| Revista: | Nova scientia |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000439679 |
| ISSN: | 2007-0705 |
| Autores: | Montalvo Aguilar, Jesús Alejandro1 Bazán, Ivonne1 Ramírez García, Alfredo1 |
| Instituciones: | 1Universidad Autónoma de Aguascalientes, Departamento de Ingeniería Biomédica, Aguascalientes. México |
| Año: | 2020 |
| Periodo: | Nov |
| Volumen: | 12 |
| Número: | 25 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | Introducción: Se presenta la evaluación de diferentes técnicas para segmentar, ventanear y remover el ruido presente en señales electroencefalográficas (EEG) para poder detectar Potenciales Evocados Visuales (VEP). Se realizará un análisis de las ventajas y desventajas de cada técnica analizando cual puede identificar correctamente los VEP y cuantificando la latencia parámetro principal para la identificación de enfermedades oculares. Método: La evaluación de las técnicas se realizó considerando condiciones rigurosas y controladas en el conjunto de señales, para asegurar que los resultados obtenidos estuvieran vinculados solo a los rendimientos de la técnica y evitar cualquier efecto no deseado debido a la interferencia natural de la adquisición de señales. Por esta razón, se creó un conjunto de señales simuladas basado en una forma de onda VEP típica comúnmente registrada alrededor de 100 ms después de la aplicación de un estímulo externo en el estudio clínico de rutina. Además, se consideraron dos etapas de evaluación: etapa de parámetros de latencia fija en la cual la respuesta siempre aparece a 100ms después del estímulo y etapa de parámetros de latencia aleatoria en la cual la respuesta aparece 100ms(+/-10ms) después del estímulo. Resultados: Los mejores resultados sin filtro fueron con ventana rectangular y el uso del filtro elíptico también puede ayudarnos a extraer el VEP con una ventana rectangular. Para la eliminación de ondas, el mejor resultado es la onda Biortogonal 2.6 con una ventana Hamming. Discusión o Conclusión: Se propusieron cinco parámetros para evaluar la extracción de VEP realizada: relación señal a ruido (SNR), error cuadrático medio (MSE), latencia promedio (AL), desviación estándar de la latencia (LSD) y coeficiente de variación de latencia (LCV) como factores representativos a considerar en las evaluaciones de los métodos de extracción de VEP. SNR y MSE se enfocaron para eval |
| Resumen en inglés | Introduction: In this paper, it is presented an assessment of different windowing techniques and denoising methods applied to detect the Visual Evoked Potential (VEP) contained into the electroencephalographic (EEG) signals. The objective is to analyze advantages and disadvantages of each technique performance to identify correctly the VEP waveform and to quantify the latency which is a parameter commonly used as an indicator of ocular diseases. Method: Assessment of techniques was performed considering rigorous controlled conditions on the signal set, to assure that obtained results were linked just to the technique performances and avoid any undesirable effect due to the natural interference of acquisition of signals. For this reason, a simulated signals set was created based on a typical VEP waveform commonly registered around 100ms after an external stimulus was applied in the routine clinical study. Additionally, two evaluation stages were considered: fixed latency parameters stage and random latency parameters stage. Results: The best results without filter was with rectangular window and the use of elliptic filter can help to extract the VEP with a rectangular window too. For wavelet denoising the best result is Biorthogonal 2.6 wavelet with a Hamming window. Discussion or Conclusion: Five parameters were proposed to assessment the VEP extraction performed: signal noise ratio (SNR) mean square error (MSE), average latency (AL), latency standard deviation (LSD) and latency correlation variance (LCV) as representative factors to be considered on evaluations of VEP extraction methods. SNR and MSE were focused to assess the level of noise that remain in signal after windowing & denoising method was applied. In the other hand AL, LSD and LCV were oriented to evaluate the impact of the method on the VEP latency estimation |
| Disciplinas: | Medicina, Ingeniería |
| Palabras clave: | Neurología, Diagnóstico, Ingeniería biomédica, Electroencefalografía, Filtrado de señales, Latencia, Wavelets, Potenciales evocados, Señales simuladas, Enfermedades oculares |
| Keyword: | Diagnosis, Biomedical engineering, Electroencephalography, Signal filtration, Latency, Wavelet, Evoked potentials, Simulated signals, Eye diseases |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
