técnicas de toma de datos y análisis de...
TRANSCRIPT
Técnicas de toma de datos y análisis de
ELECTROENCEFALOGRAFÍA
Facultad de Biología
Departamento de Fisiología Animal
Jonathan González Sánchez
Septiembre de 2014
ÍNDICE
1. INTRODUCCIÓN.……………………………………………........ Página 1
1.1.Electrogénesis cerebral……………………………………….. Página 2
1.2.Ondas de actividad del EEG………………………………… Página 5
1.3.Estructuras implicadas en la generación de ritmos
cerebrales……………………………………………………..
Página 7
2. TOMA DE DATOS PARA EEG………………………………… Página 8
2.1.Tipos de electrodos…………………………………………... Página 8
2.2.Sistemas de posicionamiento de electrodos…………………. Página 12
2.3.Tipos de montajes de electrodos……………………………. Página 13
3. TRATAMIENTO DE LA SEÑAL DEL EEG…………………… Página 16
4. ANÁLISIS DE DATOS EN EEG………………………………... Página 19
4.1.Análisis espectral o de frecuencias………………………….. Página 20
5. POTENCIALES EVOCADOS…………………………………… Página 22
5.1. Bases fisiológicas y origen neuronal…………………………
Página 23
6. APLICACIONES DE LA ELECTROENCEFALOGRAFÍA……. Página 24
7. CONCLUSIONES Y PERSPECTIVAS DE FUTURO…………..
Página 25
8. BIBLIOGRAFÍA………………………………………...... Página 26
1
1. INTRODUCCIÓN
La electroencefalografía es una técnica de exploración funcional de la actividad del
sistema nervioso central (SNC) mediante la que se obtiene el registro de la actividad
eléctrica cerebral en tiempo real de manera no invasiva (Teplan, 2002).
Este registro que se denomina electroencefalograma (EEG), representa la
actividad bioeléctrica espontánea generada por las neuronas cerebrales. Está compuesto
de ritmos eléctricos y actividades puntuales que se diferencian por su localización,
frecuencia, periodicidad y propiedades funcionales (Boutros,Galderisi y Pogarell,
2011).
Debido a su capacidad para reflejar tanto la actividad normal y como patológico del
cerebro, el EEG, es una herramienta de gran utilidad para el diagnóstico clínico de
patologías como la epilepsia, encefalopatías o isquemias. (Raut y Taywade, 2012).
Los primeros indicios en el campo de la electroencefalografía se obtuvieron por Richard
Caton en 1875, año en el que publicó el primer documento describiendo la actividad
eléctrica espontánea de la corteza cerebral en experimentos llevados a cabo en animales
(Niedermeyer y Lopes Da Silva, 2005).
Su aplicación en personas emergió directamente desde el ámbito de la psiquiatría
(Boutros,Galderisi y Pogarell, 2011). Fue, precisamente, el psiquiatra Hans Berger, al
crear el electroencefalógrafo, el primero en demostrar que existía un potencial eléctrico
en el cerebro humano. Berger realizó los primeros registros en 1929 (Sanei y
Chambers, 2007).
La invención posterior del primer amplificador para el registro de potenciales
cerebrales, por Toennies (Sanei y Chambers, 2007) solventó los problemas que
presentaban la demostración y representación del potencial en el cerebro humano,
consistente en tomar, medir y registrar potenciales, cuyas oscilaciones se producen en
el rango de microvoltios (µV) debajo de la corteza cerebral (Gómez y cols., 1992).
Berger, entre 1924 y 1938, estableció las bases para la aplicación de la
electroencefalografía, siendo el primero en utilizar el término “electroencefalograma”
para describir las variaciones de potenciales eléctricos en el cerebro de las personas
2
(Boutros, Galderisi y Pogarell, 2011). Así mismo, descubrió que las ondas registradas
no eran completamente aleatorias, sino que por el contrario mostraban cierta
periodicidad y regularidad. Observó que durante el sueño se apreciaba un patrón de
ondas sincronizadas de gran amplitud y baja frecuencia, mientras que en estado de
vigilia el patrón cambiaba a uno desincronizado de baja amplitud y mayor frecuencia
(Ramos-Argüelles y cols., 2009). Esto le permitió sugerir que la actividad cerebral
cambiaba de un modo consistente y reconocible y que también se veían afectadas por
condiciones patológicas (Sanei y Chambers, 2007).
Una vez se aceptó el término de ondas cerebrales humanas, el estudio de la actividad
electroencefalográfica quedó asentado (Sanei y Chambers, 2007) Una de las primeras
contribuciones fue la determinación de algunos ritmos en el EEG, como las oscilaciones
de 10 a 12 Hz que se registran en la zona occipital de la corteza cerebral se le denominó
ritmo alfa. Pero no es hasta 1949 cuando Moruzzi y Magoun establecen las bases
fisiológicas de dichas observaciones (Collura, 1993)
A partir de 1950, los trabajos sobre el EEG tomaron diferentes caminos.
Se diseñaron nuevos electrodos, se profundizó más en los métodos de análisis de las
señales electroencefalográficas y, en los años 70, se comenzaron a investigar los
potenciales evocados visuales para poder monitorizar enfermedades mentales
(Niedermeyer y Lopes Da Silva, 2005).
Desde entonces, la historia de las señales del EEG ha estado en continua evolución,
desarrollándose tanto en el ámbito clínico como experimental.
Hoy día, los registros de EEG se obtiene usando sistemas computarizados. Los equipos
se encuentran equipados con muchas herramientas de procesamiento de señal y
memoria suficiente para realizar registros de larga duración (Sanei y Chambers, 2007).
Estos avances en la tecnología digital han permitido el desarrollo del análisis
cuantitativo de las señales del EEG, con lo que cabe la posibilidad de estudiar y
cuantificar muchos más parámetros a partir de un registro de EEG.
1.1. Electrogénesis cerebral
Todo el sistema nervioso posee la capacidad de producir actividad eléctrica. El origen
de la actividad que se registra en el EEG proviene fundamentalmente de las células
3
piramidales de la corteza cerebral (Ramos-Argüelles y cols., 2009; Boutros, Galderisi y
Pogarell, 2011). La mayor parte de esta actividad es generada por la actividad sináptica
sobre estas células (Sanei y Chambers, 2007).
El registro, realizado a nivel del cuero cabelludo, es el resultado de la suma del flujo
extracelular de corriente de muchas neuronas, teniendo más relevancia aquel procedente
del flujo de corriente producido por los potenciales eléctricos de neuronas corticales
más cercanas (Boutros, Galderisi y Pogarell, 2011). Sin embargo, la magnitud de la
actividad eléctrica percibida en el EEG (µV) es mucho menor que la generada por una
sola neurona (mV), porque es filtrada y atenuada al pasar por las diferentes capas de
tejido que separan la superficie cortical del electrodo de registro (Gómez y cols., 1992).
