaban en el cerebro. Un estudio posterior reveló que se generaban por un aleteo rápido de los párpados, a veces tan minúsculo que era difícil verlo. De hecho, son ruido en la lectura del EEG y técnicamente no deberían llamarse ritmo u onda. Por lo tanto, el uso actual en electroencefalografía se refiere al fenómeno como un artefacto de aleteo palpebral, en lugar de un ritmo (u onda) kappa. [90]

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 al cuadrado de la distancia desde los ojos. El electrooculograma (EOG) consiste en 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 EEG. [89]

Artefactos musculares

Otra fuente de artefactos son los diversos movimientos musculares en todo el cuerpo. Esta clase particular de artefacto suele registrarse con todos los electrodos en el cuero cabelludo debido a la actividad miogénica (aumento o disminución de la presión arterial). El origen de estos artefactos no tiene una ubicación única y surge de grupos musculares funcionalmente independientes, lo que significa que las características del artefacto no son constantes. Los patrones observados debido a los artefactos musculares cambiarán según el sexo del sujeto, el tejido muscular en particular y su grado de contracción. El rango de frecuencia de los artefactos musculares es amplio y se superpone con cada ritmo clásico del EEG. 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 los 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 gravemente la calidad del EEG registrado. Además, las grabaciones realizadas a pacientes con epilepsia pueden verse significativamente afectadas por la existencia de artefactos musculares. [91]

Artefactos cardíacos

El potencial debido a la actividad cardíaca introduce errores electrocardiográficos (ECG) en el EEG. [92] Los artefactos que surgen debido a la actividad cardíaca se pueden eliminar con la ayuda de una señal de referencia de ECG. [87]

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 temblor . [ cita requerida ]

Artefactos ambientales

Además de los artefactos generados por el cuerpo, muchos artefactos se originan desde fuera del cuerpo. El movimiento del paciente, o incluso el simple asentamiento de los electrodos, puede causar estallidos de electrodos , picos originados por un cambio momentáneo en la impedancia de un electrodo determinado. Una mala conexión a tierra de los electrodos de EEG puede causar un artefacto significativo 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 ; estos dispositivos pueden causar ráfagas rítmicas, rápidas y de bajo voltaje, que pueden confundirse con picos. [ cita requerida ]

Actividad anormal

La actividad anormal puede dividirse, en líneas generales, en actividad epileptiforme y no epileptiforme. También puede dividirse en focal o difusa.

Las descargas epileptiformes focales representan potenciales rápidos y sincrónicos en un gran número de neuronas en un área más o menos discreta del cerebro. Pueden ocurrir como actividad interictal, entre convulsiones, y representan un área de irritabilidad cortical que puede estar predispuesta a producir convulsiones epilépticas. Las descargas interictales no son totalmente confiables para determinar si un paciente tiene epilepsia ni dónde puede originarse su convulsión. (Véase epilepsia focal .)

Las descargas epileptiformes generalizadas suelen tener un máximo anterior, pero se observan de forma sincrónica en todo el cerebro y son muy indicativas de una epilepsia generalizada.

La actividad anormal focal no epileptiforme puede ocurrir en áreas del cerebro donde hay daño focal de la corteza o de 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 del EEG.

La actividad anormal difusa no epileptiforme puede manifestarse como ritmos difusos anormalmente lentos o 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 artefactos de 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 . [93]

Comunicación remota

Los sistemas para decodificar el habla imaginada a partir del EEG tienen aplicaciones, por ejemplo, en las interfaces cerebro-computadora . [94]

Diagnóstico EEG

El Departamento de Defensa (DoD) y el Departamento de Asuntos de Veteranos (VA) y el Laboratorio de Investigación del Ejército de los EE. UU. (ARL) colaboraron en el diagnóstico de EEG para detectar lesiones cerebrales traumáticas leves a moderadas en soldados de combate. [95] Entre 2000 y 2012, el 75 por ciento de las lesiones cerebrales en operaciones militares de los EE. UU. se clasificaron como lesiones cerebrales traumáticas leves. En respuesta, el DoD buscó nuevas tecnologías capaces de detectar de forma rápida, precisa, no invasiva y en el campo las lesiones cerebrales traumáticas leves para abordar esta lesión. [95]

El personal de combate a menudo desarrolla TEPT y TCE leve en correlación. Ambas afecciones se presentan con oscilaciones de ondas cerebrales de baja frecuencia alteradas. [96] Las ondas cerebrales alteradas de los pacientes con TEPT se presentan con disminuciones en las oscilaciones de baja frecuencia, mientras que las lesiones por TCE leve están vinculadas a un aumento de las oscilaciones de ondas de baja frecuencia. Un diagnóstico EEG eficaz puede ayudar a los médicos a identificar con precisión las afecciones y tratar adecuadamente las lesiones para mitigar los efectos a largo plazo. [97]

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. [95] La diferenciación precisa entre LCT leve y TEPT puede aumentar significativamente los resultados positivos de recuperación para los pacientes, especialmente porque los cambios a largo plazo en la comunicación neuronal pueden persistir después de un incidente inicial de LCT leve. [97]

Otra medición común realizada a partir de datos de EEG son las medidas de complejidad como la complejidad de Lempel-Ziv , la dimensión fractal y la planitud espectral , [19] que están asociadas con patologías particulares o etapas de patología.

Ciencias económicas

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

Investigaciones futuras

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 los EE. UU. para detectar a los pilotos en peligro de sufrir convulsiones; [110] los registros de EEG a largo plazo en pacientes con epilepsia todavía se utilizan hoy en día para la predicción de convulsiones . El neurofeedback sigue siendo una extensión importante, y en su forma más avanzada también se intenta como base de las interfaces cerebro-computadora . [111] El EEG también se utiliza bastante ampliamente en el campo del neuromarketing .

