Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista científica
Print version ISSN 0124-2253On-line version ISSN 2344-8350
Abstract
ZAPATA-SALDARRIAGA, Luisa-María et al. Evaluación de estrategias basadas en Wavelet-ICA e ICLabel para la corrección de artefactos sobre registros EEG. Rev. Cient. [online]. 2023, n.46, pp.61-76. Epub Apr 25, 2023. ISSN 0124-2253. https://doi.org/10.14483/23448350.19068.
En la electroencefalografía cuantitativa es de vital importancia la eliminación de componentes no neuronales, ya que estos pueden conducir a un análisis erróneo de las señales adquiridas, limitando su uso al diagnóstico y otras aplicaciones clínicas. Dado este inconveniente, en la década de 2000 se propusieron flujos de preprocesamiento basados en el uso conjunto de la Transformada Wavelet y la técnica de Análisis de Componentes Independientes (wICA). Recientemente, con la llegada de los métodos basados en datos, se desarrollaron modelos de aprendizaje profundo para el etiquetado automático de componentes independientes, lo que generó una oportunidad para la optimización de las técnicas basadas en ICA. En este estudio, se añadió ICLabel, uno de estos modelos de aprendizaje profundo, a la metodología de wICA para explorar su mejora. Para evaluar la utilidad de este enfoque, se comparó con diferentes flujos que muestran el uso de wICA e ICLabel de forma independiente y en su ausencia. El impacto de cada flujo se midió mediante su capacidad para resaltar diferencias estadísticas conocidas entre los portadores asintomáticos de la mutación PSEN-1 E280A y un grupo de control sano. Se calcularon específicamente el tamaño del efecto entre grupos y los valores P para comparar los flujos. Los resultados muestran que el uso de ICLabel para la eliminación de artefactos puede mejorar el tamaño del efecto (ES) y que, al aprovecharlo con wICA, se puede construir un enfoque de suavizado de artefactos menos susceptible a la pérdida de información neuronal.
Keywords : alzheimer; artefactos; E280A; electroencefalografía; flujos; precuña; preprocesamiento; tamaño del efecto; wICA..