Estos potenciales eléctricos son consecuencia directa de la existencia de dipolos
eléctricos generados por la suma de potenciales post-sinápticos excitadores (PPSE) o
inhibidores (PPSI) entre el soma y las dendritas apicales de las células piramidales
(López-Gordo, Sánchez-Morillo y Pelayo Valle, 2014) (véase figura 1).
La polaridad de los potenciales de superficie se relaciona con la localización de la
actividad sináptica dentro del cortex, puesto que los electrodos posicionados en el cuero
cabelludo detectan los campos eléctricos extracelulares generados cerca de la superficie
cortical (Gómez y cols., 1992).
De ahí que, un PPSE en una dendrita produzca una negatividad eléctrica en el área
circundante, provocando que el campo eléctrico se vuelva positivo a medida que nos
alejamos de la fuente. En cambio, un PPSI en una dendrita genera una positividad
eléctrica en su lugar de origen y se vuelve más negativo a medida que nos alejamos de
la fuente.
Por lo tanto, tantoun PPSI, cuyo origen esté en las profundidades del cortex, como un
PPSE que se produzca en el superficie cortical, generarán una negatividad sobre el
cuero cabelludo (Boutros, Galderisi y Pogarell, 2011) (véase figura 2).
4
Figura 1. Esquema del dipolo eléctrico, de la corriente de iones y el sistema de
medición diferencial. La capa córnea (Stratum Corneum (SC)) representa la mayor
impedancia mientras que la originada por el gel conductor, los electrodos y cobre es
mucho menor. (Tomado de López-Gordo y col., 2014).
En ambos casos, se crea un dipolo con separación de cargas verticalmente orientadas en
la corteza. Por lo tanto, en las áreas fuente de la lámina cortical que están paralelas a la
cabellera se producen campos radiales, de mejor detección con electrodos de superficie,
ya que presentan un área máxima de detección encima de la fuente y otra, con polaridad
opuesta, en el lado contrario de la cabeza (Boutros, Galderisi y Pogarell, 2011).
Recientemente se ha constatado la contribución de eventos intercelulares de origen no
sináptico como las oscilaciones subumbrales, producidas tras los potenciales, y los picos
de calcio (Ca2+), que también producen procesos transmembrana de larga duración para
la señal del EEG. Además, se ha podido comprobar que las células de la glía producen
un efecto amplificador sobre la señal (Boutros, Galderisi y Pogarell, 2011).
5
Figura 2. Generación de los campos de voltaje extracelulares de la actividad
sináptica. Relación entre la polaridad de los potenciales superficiales y el lugar de
los potenciales dendríticos post-sinápticos. (Tomado de Westbrook, 2013).
1.2. Ondas de actividad del EEG
Al realizar un registro de la actividad de EEG, podemos identificar una serie de ondas
conocidas como ritmos cerebrales. Presentan dos características que las definen:
Frecuencia: hace mención a la periodicidad con la que se repite una onda. Se
mide en hercios (Hz). Si una onda presenta una frecuencia de 1 Hz, quiere decir que se
repite 1 vez cada segundo (Talamillo García, 2011).
Amplitud: define la magnitud en el cambio de voltaje (µV) medido entre el
punto más alto y el más bajo de la onda. A mayor amplitud, más energía se ha aplicado
a la onda (Talamillo García, 2011).
Por lo tanto, podemos decir que el registro del EEG está definido por una secuencia de
oscilaciones en la diferencia de voltaje entre dos electrodos a través del tiempo.
6
Las ondas registradas en el EEG han sido clasificadas con base en su frecuencia. Las
principales bandas de frecuencia, según Boutros y col. (2011), son las siguientes:
Beta (β). Son ondas que se registran en un rango de frecuencia de 14 a 26 Hz. Se
da en momentos de atención, de pánico o de resolución de problemas.
Están presentes en regiones centrales y frontales, pero también se han observado en
áreas posteriores (Raut y Taywade, 2012; Talamillo García, 2011).
Alfa (α). Las ondas que la componen tienen una frecuencia que oscila entre 8-13
Hz (Raut y Taywade, 2012). Son las ondas cerebrales más abundantes (Sanei y
Chambers, 2007). Aparecen en estados de reposo y de ojos cerrados. Predominan
en áreas posteriores y en zonas centrales y anteriores del cerebro (Sanei y Chambers,
2007; Talamillo García, 2011).
Theta (θ). Presentan una frecuencia entre 4-7,5 Hz (Raut & Taywade, 2012). Se
originan en regiones del tálamo. Juegan un papel importante en la infancia, en estados
de somnolencia y sueño, en fases 1 y 2 de ondas lentas y en la ejecución de procesos
cognitivos (Sanei & Chambers, 2007) .
Delta (δ).- Se encuentran en un rango de 0,5 a 4 Hz. Aparecen en los primeros
años de vida y va desapareciendo con el desarrollo del sistema nervioso. En el adulto,
las encontramos durante las fases 3 y 4 del sueño de ondas lentas y en procesos de
memorización (Sanei y Chambers, 2007).
Gamma (γ).- se encuentra en un rango superior a los 30 Hz. Se piensa que
reflejan el mecanismo subyacente de la conciencia. La detección de estos ritmos puede
tomarse como confirmación de algunas enfermedades cerebrales (Raut y Taywade,
2012). Además, se han asociado con procesos de comunicación y sincronización entre
las distintas zonas neuronales durante la realización de actividades mentales complejas
(Sanei y Chambers, 2007).
7
1.3. Estructuras implicadas en la generación de los ritmos cerebrales
Las estructuras cerebrales implicadas en la generación de ritmos del EEG implican
principalmente al tálamo y el cortex cerebral, además de algunos sistemas moduladores
resultantes del núcleo del bulbo raquídeo, del hipotálamo posterior y de la parte basal
del prosencéfalo (Boutros, Galderisi y Pogarell, 2011).
Las neuronas de estas estructuras tienen propiedades oscilatorias propias que juegan un
papel importante en generar el comportamiento rítmico de las redes a las que pertenecen
(Steriade y col. 1990). Los circuitos responsables de que se produzca y se module el
comportamiento rítmico están formados por tres tipos de neuronas: tálamo-corticales,
tálamo-reticulares talámicas y corticales (Boutros, Galderisi y Pogarell, 2011) (véase
figura 3).
Figura 3. Esquema de las redes neurales del tálamo implicadas en las oscilaciones
coherentes y su control por las neuronas colinérgicas del bulbo raquídeo. (Tomado
de Boutros, 2011).