El EEG se altera con fármacos que afectan a las funciones cerebrales, sustancias químicas que son la base de la psicofarmacología . Los primeros experimentos de Berger registraron los efectos de los fármacos 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 utilizando EEG, una tecnología que eventualmente espera incorporar a sus automóviles. [112]

Los EEG se han utilizado como prueba en juicios penales en el estado indio de Maharashtra . [113] [114] El perfil de la firma de oscilación eléctrica cerebral (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 fiabilidad y la base científica de BEOS están en disputa. [115]

Actualmente se están realizando muchas investigaciones para hacer que los dispositivos de EEG sean más pequeños, más portátiles y más fáciles de usar. El llamado "EEG portátil" se basa en la creación de electrónica de recolección inalámbrica de baja potencia y electrodos "secos" que no requieren el uso de un gel conductor. [116] El EEG portátil tiene como objetivo proporcionar pequeños dispositivos de EEG que estén presentes solo en la cabeza y que puedan registrar EEG durante días, semanas o meses a la vez, como el EEG de oído . Este monitoreo 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. [117] También se están realizando investigaciones para identificar soluciones específicas para aumentar la vida útil de la batería de los dispositivos de 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 . [118] Los datos del EEG se preprocesan y luego se pasan a algoritmos de aprendizaje automático. Estos algoritmos luego se entrenan para reconocer diferentes enfermedades como la esquizofrenia , [119] la epilepsia [120] o la demencia . [121] Además, se utilizan cada vez más para estudiar la detección de convulsiones. [122] [123] [124] [125] Al utilizar el aprendizaje automático, los datos se pueden analizar automáticamente. A largo plazo, esta investigación tiene como objetivo construir algoritmos que respalden a los médicos en su práctica clínica [126] y proporcionar más conocimientos sobre las enfermedades. [127] En este sentido, a menudo se calculan medidas de complejidad de los datos del EEG, como la complejidad de Lempel-Ziv , la dimensión fractal y la planitud espectral . [19] Se ha demostrado que la combinación o multiplicación de dichas medidas puede revelar información previamente oculta en los datos del EEG. [19]

Las señales de EEG de los intérpretes musicales se utilizaron 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 requerida ] 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 requerida ]

Historia

El primer registro EEG humano obtenido por Hans Berger en 1924. El trazado superior es EEG y el inferior es una señal de temporización 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 comenzó a realizar experimentos sobre la actividad eléctrica cerebral de los animales. Beck colocó electrodos directamente sobre la superficie del cerebro para comprobar la estimulación sensorial. Su observación de la actividad cerebral fluctuante condujo a la conclusión de que se trataba de ondas cerebrales. [128]

En 1912, el fisiólogo ucraniano Vladimir Vladimirovich Pravdich-Neminsky publicó el primer EEG animal y el potencial evocado del mamífero (perro). [129] En 1914, Napoleon Cybulski y Jelenska-Macieszyna fotografiaron registros de EEG de convulsiones inducidas experimentalmente. [ cita requerida ]

El fisiólogo y psiquiatra alemán Hans Berger (1873-1941) registró el primer EEG humano en 1924. [130] Ampliando el trabajo realizado previamente en animales por Richard Caton y otros, Berger también inventó el electroencefalógrafo (que le dio al dispositivo su nombre), una invención descrita "como uno de los desarrollos más sorprendentes, notables y trascendentales en la historia de la neurología clínica". [131] 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 las puntas epileptiformes. En 1935, Gibbs , Davis y Lennox describieron las puntas-onda interictales y el patrón de tres ciclos/s de las crisis de ausencia clínica , lo que dio inicio al campo de la electroencefalografía clínica. [132] Posteriormente, en 1936, Gibbs y Jasper informaron que la punta 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 requerida ]

Franklin Offner (1911-1999), profesor de biofísica en la Universidad Northwestern, desarrolló un prototipo de EEG que incorporaba un escritor de tinta piezoeléctrico llamado cristógrafo (el dispositivo completo se conocía comúnmente como dinógrafo Offner).

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

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

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

En al menos uno de los vuelos espaciales tripulados del Proyecto Gemini (1965-1966) se utilizó un sistema de electroencefalograma fabricado por Beckman Instruments para monitorear las ondas cerebrales de los astronautas durante el vuelo. Fue uno de los muchos instrumentos Beckman especializados para la NASA y utilizados por ella. [133]

El primer caso de uso de EEG para controlar un objeto físico, un robot, fue en 1988. El robot seguiría una línea o se detendría dependiendo de la actividad alfa del sujeto. Si el sujeto se relajaba y cerraba los ojos, aumentando así la actividad alfa, el robot se movería. Si abría los ojos, disminuyendo así la actividad alfa, el robot se detendría en la trayectoria. [134]

