Uso del Análisis por Componentes Independientes en la extracción de artefactos de la respuesta Mismatch Negativity
El Potencial de disparidad es una respuesta cortical elicitada por la detección automática de estímulos con distintas características, permitiendo la exploración de procesos neuropsicológico. Sin embargo el análisis de esta señal se puede dificultar por una baja relación señal a ruido debida a los a...
| Autores: | , , |
|---|---|
| Tipo de documento: | artigo |
| Estado: | Versão publicada |
| Data de publicação: | 2017 |
| País: | México |
| Recursos: | Universidad Autónoma Metropolitana |
| Repositório: | Redalyc-UAM |
| OAI Identifier: | oai:redalyc.org:61950989002 |
| Acesso em linha: | https://www.redalyc.org/articulo.oa?id=61950989002 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Ingeniería SOBI FastICA Infomax Artefactos del EEG Potencial de Disparidad |
| Resumo: | El Potencial de disparidad es una respuesta cortical elicitada por la detección automática de estímulos con distintas características, permitiendo la exploración de procesos neuropsicológico. Sin embargo el análisis de esta señal se puede dificultar por una baja relación señal a ruido debida a los artefactos presentes en la adquisición de la misma. Diversas publicaciones proponen el uso de implementaciones de la técnica de Separación Ciega de fuentes, como el Análisis por Componentes Independientes (ACI), para preprocesar las señales y eliminar estos artefactos. Sin em - bargo, no se ha estudiado cuál de los algoritmos ACI que se encuentran en la literatura será el óptimo para mejorar la calidad del MMN, por lo que en este estudio se propuso determinar si existen diferencias significativas en las respuestas obtenidas al utilizar los algoritmos de FastICA, Infomax y SOBI para eliminar los artefactos típicamente presentes en este tipo de señales. Adicionalmente se dan algunas características de estos artefactos a manera de sistematizar la identificación y eliminaciones de los mismos, además de comparar las respuestas obtenidas con y sin preprocesamiento, así como la distribución topográfica de este potencial antes y después de la eliminación de artefactos. Mediante el algoritmo Infomax se identifican mejor los Componentes Independientes asociados con artefactos, resultando en un MMN de mayor amplitud y distribución topográfica fronto-central con predominancia izquierda. |
|---|