8
Las neuronas tálamo-corticales actúan como un marcapasos, a través de un mecanismo
de retroalimentación, enviando fibras excitadoras al cortex y recibiendo fibras que
acaban sobre las interneuronas inhibitorias del tálamo, así como las fibras excitadoras
de neuronas colinérgicas mesopontinas. Lo mismo ocurre con las tálamo-reticulares,
pero ejerciendo una actividad inhibidora a través del neurotransmisor GABA (Steriade
y col., 1990; Boutros, Galderisi y Pogarell, 2011).
2. TOMA DE DATOS PARA EEG
En este apartado nos centramos en la electroencefalografía como la técnica de
adquisición inicial de datos que asentó las bases de conocimientos para posteriores
estudios neurológicos.
Como se comentó anteriormente, la electroencefalografía realiza el estudio y el análisis
de los campos eléctricos de cada región cerebral (topografía, polaridad y su variación
espacio- temporal). Para ello se requiere de la colocación de electrodos, encargados de
transformar las corrientes iónicas procedentes del tejido cerebral en corrientes eléctricas
en la superficie craneal. Estos electrodos se encuentran conectados a un conjunto de
canales independientes, permitiendo la captación y amplificación de la diferencia de
potencial entre los electrodos receptores, y dirigiendo las señales recibidas a un
dispositivo de registro. (Satherley y col., 1996; Teplan, 2002; Ramos-Argüelles y cols.,
2009; Boutros, Galderisi y Pogarell, 2011).
Aunque los electrodos pueden ser de tamaño, forma y materiales distintos, y aplicados
sobre el cuero cabelludo por diferentes medios, deben tener en cuenta algunos
principios generales en su diseño y uso, de los que hablaremos a continuación.
2.1. Tipos de electrodos
Existen varios tipos de electrodos según la forma en la que se obtiene el registro:
De Superficie, esto es, aplicados sobre el cuero cabelludo. Deben ser de
colocación y remoción fácil y rápida, indoloros y permanecer por un tiempo prolongado
en la misma posición sin problemas (Ramos-Argüelles y col., 2009).
Se han diseñado varios tipos de electrodos de superficie que pueden dividirse en tres
categorías: adhesivos, de contacto, en casco de malla y de agujas.
9
- Los electrodos de agujas son de uso muy limitado y de gran complejidad. Solo se
emplean en recién nacidos y en la UCI. Pueden ser desechables o de uso múltiple
(requieren esterilización). Son utilizados para registros de larga duración y se
encuentran insertados de forma invasiva bajo el cuero cabelludo (Teplan, 2002).
- Los adheridos son pequeños discos metálicos de 5 milímetros (mm) de diámetro. Se
adhieren con pasta conductora y se fijan con un aislante. Se caracterizan por tener
resistencias de contactos muy bajas si se aplican bien.
Un ejemplo de estos electrodos son los “electrodos húmedos”. Se utilizan por
excelencia en los registros multicanal, en los que se necesita un gran número de
electrodos. Están compuestos por discos de Ag/AgCl, de menos de 3 mm de diámetro
(Arman, Ahmed y Syed, 2012).
Se caracterizan por presentar un efecto de polarización mínimo y una impedancia piel-
electrodo baja debido a la aplicación de una crema conductora prácticamente inerte
(Teplan, 2002) (a excepción de los registros a largo plazo en los que provocaría
irritación de la piel) (Taheri, Knight y Smith, 1994).
A pesar de ello, se requiere de mucho tiempo para la preparación de la piel y para la
aplicación del gel conductor (Liao y col., 2011).
El tamaño, la sensibilidad al ruido de los artefactos y el aumento del mismo por la
superficie de contacto entre la piel y el gel, han llevado a los investigadores a buscar
una solución a tales problemas, comenzando por buscar otro tipo de electrodos que
solventen esos inconvenientes (Liao y col., 2011; López-Gordo, Sánchez-Morillo y
Pelayo Valle, 2014).
Otro ejemplo son los “electrodos activos-secos”. Pueden ser utilizados en
registros de larga duración, sin necesidad de preparación previa de la piel, evitando su
abrasión. Además, no es necesario cambiar el gel, ahorrándose tiempo de preparación
(Ko, 1998).
Este tipo de electrodos es necesaria una pre-amplificación activa in situ debido a su alta
impedancia entre la interfaz electrodo/piel. El material sensor, en contacto directo con la
piel, debe ser inerte al interaccionar con el sudor para no alterar los registros.
Fonseca y col., (2007) utilizaron óxido de titanio (TiO2) como sensor, ya que, los dota
de estabilidad química, resistencia mecánica y propiedades eléctricas. Además,
manifiesta un interfaz entre el cuero cabelludo y el sensor, libre de ruidos, incluso tras
10
estar en contacto prolongado con el sudor. Se ha podido observar que pueden fijarse al
cuero cabelludo mediante un casco de goma y cargado a la interfaz del EEG, como
ocurría con los electrodos convencionales.
- Los de casco de malla (véase figura 4) de reciente incorporación. Se trata de una
especie de casco elástico en el que se introducen los electrodos. Puede encontrarse de
diferentes tamaños en función del paciente.
Figura 4.- Principio de colocación en un casco de malla (Tomado de Barea Navarro,
2009).
Su característica más relevante es la comodidad del paciente, tanto en colocación como
en registro y, por tanto, son de gran interés en estudios comparativos (Barea Navarro,
2009).
Como ejemplo se encuentran los denominados “electrodos secos”, que se
caracterizan por estar formados por un metal benigno de acero inoxidable sin ningún
electrolito de por medio (López-Gordo, Sánchez-Morillo y Pelayo Valle, 2014).
Al no necesitar de ningún gel conductor, reducen de manera considerable el tiempo de
preparación experimental, posibilita alargar los estudios y permite repetir la recolecta de
datos. Además, proporciona un mejora y comodidad para los pacientes (Estepp y col.,
2009).
Desde que estos electrodos contienen un pre-amplificador para potenciar la amplitud de
la señal de los registros, el ruido triboeléctrico (producido por la fricción entre los
11
cables) es apenas apreciable en la transmisión de señal (Taheri, Knight y Smith, 1994).
Uno de sus inconvenientes más notable es que se produce una impedancia entre la piel y
los electrodos bastante alta, por lo que se debe reducir para disminuir el efecto de las
distintas fuentes de ruidos (Ko, 1998).
- Los de contacto (véase figura 5) son unos pequeños tubos de plata clorurada unidos a
soportes de plástico. En su extremo de contacto se le coloca una almohadilla que se
empapa con una solución conductora. Su método de sujeción es mediante bandas
elásticas. Se caracterizan por su fácil colocación, aunque suelen ser molestos para los
pacientes y no sirven para estudios de larga duración (Barea Navarro, 2009).
