Estabilidad de correlaciones de la actividad eléctrica no-lineal del cerebro en reposo con ojos cerrados

Stability of correlations of non-linear electrical activity of the resting brain with closed eyes

Contenido principal del artículo

Fernando Maureira Cid
Hernán Díaz-Muñoz
Marcelo Hadweh-Briceño
Elizabeth Flores-Ferro
Ángela Silva-Salse

Resumen

Introducción: la señal del EEG suele interpretarse desde una mirada lineal, sin embargo, desde hace algunas décadas se estudia la actividad eléctrica cerebral como un sistema dinámico, basado en la teoría del caos, con matemáticas no lineales. Objetivo: analizar la estabilidad de las correlaciones de los índices de Hurst a través del tiempo en sujetos en reposo con los ojos cerrados. Métodos: se evaluaron 13 varones universitarios con el dispositivo cerebro-interfaz Emotiv Epoc® con frecuencia de muestreo de 128 Hz. Se analizaron los rangos de frecuencia delta (1-3 Hz), theta (3,5-7 Hz), alfa (8-12 Hz), beta (13-30 Hz) y gamma (>30 Hz). Resultados: los resultados muestran estabilidad en el porcentaje de correlaciones en todas las bandas estudiadas en la mayoría de los sujetos. esta situación ocurre en ventanas temporales de 10, 30 y 60 segundos. Conclusiones: este estudio exploratorio muestra la persistencia en el tiempo de procesos meta-sincrónicos no-lineales que obedecen a la dinámica del balance caos/orden global del cerebro, en condiciones de reposo, basal con ojos cerrados.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

Fernando Maureira Cid, Universidad Metropolitana de Ciencias de la Educación de Chile

Docente de Neurociencia, Universidad Metropolitana de Ciencias de la Educación de Chile

Referencias (VER)

Bassingthwaighte J, Raymond G. (1994). Evaluating rescaled range analysis for time series. Annals of Biomedical Engineering, 2(4): pp. 432-444.

Bear M, Connors B, Paradiso M. (2016) Neurociencia, la exploración del cerebro. 4° ed. Madrid: Wolters Kluver.

Buzsaki G. (2006). Rhythms of the brain. London: Oxford University Press.

Corless M. (2011). Introduction to dynamic systems. Indiana: Purdue University.

Díaz H, Córdova F, Cañete L, Palominos F, Cifuentes F, Sánchez C, et al. (2015). Order and chaos in the brain: fractal time series analysis of the EEG activity during a cognitive problem solving task. Procedia Computer Science, 55: pp. 1410-1419. https://doi.org/10.1016/j.procs.2015.07.135

Díaz H, Maureira F, Cohen E, Córdova F, Palominos F, Otárola J, et al. (2015). Individual differences in the order/chaos balance of the brain selforganization. Annals of Data Science, 2(3): pp. 1-18. https://doi.org/10.1016/j.procs.2017.11.378

Díaz H, Maureira F, Flores G, Fuentes I, García F, Maertens P, et al. (2018). Moving correlations and chaos in the brain during closed eyes basal conditions. Procedia Computer Science, 139: pp. 473-480. https://doi.org/10.1016/j.procs.2018.10.248

Díaz H, Maureira F, Córdova F. (2018). Times series of closed and open eyes EEG conditions reveal differential characteristics in the temporality of linear and no-linear analysis domain. Procedia Computer Science,139: pp. 570-577. https://doi.org/10.1016/j.procs.2018.10.208

Díaz H, Maureira F, Flores E, Córdova F. (2018). Intra e inter-hemispheric correlation of the order/chaos fluctuation in the brain activity during a motor imagination task. Procedia Computer Science, 139: pp. 456-463. https://doi.org/10.1016/j.procs.2018.10.250

Díaz H, Maureira F, Flores E, Cifuentes H, Córdova F. (2019). Synchronizing oscillatory chaos in the brain. Procedia Computer Science, 162: pp. 982-989. https://doi.org/10.1016/j.procs.2019.12.076

Díaz H, Maureira F, Flores E, Gárate E, Muñoz S. (2019). Intra and inter-individual variability in the chaotic component and functional connectivity of the EEG signal in basal closed eyes condition. Procedia Computer Science, 162: pp. 966-973. https://doi.org/10.1016/j.procs.2019.12.077

Díaz H, Maureira F, Otárola J, Rojas R, Alarcón O, Cañete L. (2019). EEG Beta band frequency domain evaluation for assessing stress and anxiety in resting, eyes closed, basal conditions. Procedia Computer Science, 162: pp. 974-981.

Kumar J, Bhuvaneswari P. (2012). Analysis of electroencephalography (EEG) signals and its categorization-a study. Procedia Engineering, 38: pp. 2525-2536. https://doi.org/10.1016/j.proeng.2012.06.298

Layek G. (2015). An introduction to dynamical system and chaos. New York: Springer.

Maureira F. (2017) ¿Qué es la inteligencia? 1° ed. Madrid: Bubok Publishing.

Maureira F, Flores F. (2018). Electroencefalografía (EEG) y diversas manifestaciones del movimiento: una revisión del 2000 al 2017. EmásF, Revista Digital de Educación Física, 9(51): pp. 48-63.

Michel C, Murray M. (2012) Towards the utilization of EEG as a brain imaging tool. NeuroImage, ; 61(2): pp. 371-385. https://doi.org/10.1016/j.neuroimage.2011.12.039

Montero F, Moran F. (1992). Biofísica: procesos de auto-organización en biología. Madrid: EUDEMA.

Pikovsky A, Rosenblum M, Kurths J. (2001). Synchronization: a universal concept in nonlinear sciences. 1° ed. Cambridge: Cambridge University Press.

Raimundo M, Okamoto J. (2018). Application of Hurst Exponent (H) and the R/S analysis in the classification of FOREX Securities. International Journal of Modeling and Optimization, 8(2): pp. 116-124. https://doi.org/10.7763/ijmo.2018.v8.635

World Medical Asociation. (2013). World Medical Association Declaration of Helsinki Ethical Principles for Medical Research Involving Human Subjects. JAMA, 310(20): pp. 2191-2194.