Véase también

Referencias

  1. ^ Comparar EEC : Moran A (2 de agosto de 2004). Psicología del deporte y el ejercicio: una introducción crítica. Hove, East Sussex: Routledge. p. 104. ISBN 9781134704101. Recuperado el 6 de julio de 2024 . [...] métodos electroencefalográficos (EEC) [...]. En un experimento típico de EEC, se coloca un electrodo en el cuero cabelludo de una persona para detectar la actividad eléctrica de las neuronas en la región cerebral subyacente. Luego, se coloca otro electrodo en el lóbulo de la oreja de la persona, donde no hay actividad eléctrica que detectar. Luego, se registra el EEC para indicar la diferencia en los potenciales eléctricos detectados por los electrodos [...]. En los últimos años, se ha realizado una cantidad considerable de investigaciones sobre la actividad EEC en atletas [...].
  2. ^ Amzica F, Lopes da Silva FH (noviembre de 2017). Schomer DL, Lopes da Silva FH (eds.). Sustratos celulares de los ritmos cerebrales. Vol. 1. Oxford University Press. doi :10.1093/med/9780190228484.003.0002.
  3. ^ de Eric R. Kandel, John Koester, Sarah Mack, Steven Siegelbaum (2021). Principios de la neurociencia (6.ª ed.). Nueva York: McGraw-Hill Companies. pág. 1450. ISBN 978-1-259-64223-4.OCLC 1199587061  .
  4. ^ "EEG: Enciclopedia Médica MedlinePlus". medlineplus.gov . Archivado desde el original el 5 de julio de 2016 . Consultado el 24 de julio de 2022 .
  5. ^ Chernecky CC, Berger BJ (2013). Pruebas de laboratorio y procedimientos de diagnóstico (6ª ed.). St. Louis, Missouri: Elsevier. ISBN 978-1-4557-0694-5.
  6. ^ Deschamps A, Ben Abdallah A, Jacobsohn E, Saha T, Djaiani G, El-Gabalawy R, et al. (julio de 2024). "Anestesia guiada por electroencefalografía y delirio en adultos mayores después de una cirugía cardíaca: el ensayo clínico aleatorizado ENGAGES-Canadá". JAMA . 332 (2): 112–123. doi :10.1001/jama.2024.8144. PMC  11165413. PMID  38857019.
  7. ^ Hao D, Fritz BA, Saddawi-Konefka D, Palanca BJ (noviembre de 2023). "Debate a favor y en contra: anestesia guiada por electroencefalografía para reducir el delirio posoperatorio". Anestesia y analgesia . 137 (5): 976–982. doi :10.1213/ANE.0000000000006399. PMID  37862399.
  8. ^ abc Pillai J, Sperling MR (2006). "EEG interictal y diagnóstico de epilepsia". Epilepsia . 47 Suppl 1 (Suppl 1): 14–22. doi :10.1111/j.1528-1167.2006.00654.x. PMID  17044820. S2CID  8668713. Archivado desde el original el 23 de octubre de 2022 . Consultado el 23 de octubre de 2022 .
  9. ^ So EL (agosto de 2010). "Descargas epileptiformes interictales en personas sin antecedentes de convulsiones: ¿qué significan?". Journal of Clinical Neurophysiology . 27 (4): 229–238. doi :10.1097/WNP.0b013e3181ea42a4. PMID  20634716.
  10. ^ "El rendimiento del video-EEG ambulatorio: predictores de la captura exitosa de eventos". Práctica clínica de neurología . Consultado el 5 de diciembre de 2023 .
  11. ^ 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.
  12. ^ "EEG (Electroencefalograma) – Mayo Clinic". Mayo Clinic . Archivado desde el original el 30 de agosto de 2019. Consultado el 30 de agosto de 2019 .
  13. ^ abcd Niedermeyer E, da Silva FL (2004). Electroencefalografía: principios básicos, aplicaciones clínicas y campos relacionados . Lippincott Williams & Wilkins. ISBN 978-0-7817-5126-1.[ página necesaria ]
  14. ^ 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 en el mundo real . Progreso en la investigación del cerebro. Vol. 228. págs. 185–219. doi :10.1016/bs.pbr.2016.03.014. ISBN 978-0-12-804216-8. Número de identificación personal  27590970.
  15. ^ Jestrović I, Coyle JL, Sejdić E (octubre de 2015). "Decodificación de la deglución humana mediante electroencefalografía: una revisión de vanguardia". Journal of Neural Engineering . 12 (5): 051001. Bibcode :2015JNEng..12e1001J. doi :10.1088/1741-2560/12/5/051001. PMC 4596245 . PMID  26372528. 
  16. ^ Cuellar M, Harkrider AW, Jenson D, Thornton D, Bowers A, Saltuklaroglu T (julio de 2016). "Análisis de tiempo-frecuencia del ritmo mu del 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.
  17. ^ 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". Psychophysiology . 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 .
  18. ^ ab Peterson BS, Trampush J, Maglione M, Bolshakova M, Brown M, Rozelle M, et al. (2024). "Diagnóstico y tratamiento del TDAH en niños y adolescentes". effectivenesshealthcare.ahrq.gov . doi :10.23970/ahrqepccer267. PMID  38657097 . Consultado el 19 de junio de 2024 .
  19. ^ abcd Burns T, Rajan R (2015). "Combinación de medidas de complejidad de datos de EEG: la multiplicación de medidas revela información previamente oculta". F1000Research . 4 : 137. doi : 10.12688/f1000research.6590.1 . PMC 4648221 . PMID  26594331. 
  20. ^ Vespa PM, Nenov V, Nuwer MR (enero de 1999). "Monitorización continua del EEG en la unidad de cuidados intensivos: hallazgos tempranos y eficacia clínica". Journal of Clinical Neurophysiology . 16 (1): 1–13. doi :10.1097/00004691-199901000-00001. PMID  10082088.