Figura 5.- A. Esquema de un electrodo de contacto. B. Colocación de los electrodos
de contacto (Tomado de Barea Navarro, 2009).
Los Basales o Especiales son colocados sobre el cráneo sin necesidad de
realizar un proceso quirúrgico. Se utilizan para inspeccionar la base del cerebro (lóbulos
frontales y temporales del cerebro), a través de las diferentes vías de acceso, con
electrodos diseñados especialmente para ellos. Dos ejemplos serían el faríngeo y el
timpánico (Rowan, 2004; Barea Navarro, 2009).
Neuroquirúrgicos son utilizados a la hora de intervenciones quirúrgicas (Barea
Navarro, 2009).
12
2.2. Sistema de posicionamiento de electrodos
Aunque se conocen varios sistemas de posicionamiento, la disposición de los electrodos
en el cuero cabelludo se ajusta a la recomendación, propuesta en 1958 por la Federación
Internacional de Sociedades de Electroencefalografía y Neurofisiología Clínica,
denominado sistema “diez-veinte” (10-20) y catalogado como el método de
posicionamiento estandar (Raut yTaywade, 2012).
Este sistema se basa en la relación entre la posición de un electrodo y el área subyacente
de la corteza cerebral (Rowan, 2004). Para ello, emplea marcas craneales que son
tomadas como puntos de referencia para la localización de electrodos (Barea Navarro,
2009).
El 10 hace referencia a que las distancias reales entre electrodos adyacentes son el 10%,
mientras que el 20 se refiere al 20% de la distancia total delantera/trasera o
derecha/izquierda, de manera que la zona que registre cada electrodo sea comparable
entre los registros realizados a diferentes individuos (Sanei y Chambers, 2007). Con
esto se consigue que haya una división del cráneo y que podamos tomar como
referencia algunos puntos para cubrir la totalidad de las regiones cerebrales (véase
figura 4) (Teplan, 2002; Arman, Ahmed y Syed, 2012).
En conjunto, se pueden 19 electrodos superficiales distribuidos por la cabeza y 2
electrodos de referencia en los lóbulos de las orejas, aunque se admite el uso de muchos
más electrodos (32, 64, 128, 256…) (Barea Navarro, 2009).
Cada sitio posee una letra para identificar el lóbulo y un número para definir la posición
del hemisferio. Por lo tanto, tendríamos la siguiente nomenclatura: F (frontal), C
(central), T (temporal), P (posterior) y O (occipital). Además, la “z” hace mención al
electrodo que se coloca en la línea media del cráneo (Oostenveld y Praamstra, 2001;
Teplan, 2002).
13
Figura 6. Diagrama de representación del sistema 10-20. El cerebro es mapeado
por cuatro puntos: Nasal, Occipital (inión) y por preauriculares derecho e
izquierdo (orejas). (Tomado de Sanei y Chambers, 2007).
Por otro lado, la presencia de números se utiliza para referirnos a la parte izquierda de
la cabeza si son impares, y a la parte derecha cuando son pares (Sanei y Chambers,
2007).
Para realizar una colocación exacta de los electrodos en EEG, se toman una serie de
puntos como referencia. Primero, “nasión”, situados entre la frente y la nariz; segundo,
el “inión”, que es el punto más bajo del cráneo y el tercero, el “punto pre-auricular”,
situado en las orejas (Barea Navarro, 2009).
Para la colocación de un mayor número de electrodos siguiendo este sistema se
disponen entre los ya existentes a una distancia equidistante entre ellos.
2.3. Tipos de montajes de los electrodos
Una vez colocados los electrodos de acuerdo al sistema indicado en el apartado anterior
es importante remarcar que cada electrodo se considera un punto de registro y que, para
generar una diferencia de potencial se necesita de dos terminales, una de registro y otra
de referencia (Satherley, Jones y Bones, 1996).
14
Tras dejar esas nociones en claro, lo siguiente que se necesita decidir es el tipo de
registro que se aplicará. Para llegar a una solución de cuál será el más adecuado, se tiene
que observar la cantidad de canales disponibles y las necesidades del estudio que se
quiera realizar (Rowan, 2004).
Podemos distinguir dos tipos: los registros monopolares y los bipolares (véase figura 5)
(Boutros, Galderisi y Pogarell, 2011).
El registro monopolar o referencial combina dos tipos electrodos diferentes.
Este registro solo considera relevante la señal de cada uno de los electrodos,
independientemente de la señal de los demás (Barea Navarro, 2009).
Al electrodo encargado de realizar el registro se le denomina “electrodo activo”,
mientras que al que se coloca como referencia se le denomina “referencial”. Los
electrodos que tomamos como referencia deben tener un potencial de cero voltios de
manera general. Pero cuando son llevados a la práctica, se colocan en los lóbulos de las
orejas, el mastoides o el mentón, que aunque no sean cero, reduce mucho la detección
de actividad eléctrica del cerebro (Boutros, Galderisi y Pogarell, 2011).
Otra de las alternativas para conseguir un electrodo que actúe como referencia es reunir
a todos los demás entre sí. De esta forma se podrá conseguir un punto igual al promedio
de los potenciales de cada uno de los demás electrodos. El inconveniente de esto es que
solo se podría conseguir el potencial de registro de un único electrodo (Teplan, 2002).
Para solucionar este problema, se introdujo el “sistema de Wilson” que declara que “la
interconexión entre todos los electrodos debe realizarse por medio de resistencias de
valores bajos”. De esta forma se pueden obtener tantas configuraciones de electrodos
“activo-referencial” como número de canales disponga el sistema (Barea Navarro,
2009).
El registro bipolar o diferencial. A diferencia del anterior, toma las señales
procedentes de parejas de electrodos activos, compara la actividad entre ellos y la
elimina, registrando únicamente las diferencias de tensión entre los electrodos. Gracias
a esto no se produce ninguna contaminación en los registros, pero supone una gran
pérdida de información. Sin embargo, es muy útil en aplicaciones clínicas porque ayuda
a localizar lugares en los que se origina una señal específica (véase figura 5) (Barea
Navarro, 2009; Boutros, Galderisi y Pogarell, 2011).
15
En ambos tipos la mitad de los canales son conectados al hemisferio derecho y la otra
mitad al hemisferio izquierdo, de este modo la actividad eléctrica de áreas homólogas
del cerebro pueden ser comparadas a simple vista (Sanei y Chambers, 2007).
Figura 7. Registros. Ilustración de un registro referencial (izquierda) con las
referencias A1 y A2 para los electrodos del lado izquierdo y del lado derecho,
respectivamente, y un registro bipolar (derecha) con la disposición de los
electrodos vecinos en cadenas longitudinales (Tomado de Boutros, 2011).
Sin embargo, debido a la cantidad de combinaciones existentes para realizar un registro
bipolar, mucha de la información obtenida no se considera relevante. Por ello se precisa
hacer una selección de las combinaciones más interesantes. A cada una de éstas se las
conoce con el nombre de “montaje” (Talamillo García, 2011).
Los montajes son conocidos como el conjunto de pares de electrodos que se encuentran
conectados a cada canal de amplificación de señal. Según la Federación Internacional de
EEG y Neurofisiología se clasifican en Longitudinales y Transversales (Barea Navarro,
2009) (véase figura 5).
16
Figura 8. A) Montaje Longitudinal, B) Montaje Transversal. Esquema de los dos
tipos de montajes bipolares más utilizados. Cada segmento situado entre dos
puntos representa un canal de registro (Tomado de Rowan, 2014)
Los Montajes Longitudinales registran la actividad de pares de electrodos que siguen
una distribución anteroposterior de cada mitad del cráneo. Mientras que los Montajes
Transversales realizan el registro de pares de electrodos que presentan una disposición
transversal, orientándose por los planos sagitales anterior, medio posterior (Barea
Navarro, 2009).
3. TRATAMIENTO DE LA SEÑAL DEL EEG
En este apartado hablaremos sobre cómo se lleva a cabo el procesamiento de las señales
adquiridas a partir de la electroencefalografía.
Como se ha comentado anteriormente, las señales registradas por el EEG se obtienen a
través de registros llevados a cabo mediante múltiples electrodos colocados sobre la
superficie del cuero cabelludo.
Normalmente, estas señales se encuentran sin procesar y aparecen con magnitudes muy
pequeñas. Por ello deben pasar por varias etapas para su depuración debido a que están
contaminadas por ruidos e interferencias de los diferentes artefactos, tanto artificiales
como biológicos, y así poder extraer la información de mayor relevancia con el estado
mental del sujeto en estudio (Sanei y Chambers, 2007).
17
Los artefactos son aquellas señales eléctricas no relacionadas con la actividad eléctrica
cerebral. Pueden dividirse en dos categorías (Boutros, Galderisi y Pogarell, 2011):
Biológicos.- Tienen que ver con lo relativo al paciente e implican diferentes
señales biológicas como los producidos por el movimiento de los ojos y los párpados, el
latido cardíaco o la actividad muscular, fundamentalmente de la cara y del cuello.
Técnicos.- Son aquellos que provengan del ambiente, especialmente de la señal
eléctrica venidera de la alimentación de la máquina de EEG, electrodos, cables y demás
artilugios.
Para evitar este tipo de interferencias recurrimos al procesamiento de la señal del EEG
(véase Figura 9).
El primer paso llevado a cabo para registrar una onda en el electroencefalograma es
emplear unos aparatos conocidos como amplificadores, encargados de aumentar la
amplitud de las ondas eléctricas cerebrales. La señal que se obtiene a través de cada uno
de los canales de registro debe pasar por una serie de filtros debido a que el rango de
información de la señal presenta una frecuencia predominante entre 1 y 40 Hz. Por los
tanto, los primero filtros que se aplicarán tendrán ese ancho, lo que contribuirá a
eliminar cualquier interferencia por encima de los 50 Hz de frecuencia (Sanei y
Chambers, 2007).
El segundo paso es aplicar un algoritmo que se limita a eliminar de la señal aquellos
ruidos no deseados provocados por movimientos del paciente. Por otra parte, cuando se
trata de un ruido de origen artificial se emplea un filtro denominado “Laplaciano” que
detecta las diferencias entre los canales individuales por encima de eventos mayores.
Aplica una operación que le resta a la señal de cada electrodo la media de la señal de sus
electrodos vecinos más próximos.
Frecuentemente, uno o más de los electrodos producen una salida errónea de
información. Para poder eliminarla ese utiliza un algoritmo de limitación para que las
señales no deseadas no se tomen en consideración (Boutros, Galderisi y Pogarell, 2011)
El tercer y cuarto paso consiste en extraer las características de cada señal. Este paso se
lleva a cabo para tener una primera imagen de la actividad, aplicándole a cada canal un
banco de cuatro filtro pasabanda digitales, que presentan bandas de paso enfocadas en
18
las ondas alfa, beta, delta y theta, que son las más estudiadas en el
electroencefalograma.
De esta manera, cada señal se transforma en un conjunto de cuatro medidas de
pontencia (Nunes y col. 2012).
Figura 9.- Fases del procesamiento de la señal del EEG. En el presente esquema
se representación de los distintos pasos a seguir para el procesamiento de una
señal registrada en el electroencefalograma (Tomado de Al-Fahoum y Al-Fraihat,
2014).
19
Así llegamos a conseguir una representación más manejable y significativa de la señal
original.
Por último se requiere el acondicionamiento de la señal obtenida. Se considera la última
etapa analógica previa a su digitalización. Consiste en la conversión de señales para que
sean leídas por un microcontrolador sin ningún impedimento (Nunes y col., 2012).
Un microcontrolador es un aparato encargado de la conversión analógica/digital (A/D)
de la señal para hacer posible la transmisión de los datos a un ordenador. Este proceso la
conversión alternando un canal a la vez, y así sucesivamente en tiempo continuo. Esta
conversión ocurre gracias a la acción de las configuraciones de condensadores
electrolíticos que convierten los voltajes para la comunicación del Hardware del EEG y
el ordenador que lleva a cabo el procesamiento de los datos (Delorme y Makeig, 2004).
En el ordenador se reciben los datos, reconstruyendo las señales originales de cada
región cerebral, debido a que llegan alteradas. Aquí son pasadas por los algoritmos
pertinentes para su filtrado digital, eliminación de otros ruidos y un posterior análisis
para poder visualizar las ondas del EEG en estado original en la pantalla del ordenador.
4. ANÁLISIS DE DATOS DEL EEG
El análisis de la electroencefalografía sienta sus pilares principalmente en la amplitud,
frecuencia y distribución de la forma de las ondas. Para realizarlo debemos hacer uso de
los registros tomados del electroencefalograma. Estos están formados por señales no y
estacionarias y de cierta complejidad, cuyas propiedades quedan definidas por el
instante de tiempo en el que se analicen. Sin embargo, si solo utilizamos el análisis
visual de los registros, no se llegará a extraer toda la información contenida en las
señales electroencefalográficas (Sanei y Chambers, 2007).
En este sentido, el análisis cuantitativo del EEG (qEEG) amplía de forma considerable
el alcance de este estudio.