  21. ^ Schultz TL (marzo de 2012). "Consejos técnicos: electrodos de EEG compatibles con resonancia magnética: ventajas, desventajas y viabilidad financiera en un entorno clínico". The Neurodiagnostic Journal . 52 (1): 69–81. PMID  22558648.
  22. ^ abc Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano funcional". Reseñas de Física Moderna . 65 (2): 413–97. Bibcode :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 .
  23. ^ Montoya-Martínez J, Vanthornhout J, Bertrand A, Francart T (2021). "Efecto del número y la colocación de electrodos de EEG en la medición del seguimiento neuronal del habla". PLOS ONE . ​​16 (2): e0246769. Bibcode :2021PLoSO..1646769M. bioRxiv 10.1101/800979 . doi : 10.1371/journal.pone.0246769 . PMC 7877609 . PMID  33571299.  
  24. ^ O'Regan S, Faul S, Marnane W (2010). "Detección automática de artefactos de EEG derivados de movimientos de la cabeza". Conferencia internacional anual de 2010 de la IEEE sobre ingeniería en medicina y biología . págs. 6353–6. doi :10.1109/IEMBS.2010.5627282. ISBN 978-1-4244-4123-5.
  25. ^ Murphy KJ, Brunberg JA (1997). "Claustrofobia, ansiedad y sedación en adultos mediante resonancia magnética". Imágenes por resonancia magnética . 15 (1): 51–54. doi :10.1016/S0730-725X(96)00351-7. PMID  9084025.
  26. ^ Schenck JF (junio de 1996). "El papel de la susceptibilidad magnética en la resonancia magnética: compatibilidad magnética de la primera y segunda clase en la resonancia magnética". Física médica . 23 (6): 815–850. Bibcode :1996MedPh..23..815S. doi :10.1118/1.597854. PMID  8798169.
  27. ^ 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 altamente específica a los receptores cannabinoides CB1 en el cerebro de primates no humanos". Neuropsicofarmacología . 33 (2): 259–269. doi : 10.1038/sj.npp.1301402 . PMID  17392732.
  28. ^ Mulholland T (2012). "Métodos de EEG objetivos para estudiar los cambios encubiertos de la atención visual". En McGuigan FJ, Schoonover RA (eds.). La psicofisiología del pensamiento: estudios de procesos encubiertos . Elsevier. págs. 109-151. ISBN 978-0-323-14700-2.
  29. ^ 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.
  30. ^ Cheng MY, Wang KP, Hung CL, Tu YL, Huang CJ, Koester D, et al. (septiembre de 2017). "Una mayor potencia del ritmo sensoriomotor se asocia con un mejor rendimiento en tiradores expertos con pistola de aire comprimido". Psicología del deporte y el ejercicio . 32 : 47–53. doi :10.1016/j.psychsport.2017.05.007. S2CID  33780406.
  31. ^ Sereno SC, Rayner K, Posner MI (julio de 1998). "Establecimiento de una línea de tiempo del reconocimiento de palabras: evidencia de los movimientos oculares y los potenciales relacionados con eventos". NeuroReport . 9 (10): 2195–2200. doi :10.1097/00001756-199807130-00009. PMID  9694199. S2CID  19466604.
  32. ^ Feinberg I, Campbell IG (febrero de 2013). "Las trayectorias longitudinales del EEG del sueño indican patrones complejos de maduración cerebral en adolescentes". American Journal of Physiology. Fisiología reguladora, integradora y comparativa . 304 (4): R296–R303. doi :10.1152/ajpregu.00422.2012. PMC 3567357. PMID  23193115. 
    • Resumen para legos en: "Estudio del sueño revela cómo el cerebro adolescente realiza la transición al pensamiento maduro". ScienceDaily (nota de prensa). 19 de marzo de 2013.
  33. ^ Srinivasan R (1999). "Métodos para mejorar la resolución espacial del EEG". Revista internacional . 1 (1): 102–11.
  34. ^ Grech R, Cassar T, Muscat J, Camilleri KP, Fabri SG, Zervakis M, et al. (noviembre de 2008). "Revisión sobre la solución del problema inverso en el análisis de fuentes de EEG". Journal of Neuroengineering and Rehabilitation . 5 (1): 25. doi : 10.1186/1743-0003-5-25 . PMC 2605581 . PMID  18990257. 
  35. ^ Schlögl A, Slater M, Pfurtscheller G (2002). «Investigación de presencia y EEG» (PDF) . Archivado (PDF) del original el 11 de agosto de 2017. Consultado el 24 de agosto de 2013 .
  36. ^ Etienne A, Laroia T, Weigle H, Afelin A, Kelly SK, Krishnan A, et al. (julio de 2020). "Nuevos electrodos para registros de EEG fiables en cabello grueso y rizado". Conferencia internacional anual de la IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Conferencia internacional anual . 2020 : 6151–6154. doi :10.1101/2020.02.26.965202. PMID  33019375.
  37. ^ Adams EJ, Scott ME, Amarante M, Ramírez CA, Rowley SJ, Noble KG, et al. (abril de 2024). "Fomento de la inclusión en las medidas de EEG de la actividad cerebral pediátrica". npj Science of Learning . 9 (1): 27. Bibcode :2024npjSL...9...27A. doi :10.1038/s41539-024-00240-y. PMC 10987610 . PMID  38565857. 
  38. ^ Huang-Hellinger FR, Breiter HC, McCormack G, Cohen MS, Kwong KK, Sutton JP, et al. (1995). "Imágenes por resonancia magnética funcional simultáneas y registro electrofisiológico". Mapeo cerebral humano . 3 : 13–23. doi :10.1002/hbm.460030103. S2CID  145788101.
  39. ^ 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.