Hasta el momento, se utilizan multitud de análisis para la interpretación de los datos
obtenidos en el EEG, entre los que destacan el análisis en el tiempo y en frecuencia. A
continuación hablaremos de los realizados en el dominio de frecuencias, ya que las
medidas que han demostrado ser más sensibles al estado del sujeto son las realizadas en
20
esta área (Fernández Harmony y González Garrido, 2001)
4.1. Análisis espectral o de frecuencias
Una manera muy común de describir el EEG es en términos de bandas de frecuencia y
para poder realizarlo se necesita cuantificar la frecuencia. La primera persona interesada
y que propuso una solución frente a este problema fue Joseph Fourier cuyo teorema
decía que “toda señal periódica puede descomponerse en una serie de ondas seno y
coseno, que al sumarse entre ellas producen la señal original” (Urrestarazu e Iriarte,
2005)
Según su teorema “toda señal periódica se puede descomponer en un conjunto de ondas
seno y coseno, que sumadas entre sí reproducen la señal original” (Urrestarazu e Iriarte,
2005). Este método, en concreto la transformada rápida de Fourier (FFT), es el más
empleado en este tipo de análisis. Todos estos métodos asumen que no varía el
contenido en frecuencia de la señal estudiada, lo que limita su análisis a señales
estacionarias. Esta se sigue considerando su principal limitación, a pesar de haberse
desarrollado variantes como la transformada en ventana de Fourier (WFT), encargada
del estudio de cambios de frecuencias en el tiempo (Cortés, Medina y Chávez, 2007).
El análisis de Fourier está basado en la idea de que una señal continua presenta un
número finito de frecuencias y, gracias a ello, puede descomponerse en un número
finito de ondas. Para agilizar el cálculo, se emplea el algoritmo de la FFT a una serie de
muestras, aunque esto no es necesario actualmente gracias a la potencia de cálculo de
los ordenadores (Freeman y Quiroga, 2013). Si agrupamos todas esas ondas seno
extraídas de la señal del EEG, obtendremos su espectro de frecuencia. Por lo tanto, es
posible estudiar las señales electroencefalográficas en el dominio de tiempo y, además,
en el de frecuencia (Blanco y col., 1995).
A diferencia de la transformada rápida de Fourier, la WFT aplica la transformada a
periodos de tiempo sucesivos y de corta duración, para solucionar el problema en
señales no estacionarias, pero presenta ciertas limitaciones ante el análisis de
frecuencias bajas (Muthuswamy y Thakor, 1998).
Además de estos métodos que acabamos de mencionar, se han desarrollado diversos
21
métodos de análisis de tiempo-frecuencia, que permiten valorar la evolución temporal
comprendida en los cambios de frecuencia. Entre ellos se encuentra la transformada de
wavelet (TW) y la expansión de Gabor.
A diferencia del análisis de Fourier, estos separan la distribución de energía de una
señal en distintos componentes de frecuencia en el tiempo (Rosso y col., 2006) (véase
figura 10). Este análisis puede interpretarse como un banco de filtros, con un ancho de
banda proporcional a su frecuencia. De esta forma, la resolución temporal aumenta a
frecuencias altas, y la resolución de frecuencias a bajas (Samar et al., 1999)
Figura 10.- Ideas básicas de Wavelets. La Transformada de Fourier es el producto
interno de la señal y sinusoides de diferentes frecuencias. Para conseguir
resolución en el tiempo, la transformada de Gabor (o de corto tiempo de Fourier)
usa sinusoides de ventana estrechados con funciones Gaussianas. Con wavelets,
estrechando o comprimiendo una función, el tamaño de la ventana es variable y se
obtiene una comprensión entre el tiempo y la resolución frecuencial para todas las
frecuencias (Tomado de Freeman y Quiroga, 2013)
En relación a la expansión de Gabor, se considera una variante mediante la que la señal
aparece expresada como una suma ponderada de un conjunto de funciones que han sido
22
desplazadas en el tiempo y en la frecuencia a través de una función principal. Así, cada
factor puede considerarse como la energía que se encuentra en la señal en un instante de
tiempo y a una frecuencia específica (Urrestarazu e Iriarte, 2005).
Aunque los fundamentos matemáticos de este tipo de análisis se demostraron hace un
tiempo, su aplicación en señales electroencefalográficas es muy reciente (Sanei y
Chambers, 2007). Por otro lado, la TW permite observar el comportamiento de
diferentes eventos de la señal. Además, proporciona de manera simultánea información
sobre tiempo y frecuencia. A diferencia del método anterior, wavelet analiza la señal
con distintas resoluciones para las diferentes frecuencias (Cortés, Medina y Chávez,
2007).
En la actualidad, se usa de forma habitual en el análisis de señales de todo tipo, incluso
en aquellos fuera del área médica (Urrestarazu e Iriarte, 2005).
5. POTENCIALES EVOCADOS
Toda la actividad eléctrica que es generada por las poblaciones de neuronas corticales es
registrada por los electrodos que se colocan en la superficie del cuero cabelludo, como
se ha comentado a lo largo del trabajo.
Cuando se presenta un estímulo a un sujeto, ya sea visual, somatosensorial o auditivo,
en el registro del EEG se registran, de manera simultánea, unos cambios de voltaje
asociados con este estímulo. A estas oscilaciones se les conocen como potenciales
evocados (PE) o potenciales relacionados a eventos (PREs) (Sanei y Chambers, 2007).
Estos cambios de voltajes provocados por la aparición de un estímulo tienen amplitudes
bastante pequeñas, en torno a las 5µV, y no pueden observarse de manera directa en el
electroencefalograma (Pfurtscheller y Lopes da Silva, 1999).
Para poder estudiar los PEs se parte de la presuposición de que las oscilaciones
registradas se distribuyen de manera aleatoria en el tiempo. Mediante el promediado de
las oscilaciones, junto con el momento en el que se presenta el estímulo, es posible
resaltar y visualizar estos potenciales (Gómez y col., 1992). Por lo tanto, para obtenerlos
se realiza un promedio de algunos segmentos del electroencefalograma que estén
relacionados con la actividad registrada durante la presentación repetida del mismo
estímulo o parecidos. De esta manera se consigue anular aquellas oscilaciones que no
pertenezcan a la presentación del estímulo, permitiendo que la actividad eléctrica
23
asociada con la presentación repetida del estímulo crítico destaque (Pfurtscheller y
Lopes da Silva, 1999).
La señal eléctrica producida por los PREs se compone de una sucesión de picos y valles
continuada a lo largo del tiempo a los que se denomina componentes. Este nombre se
basa en los parámetros que los caracterizan que son: la polaridad (positiva o negativa),
la distribución topográfica, la latencia y el tipo de manipulación experimental. Para
nombrarlos se utiliza, en relación a la polaridad, una “N” (negativa) o una “P”
(positiva), mientras que la aparición de un dígito corresponde con la latencia, cuando el
componente alcanza su máxima amplitud (Gómez y col., 1992)
Se ha podido hacer una diferenciación en cuanto a los tipos de componentes.
Los componentes endógenos son aquellos que ocurren mucho tiempo después de la
presentación del estímulo. Mientras tanto, los estímulos exógenos son muy precoces en
el tiempo e insensibles a las manipulaciones que impliquen procesos cognitivos.
Además, aparecen ante la presentación de una característica física del estímulo externo
(Hernández Barro, 2006; Woodman, 2010).
5.1. Bases fisiológicas y origen neuronal
Como sabemos de apartados anteriores, la actividad eléctrica registrada en el EEG
proviene de los potenciales post-sinápticos de las neuronas piramidales de la corteza
cerebral (Ramos-Argüelles y col., 2009; Boutros, Galderisi y Pogarell, 2011).
Estas neuronas poseen una distribución en campo abierto, es decir, una disposición
paralela de las neuronas permitiendo la suma de todas sus corrientes al estar sus
dendritas orientadas en el mismo sentido. Esto,junto con su activación en sincronía,
favorece que dichas corrientes puedan ser detectadas por los electrodos situados a
bastante distancia sobre el pericráneo. A pesar de ello, hay estructuras cerebrales que es
posible que contribuyan a la señal, pero al poseer una distribución en campo cerrado
(disposición radial y tendencia a anular las señales) aparecen invisibles a los registro del
EEG (Gómez y col., 1992; Ramos-Argüelles y col., 2009; Boutros, Galderisi y Pogarell,
2011).
Cabe destacar que, debido a las características de la conducción de la señal eléctrica en
el cerebro, los potenciales que se registran en posiciones específicas, no tienen por qué
24
reflejar la actividad de la región inmediatamente bajo la posición de los electrodos.
Gracias a la existencia de dipolos eléctricos, una señal que se genera en una región
determinada del cortex cerebral puede aparecer como máxima sobre un punto distante
en la superficie del cuero cabelludo. Para que sea posible es necesario el uso de técnicas
que ayuden, con la aplicación de algoritmos matemáticos, a la localización de la fuente
de origen del potencial que se observa en la superficie a través de la distribución
espacial del voltaje sobre el cuero cabelludo (Gómez y col., 1992).
Por otro lado, cuando se quiere conocer la localización de los generadores neuronales de
la actividad cerebral se requiere el uso de ciertas técnicas con una alta resolución
espacial. Un ejemplo sería la resonancia magnética funcional (fMRI) (Sanei y
Chambers, 2007).
Los componentes de los potenciales evocados se caracterizan por los parámetros que
mencionamos anteriormente. La obtención de las diferencias de estas dimensiones
permite hacer inferencias sobre los procesos cognitivos subyacentes en base a que los
componentes generados por cada condición difieran entre so cuantitativa (amplitud o/y
latencia) o cualitativamente (distribución espacial) (Sanei y Chambers, 2007).
Gracias a esto nos permiten obtener cierta información sobre cualquier condición
generada en el cerebro, ayudándonos con el diagnóstico y tratamiento de posibles
desórdenes mentales y enfermedades relacionadas.
En el siguiente apartado se lleva a cabo una breve descripción sobre los campos que
puede llegar a abarcar la electroencefalografía.
6. APLICACIONES DE LA ELECTROENCEFALOGRAFÍA
La electroencefalografía es una técnica de gran utilidad para detectar enfermedades que
alteren al correcto funcionamiento del cerebro, es decir, todo fenómeno que se pueda
sospechar una causa de origen cerebral (Ramos-Argüelles, 2012).
En la actualidad se considera una técnica de gran uso para el especialista clínico, no solo
en el campo de la epilepsia, un área de gran interés en estos momentos, sino también en
otros muchos como son los estudios de las ondas del sueño, el coma y la muerte
cerebral o incluso el estudio de tumores intracraneales. La clave está en aportar al
25
especialista una orientación funcional, que unida a la información estructural que aporta
la neuroimagen, le sirvan como complemento en el diagnóstico de la patología del
paciente.
7. CONCLUSIONES Y PERSPECTIVAS DE FUTURO
Se han desarrollado nuevas técnicas para el estudio de la función cerebral en los últimos
años. Sin embargo, la electroencefalografía es la que aporta una mayor resolución
temporal y, gracias a eso, su estudio sigue siendo de mucho interés.
Con la posible digitalización de los registro del electroencefalograma, se han
conseguido desarrollar numerosas técnicas matemáticas que indagan en lo más profundo
de los diferentes aspectos del área de la electroencefalografía. A pesar de que presenta
ciertas limitaciones, está demostrando ser eficaz para tener un mejor conocimiento de la
fisiología cerebral normal y patológica, y para localizar las fuentes generadoras de la
actividad cerebral.
Actualmente, la mayoría de estas técnicas están sujetas al ámbito de la investigación,
pero sus aplicaciones en el área clínica han sido claramente definidas. Pueden llegar a
ser técnicas de gran importancia en el estudios de patologías específicas como la
epilepsia, en la que aportan una gran calidad de señal electroencefalográfica y facilitan
la identificación de alteraciones posibles. Además, pueden actuar en combinación con
otras técnicas de neuroimagen para localizar el origen de los focos epilépticos con un
mayor precisión, sin contar que todo esto posibilita una mejor actuación en el
tratamiento preventivo crisis epilépticas.
De ahora en adelante, el desarrollo de modelos matemáticos que se acerquen más a la
complejidad que presentan los procesos biológicos, de la mano de otras técnicas de este
mismo campo de estudio, hará posible un mejor conocimiento de esta materia.
26
8. BIBLIOGRAFÍA
1. Al-Fahoum, A.S. y Al-Fraihat, A.A. 2014. Methods of EEG signal features
extraction using linear analysis in frequency and time-frequency
domains, International Scholarly Research Notices Neuroscience, 2014, 1-7.
2. Arman, S.I; Ahmed, A.; Syed, A. 2012. Cost-effective EEG signal acquisition
and recording system. International Journal of Bioscience, Biochemistry and
Bioinformatics, 2, 301-304.
3. Barea Navarro, R. 2009. Electroencefalografía. Instrumentación Biomédica.
Madrid, España. Universidad de Alcalá, 2-24.
4. Blanco, S.; Quian Quiroga, R.; Rosso, O.A.; Kochen, S.1995. Time –frequency
analysis of electroencephalogram series. Physical Review E, 51, 2624-2631.