  40. ^ Horovitz SG, Skudlarski P, Gore JC (mayo de 2002). "Correlaciones y disociaciones entre la señal BOLD y la amplitud P300 en una tarea auditiva de oddball: un enfoque paramétrico para combinar fMRI y ERP". Imágenes por resonancia magnética . 20 (4): 319–325. doi :10.1016/S0730-725X(02)00496-4. PMID  12165350.
  41. ^ Laufs H, Kleinschmidt A, Beyerle A, Eger E, Salek-Haddadi A, Preibisch C, et al. (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. 
  42. ^ Patente estadounidense 7286871, Mark S. Cohen, "Método y aparato para reducir la contaminación de una señal eléctrica", publicada el 20 de mayo de 2004 
  43. ^ Difrancesco MW, Holland SK, Szaflarski JP (octubre de 2008). "EEG simultáneo/imágenes por resonancia magnética funcional a 4 Tesla: correlaciones de la actividad cerebral con el ritmo alfa espontáneo durante la relajación". Journal of Clinical Neurophysiology . 25 (5): 255–264. doi :10.1097/WNP.0b013e3181879d56. PMC 2662486 . PMID  18791470. 
  44. ^ Huizenga HM, van Zuijen TL, Heslenfeld DJ, Molenaar PC (julio de 2001). "Análisis simultáneo de fuentes de MEG y EEG". Física en Medicina y Biología . 46 (7): 1737–1751. Bibcode :2001PMB....46.1737H. CiteSeerX 10.1.1.4.8384 . doi :10.1088/0031-9155/46/7/301. PMID  11474922. S2CID  250761006. 
  45. ^ Aydin Ü, Vorwerk J, Dümpelmann M, Küpper P, Kugel H, Heers M, et al. (2015). "La combinación de EEG/MEG puede superar a la reconstrucción de fuentes de EEG o MEG de modalidad única en el diagnóstico prequirúrgico de la epilepsia". PLOS ONE (Revisión). 10 (3): e0118753. Bibcode :2015PLoSO..1018753A. doi : 10.1371/journal.pone.0118753 . PMC 4356563 . PMID  25761059. 
  46. ^ 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.
  47. ^ 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: Novena Conferencia Internacional sobre Sistemas Inteligentes 2018. Consultado el 3 de diciembre de 2018 .
  48. ^ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Clasificación de sentimientos emocionales mentales con una interfaz cerebro-máquina basada en EEG. St Hugh's College, Universidad de Oxford, Reino Unido: Conferencia internacional sobre procesamiento de imágenes y señales digitales (DISP'19). Archivado desde el original el 3 de diciembre de 2018. Consultado el 3 de diciembre de 2018 .
  49. ^ Vanneste S, Song JJ, De Ridder D (marzo de 2018). "Disritmia talamocortical detectada mediante aprendizaje automático". Nature Communications . 9 (1): 1103. Bibcode :2018NatCo...9.1103V. doi :10.1038/s41467-018-02820-0. PMC 5856824 . PMID  29549239. 
  50. ^ Herculano-Houzel S (2009). "El cerebro humano en números: un cerebro de primate escalado linealmente". Frontiers in Human Neuroscience . 3 : 31. doi : 10.3389/neuro.09.031.2009 . PMC 2776484 . PMID  19915731. 
  51. ^ Tatum WO, Husain AM, Benbadis SR (2008). Manual de interpretación de EEG . Demos Medical Publishing.[ página necesaria ]
  52. ^ ab Nunez PL, Srinivasan R (1981). Campos eléctricos del cerebro: la neurofísica del EEG. Oxford University Press. ISBN 978-0-19-502796-9.[ página necesaria ]
  53. ^ Klein S, Thorne BM (3 de octubre de 2006). Psicología biológica . Nueva York, NY: Worth. ISBN 978-0-7167-9922-1.[ página necesaria ]
  54. ^ Whittingstall K, Logothetis NK (octubre de 2009). "El acoplamiento de bandas de frecuencia en el EEG de superficie refleja la actividad de picos en la corteza visual de los monos". Neuron . 64 (2): 281–289. doi : 10.1016/j.neuron.2009.08.016 . PMID  19874794. S2CID  17650488.
  55. ^ 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: localización de la esfera que mejor se ajusta a la anatomía cortical". Electroencefalografía y neurofisiología clínica . 86 (1): 1–6. doi :10.1016/0013-4694(93)90061-Y. PMID  7678386.
  56. ^ "Directriz siete: una propuesta de montajes estándar para ser utilizados en EEG clínicos. Sociedad Americana de Electroencefalografía". Revista de Neurofisiología Clínica . 11 (1): 30–36. Enero de 1994. doi :10.1097/00004691-199401000-00008. PMID  8195424.
  57. ^ Aurlien H, Gjerde IO, Aarseth JH, Eldøen G, Karlsen B, Skeidsvoll H, et al. (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.
  58. ^ Yao D (noviembre de 2001). "Un método para estandarizar una referencia de registros de EEG del cuero cabelludo a un punto en el infinito". Medición fisiológica . 22 (4): 693–711. doi :10.1088/0967-3334/22/4/305. PMID  11761077. S2CID  250847914.
  59. ^ Nunez PL, Pilgreen KL (octubre de 1991). "El spline-Laplaciano en neurofisiología clínica: un método para mejorar la resolución espacial del EEG". Journal of Clinical Neurophysiology . 8 (4): 397–413. doi :10.1097/00004691-199110000-00005. PMID  1761706. S2CID  38459560.
  60. ^ Taheri BA, Knight RT, Smith RL (mayo de 1994). "Un electrodo seco para el 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 .
  61. ^ Alizadeh-Taheri B (1994). Matriz de electrodos micromaquinados activos para el cuero cabelludo para el registro de señales de EEG (tesis doctoral). Universidad de California, Davis. p. 82. Código Bibliográfico :1994PhDT.......82A.