5. Boutros, N.; Galderisi, S.; Pogarell, O.; Riggio, S. 2011. Standard
electroencephalography in clinical psychiatry: a practical handbook. Ltd, 1-184,
Oxford, UK.
6. Collura, T.F. 1993. History and evolution of electroencephalographic
instruments and techniques. Journal of Clinical Neurophysiology, 10, 476-504.
7. Cortés, J.A.; Medina, F.A.; Chaves, J.A. 2007. Del análisis de Fourier a las
wavelets. Análisis de Fourier. Sciencia et Technica Año XIII, 34, 151-156.
8. Delorme, A.; Makeig, S. 2004. EEGLAB: An open source toolbox for analysis
of single-trial EEG dynamics including independent component analysis.
Journal of Neuroscience, Methods 134, 9–21.
9. Estepp, J.R.; Christensen, J.C.; Monnin, J.W.; Davis, I.M.; Wilson, G.F. 2009.
Validation of a dry electrode system for EEG. Proceedings of the Human
Factors and Ergonomics Society 53rd Annual Meeting, 53, 1171-1175.
10. Fernández Harmony, T.; González Garrido, A.A. 2001. EEG y cognición, 351-
370. Texto de Neurociencias cognitivas. Alcaraz Romero, V.M., Gumá Díaz, E.
El Manual Moderno, Guadalajara, México.
11. Fonseca, C.; Silva Cunha, J.P.; Martins, R.E.; Ferreira, V.M.; Marqués de Sá,
J.P., Barbosa, M.A.; y Martins da Silva, A. 2007. A novel dry active electrode
for EEG recording. Institute of Electrical and Electronics Engineers:
Transactions of Biomedical Engineering, 54, 162-165.
27
12. Freeman, W.; Quiroga, R.Q. 2013. Imaging brain function with EEG: Advanced
temporal and Spatial Analysis of electroencephalographic. Springer, 1-248, New
York, USA.
13. Gómez, C.; Escera, C.; Cilveti, R.; Polo, M.D.; Díaz, R.; Portavella, M. 1992.
Localización neuroeléctrica de procesos cognitivos. Anuario de Psicología, 54,
77-96.
14. Hernández Barro, D. 2006. Potenciales relacionados a eventos cognitivos en
psicología del deporte. Revista de Iberoamericana de Psicología del ejercicio y
el deporte, 1,105-117.
15. Ko, W.H. 1998. Active electrodes for EEG and evoked potential. Engineering in
Medicine and Biology Society, 20, 2221-2224.
16. Liao, L.; Wang, I.; Chen, S.; Chang, J.; y Lin, C. 2011. Design, fabrication and
experimental validation of a novel dry-contact sensor for measuring
electroencephalography signals without skin preparation. Sensors, 11, 5819-
5834.
17. López-Gordo, M.A.; Sánchez-Morillo, D.; y Pelayo Valle, F. 2014. Dry EEG
electrodes. Sensor, 14, 12847-12870.
18. Muthuswamy, J.; y Thakor, N.V. 1998. Spectral analysis methods for
neurological signals. Journal of Neuroscience Methods, 83, 1-14.
19. Niedermeyer, E.; y Lopes Da Silva, F.H. 2005. Electroencephalography: basic
principles, clinical applications, and related fields. Lippincott, 1-1279,
Philadelphia, USA.
20. Oostenveld, R.; Praamstra, P. 2001. The five percent electrode system for high-
resolution EEG and ERP measurements. Clinical Neurophysiology 112, 713-
719.
21. Pfurtscheller, G.; Lopes da Silva, F.H. 1999. Event-related EEG/MEG
synchronization and desynchronization: basic principles. Clinical
Neurophysiology 100, 1842-1857.
22. Ramos-Argüelles, F.; Morales, G.; Egozcue, S.; Pabón, R.M.; Alonso, M.T.
2009. Basic techniques of electroencephalography: principles and clinical
applications. Anales del Sistema Sanitario de Navarra, 32, 69-82.
23. Rodrigues Nunes, R.; Chaves, I.M.M.; Garcia de Alencar, J.C.; Benevides
Franco, S.; Barbosa Reis de Oliveira, Y.G.; De Menezes, D.G.A. 2012. Índice
28
Bispectral y otros parámetros procesados del electroencefalograma: una
actualización. Revista de Sociedade Brasileira de Anestesiologia, 62, 105-117.
24. Rosso, O.A.; Martin, M.T.; Figliola, A., Keller, K.; Platino, A. 2006. EEG
analysis using wavelet-based information tools. Journal of Neuroscience
Methods, 153, 163-182.
25. Rowan, J.; Tolunsky, E. 2004. Conceptos básicos sobre EEG con mini-atlas.
Elsevier, 1-187, Madrid, España.
26. Samar, V.J.; Bopardikar, A.; Rao, R.; y Swartz, K. 1999. Wavelet analysis of
neuroelectric waveforms: a conceptual tutorial. Brain and language, 66, 7-60.
27. Sanei, S.; y Chambers, J.A. 2007. EEG Signal Processing, Ltd, 1-267, Cardiff,
UK.
28. Satherley, B.L., Jones, R.D.; y Bones, P.J. 1996. EEG spectral topography in
neurology. Australasian Physical & Engineering Science in Medicine, 19, 172-
179.
29. Steriade, M.; Gloor, P.; Llinás, R. R.; Lopes da Silva, F. H.; y Mesulam, M.
M.1990. Basic mechanisms of cerebral rhythmic activities.
Electroencephalography and clinical neurophysiology, 76, 481-508.
30. Taheri, B. A.; Knight, R. T.; y Smith, R. L. 1994. A dry electrode for EEG
recording. Electroencephalography and clinical neurophysiology, 90, 376-383.
31. Talamillo García, T. 2011. Manual básico para enfermeros en
electroencefalografía. Enfermería Docente, 94, 29-33.
32. Taywade S.A.; Raut R.D. 2012. A Review: EEG signal analysis with different
methodologies. Proceeding on a National Conference on Innovative Paradigms
in Engineering and Techonology, 6, 29-31.
33. Teplan M. 2002. Fundamentals of EEG measurements. Measurements sciences
review, 2, 1-10.
34. Urrestaraza, E.; Iriarte, J. 2005. Revista de Neurología, 41, 423-34.
35. Westbrook, G.L. 2013. Seizures and Epilepsy, 1115-1139. Principles of neural
science. Kandel, E.R.; Schwartz, J.H.; y Jessel, T.M, McGraw-Hill, New York,
USA.
36. Woodman, G.F. 2010. A brief introduction to the use of event-related potentials
in studies of perception and attention. Attention, Perception y Psychophysics, 72,
2031-2046.