  62. ^ Hockenberry J (agosto de 2001). "Los próximos cerebritos". Revista Wired .
  63. ^ 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". PLOS ONE . ​​13 (2): e0189415. Bibcode :2018PLoSO..1389415S. doi : 10.1371/journal.pone.0189415 . PMC 5800568 . PMID  29408942. 
  64. ^ abc Wang F, Li G, Chen J, Duan Y, Zhang D (agosto de 2016). "Nuevos electrodos semisecos para aplicaciones de interfaz cerebro-computadora". Journal of Neural Engineering . 13 (4): 046021. Bibcode :2016JNEng..13d6021W. doi :10.1088/1741-2560/13/4/046021. PMID  27378253. S2CID  26744679.
  65. ^ Fiedler P, Griebel S, Pedrosa P, Fonseca C, Vaz F, Zentner L, et al. (1 de enero de 2015). "EEG multicanal con novedosos electrodos secos de Ti / TiN". Sensores y Actuadores A: Físicos . 221 : 139-147. Código Bib : 2015SeAcA.221..139F. doi : 10.1016/j.sna.2014.10.010 . ISSN  0924-4247.
  66. ^ "Auriculares de EEG secos | Productos | CGX". CGX 2021. Archivado desde el original el 13 de febrero de 2020. Consultado el 13 de febrero de 2020 .
  67. ^ "Tecnología de EEG seco". CGX LLC. Archivado desde el original el 13 de febrero de 2020. Consultado el 13 de febrero de 2020 .
  68. ^ 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". Frontiers in Neurology . 5 : 149. doi : 10.3389/fneur.2014.00149 . PMC 4123606 . PMID  25147541. 
  69. ^ Murakami S, Okada Y (septiembre de 2006). "Contribuciones de las neuronas neocorticales principales a las señales de magnetoencefalografía y electroencefalografía". The Journal of Physiology . 575 (Pt 3): 925–936. doi :10.1113/jphysiol.2006.105379. PMC 1995687 . PMID  16613883. 
  70. ^ Anderson J (22 de octubre de 2004). Psicología cognitiva y sus implicaciones (tapa dura) (6.ª ed.). Nueva York, NY: Worth. pág. 17. ISBN 978-0-7167-0110-1.
  71. ^ 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.
  72. ^ Buzsaki G (2006). Ritmos del cerebro . Oxford University Press. ISBN 978-0-19-530106-9.[ página necesaria ]
  73. ^ Tatum WO (marzo de 2014). "Conferencia de Ellen R. Grass: EEG extraordinario". The Neurodiagnostic Journal . 54 (1): 3–21. PMID  24783746.
  74. ^ 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". Brain Research . 1104 (1): 114–128. doi :10.1016/j.brainres.2006.03.010. PMID  16824492. S2CID  18850757.
  75. ^ 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". PLOS ONE . 11 (12): e0167179. Bibcode :2016PLoSO..1167179F. doi : 10.1371/journal.pone.0167179 . PMC 5157977. PMID  27977700 . 
  76. ^ 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. 
  77. ^ Kanayama N, Sato A, Ohira H (mayo de 2007). "Efecto intermodal 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.
  78. ^ Gastaut H (1952). "[Estudio electrocorticográfico de la reactividad del ritmo rolándico]". Revue Neurologique . 87 (2): 176–182. PMID  13014777.
  79. ^ ab Oberman LM, Hubbard EM, McCleery JP, Altschuler EL, Ramachandran VS, Pineda JA (julio de 2005). "Evidencia de EEG de disfunción de neuronas espejo en trastornos del espectro autista". Investigación cerebral. Investigación cognitiva del cerebro . 24 (2): 190–198. doi :10.1016/j.cogbrainres.2005.01.014. PMID  15993757.
  80. ^ Cahn BR, Polich J (marzo de 2006). "Estados y rasgos de meditación: EEG, ERP y estudios de neuroimagen". Psychological Bulletin . 132 (2): 180–211. doi :10.1037/0033-2909.132.2.180. PMID  16536641. S2CID  2151810.
  81. ^ Gerrard P, Malcolm R (junio de 2007). "Mecanismos del modafinilo: una revisión de la investigación actual". Enfermedades neuropsiquiátricas y tratamiento . 3 (3): 349–364. PMC 2654794. PMID  19300566 . 
  82. ^ Niedermeyer E (junio de 1997). "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.
  83. ^ Feshchenko VA, Reinsel RA, Veselis RA (julio de 2001). "Multiplicidad del ritmo alfa en humanos normales". Journal of Clinical Neurophysiology . 18 (4): 331–344. doi :10.1097/00004691-200107000-00005. PMID  11673699.
  84. ^ 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.
  85. ^ Anderson AL, Thomason ME (noviembre de 2013). "Plasticidad funcional antes de la cuna: una revisión de imágenes funcionales neuronales en el feto humano". Neuroscience and Biobehavioral Reviews . 37 (9 Pt B): 2220–2232. doi :10.1016/j.neubiorev.2013.03.013. PMID  23542738. S2CID  45733681.
  86. ^ "El laboratorio MacIver". Universidad de Stanford. Archivado desde el original el 23 de noviembre de 2008. Consultado el 16 de diciembre de 2006 .
  87. ^ ab Jiang X, Bian GB, Tian Z (febrero de 2019). "Eliminación de artefactos de las señales de EEG: una revisión". Sensores . 19 (5): 987. Bibcode :2019Senso..19..987J. doi : 10.3390/s19050987 . PMC 6427454 . PMID  30813520. 
  88. ^ ab Alsuradi H, Park W, Eid M (2020). "Investigación neuroháptica basada en EEG: una revisión de la literatura". IEEE Access . 8 : 49313–49328. Bibcode :2020IEEEA...849313A. doi : 10.1109/ACCESS.2020.2979855 . ISSN  2169-3536. S2CID  214596892.
  89. ^ ab Croft RJ, Barry RJ (febrero de 2000). "Eliminación de artefactos oculares del EEG: una revisión". Neurophysiologie Clinique = Neurofisiología clínica . 30 (1): 5–19. doi :10.1016/S0987-7053(00)00055-1. PMID  10740792. S2CID  13738373.
  90. ^ Epstein CM (1983). Introducción al EEG y a los potenciales evocados . JB Lippincott Co. ISBN 978-0-397-50598-2.[ página necesaria ]
  91. ^ Chen X, Xu X, Liu A, Lee S, Chen X, Zhang X, et al. (15 de julio de 2019). "Eliminación de artefactos musculares del EEG: una revisión y recomendaciones". IEEE Sensors Journal . 19 (14): 5353–5368. Bibcode :2019ISenJ..19.5353C. doi :10.1109/JSEN.2019.2906572. ISSN  1558-1748. S2CID  116693954.
  92. ^ Kaya I (18 de mayo de 2022), "Un breve resumen del manejo de artefactos de EEG", en Asadpour V (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 20 de diciembre de 2022 , consultado el 20 de diciembre de 2022
  93. ^ 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. 
  94. ^ Panachakel JT, Ramakrishnan AG (2021). "Decodificación del habla encubierta a partir de EEG: una revisión exhaustiva". Frontiers in Neuroscience . 15 : 642251. doi : 10.3389/fnins.2021.642251 . PMC 8116487 . PMID  33994922. 
  95. ^ abc Rapp PE, Keyser DO, Albano A, Hernandez R, Gibson DB, Zambon RA, et al. (2015). "Detección de lesiones cerebrales traumáticas mediante métodos electrofisiológicos". Frontiers in Human Neuroscience . 9 : 11. doi : 10.3389/fnhum.2015.00011 . PMC 4316720 . PMID  25698950. 
  96. ^ Franke LM, Walker WC, Hoke KW, Wares JR (agosto de 2016). "Distinción en oscilaciones lentas del EEG entre lesión cerebral traumática leve crónica y TEPT". Revista internacional de psicofisiología . 106 : 21–29. doi :10.1016/j.ijpsycho.2016.05.010. PMID  27238074.
  97. ^ ab "Estudio: el EEG puede ayudar a diferenciar el trastorno de estrés postraumático de una 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 .
  98. ^ "Juegos mentales". The Economist. 23 de marzo de 2007. Archivado desde el original el 12 de diciembre de 2009. Consultado el 12 de agosto de 2010 .
  99. ^ abc Li S (8 de agosto de 2010). "La lectura de la mente está en el mercado". Los Angeles Times . Archivado desde el original el 4 de enero de 2013.
  100. ^ Fruhlinger J (9 de octubre de 2008). "Brains-on with NeuroSky and Square Enix's Judecca mind-control game". Engadget. Archivado desde el original el 30 de octubre de 2010. Consultado el 2 de diciembre de 2010 .
  101. ^ "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 .
  102. ^ Snider M (7 de enero de 2009). «Un juguete entrena a los fans de 'Star Wars' para usar la Fuerza». USA Today . Archivado desde el original el 23 de octubre de 2012. Consultado el 1 de mayo de 2010 .
  103. ^ "Noticias: NeuroSky actualiza el SDK y permite juegos basados ​​en ondas cerebrales y parpadeos". Gamasutra. 30 de junio de 2010. Archivado desde el original el 22 de febrero de 2017. Consultado el 2 de diciembre de 2010 .
  104. ^ 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 .
  105. ^ "NeuroSky MindWave establece un récord mundial Guinness por el "objeto más grande movido utilizando una interfaz cerebro-computadora"". NeuroGadget.com . NeuroGadget. Archivado desde el original el 15 de octubre de 2013 . Consultado el 2 de junio de 2011 .
  106. ^ "Lanzamiento de 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 .
  107. ^ "APP – Macrotellect". o.macrotellect.com . Archivado desde el original el 23 de enero de 2017 . Consultado el 8 de diciembre de 2016 .
  108. ^ "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 .
  109. ^ Bell J, ed. (8 de enero de 2021). «BioSerenity recibe la autorización de la FDA para el sistema de dispositivo portátil de EEG». NeuroNews International . Archivado desde el original el 12 de noviembre de 2021. Consultado el 12 de noviembre de 2021 .
  110. ^ Keiper A (2006). "La era de la neuroelectrónica". New Atlantis . 11 . The New Atlantis: 4–41. PMID  16789311. Archivado desde el original el 12 de febrero de 2016.
  111. ^ 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". Journal of Neural Engineering . 13 (3): 036019. Bibcode :2016JNEng..13c6019W. doi :10.1088/1741-2560/13/3/036019. PMID  27152666. S2CID  206099640.
  112. ^ "La mente sobre la materia: las ondas cerebrales controlan a Asimo". Japan Times . 1 de abril de 2009. Archivado desde el original el 3 de abril de 2009.
  113. ^ Natu N (21 de julio de 2008). «Esta prueba cerebral traza un mapa de la verdad». The Times of India . Archivado desde el original el 18 de julio de 2012. Consultado el 14 de abril de 2021 .
  114. ^ Puranik DA, Joseph SK, Daundkar BB, Garad MV (noviembre de 2009). Perfiles de firmas cerebrales en la India: su condición como ayuda en la investigación y como prueba corroborativa, como se desprende de las sentencias (PDF) . Actas de la XX Conferencia de Ciencias Forenses de toda la India. págs. 815–822. Archivado desde el original (PDF) el 3 de marzo de 2016.
  115. ^ Gaudet LM (2011). «Huellas cerebrales, evidencia científica y "Daubert": una lección de advertencia 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 .
  116. ^ Casson A, Yates D, Smith S, Duncan J, Rodriguez-Villegas E (2010). "Electroencefalografía portátil. ¿Qué es, por qué es necesaria y qué implica?". Revista IEEE de Ingeniería en Medicina y Biología . 29 (3): 44–56. doi :10.1109/MEMB.2010.936545. hdl : 10044/1/5910 . PMID  20659857. S2CID  1891995.
  117. ^ Looney D, Kidmose P, Park C, Ungstrup M, Rank M, Rosenkranz K, et al. (1 de noviembre de 2012). "El concepto de grabación en el oído: monitorización cerebral centrada en el usuario y portátil". IEEE Pulse . 3 (6): 32–42. doi :10.1109/MPUL.2012.2216717. PMID  23247157. S2CID  14103460.
  118. ^ Lotte F, Bougrain L, Cichocki A, Clerc M, Congedo M, Rakotomamonjy A, et al. (junio de 2018). "Una revisión de algoritmos de clasificación para interfaces cerebro-computadora basadas en EEG: una actualización de 10 años". Journal of Neural Engineering . 15 (3): 031005. Bibcode :2018JNEng..15c1005L. doi : 10.1088/1741-2552/aab2f2 . PMID  29488902.
  119. ^ Shim M, Hwang HJ, Kim DW, Lee SH, Im CH (octubre de 2016). "Diagnóstico de esquizofrenia basado en aprendizaje automático utilizando características de 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.
  120. ^ Buettner R, Frick J, Rieg T (12 de noviembre de 2019). "Detección de alto rendimiento de la epilepsia en registros de EEG sin convulsiones: un nuevo enfoque de aprendizaje automático que utiliza subbandas de EEG epilépticas muy específicas". Actas de ICIS 2019. Archivado desde el original el 21 de enero de 2021. Consultado el 13 de enero de 2021 .
  121. ^ Ieracitano C, Mammone N, Hussain A, Morabito FC (marzo de 2020). "Un nuevo enfoque basado en el aprendizaje automático multimodal para la clasificación automática de registros de EEG en la demencia". Redes neuronales . 123 : 176–190. doi :10.1016/j.neunet.2019.12.006. PMID  31884180. S2CID  209510497.
  122. ^ Bhattacharyya A, Pachori RB (septiembre de 2017). "Un enfoque multivariado para la detección de convulsiones mediante EEG específicas del paciente mediante la transformada wavelet empírica". IEEE Transactions on Bio-Medical Engineering . 64 (9): 2003–2015. doi :10.1109/TBME.2017.2650259. PMID  28092514. S2CID  3522546.
  123. ^ Saab K, Dunnmon J, Ré C, Rubin D, Lee-Messer C (20 de abril de 2020). "Supervisión débil como un enfoque eficiente para la detección automatizada de convulsiones en electroencefalografía". npj Digital Medicine . 3 (1): 59. doi : 10.1038/s41746-020-0264-0 . PMC 7170880 . PMID  32352037. 
  124. ^ Bomela W, Wang S, Chou CA, Li JS (mayo de 2020). "Inferencia en tiempo real y detección de redes de EEG disruptivas para convulsiones epilépticas". Scientific Reports . 10 (1): 8653. Bibcode :2020NatSR..10.8653B. doi : 10.1038/s41598-020-65401-6 . PMC 7251100 . PMID  32457378. 
  125. ^ Paesschen WV (marzo de 2018). "El futuro de la detección de convulsiones". The Lancet. Neurology . 17 (3): 200–202. doi :10.1016/S1474-4422(18)30034-6. PMID  29452676. S2CID  3376296.
  126. ^ Chen PC, Liu Y, Peng L (mayo de 2019). "Cómo desarrollar modelos de aprendizaje automático para la atención médica". Nature Materials . 18 (5): 410–414. Código Bibliográfico :2019NatMa..18..410C. doi :10.1038/s41563-019-0345-0. PMID  31000806. S2CID  122563425.
  127. ^ 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". Nature Machine Intelligence . 1 (5): 206–215. arXiv : 1811.10154 . doi : 10.1038/s42256-019-0048-x . PMC 9122117 . PMID  35603010. 
  128. ^ Coenen A, Fine E, Zayachkivska O (2014). "Adolf Beck: un pionero olvidado en electroencefalografía". Revista de Historia de las Neurociencias . 23 (3): 276–286. doi :10.1080/0964704x.2013.867600. PMID  24735457. S2CID  205664545.
  129. ^ Pravdich-Neminsky VV (1913). "Ein Versuch der Registrierung der elektrischen Gehirnerscheinungen". Zentralblatt für Physiologie . 27 : 951–60.
  130. ^ Haas LF (enero de 2003). "Hans Berger (1873–1941), Richard Caton (1842–1926) y la electroencefalografía". Revista de neurología, neurocirugía y psiquiatría . 74 (1): 9. doi :10.1136/jnnp.74.1.9. PMC 1738204 . PMID  12486257. 
  131. ^ Millet D (junio de 2002). Los orígenes del EEG. 7.ª Reunión Anual de la Sociedad Internacional de Historia de las Neurociencias (ISHN). Archivado desde el original el 8 de septiembre de 2020. Consultado el 27 de noviembre de 2010 .
  132. ^ Gibbs FA, Davis H, Lennox WG (diciembre de 1935). "El electroencefalograma en la epilepsia y en condiciones de conciencia alterada". Archivos de neurología y psiquiatría . 34 (6): 1133. doi :10.1001/archneurpsyc.1935.02250240002001.
  133. ^ "Beckman Instruments suministra equipos de monitorización de vuelos médicos" (PDF) . Resumen de noticias espaciales . 3 de marzo de 1965. págs. 4-5. Archivado (PDF) del original el 7 de agosto de 2019 . Consultado el 7 de agosto de 2019 .
  134. ^ Bozinovski S (2013). "Control de robots mediante señales EEG, desde 1988". En Markovski S, Gusev M (eds.). Innovaciones en 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.

Lectura adicional

Enlaces externos