Sistema para estudiar los cambios
relativos en patrones de sincronía
cerebral durante la ejecución de
tareas cognitivas.
A. Alba1, J.L. Marroquín1, T. Harmony2
1.- CIMAT
2.- INB-UNAM
Contenido
• Introducción
• Objetivo
• Estimación de cambios relativos en patrones de
sincronía
• Medidas de sincronía basadas en diferencias de
fase
• Visualización
• Ejemplos
• Trabajo a futuro
Introducción
• Durante tareas cognitivas, múltiples regiones cerebrales se
integran e interactúan entre sí. (Friston et al., 1997)
• Para detectar y entender tales interacciones, estudiamos la
conectividad y la sincronía.
Sincronía
• Sincronía es una medida de la similaridad entre
dos o mas señales.
• Se han propuesto varias medidas de sincronía;
entre ellas:
– Correlación y coherencia (Bressler, 1995; Gross, 2000)
– Sincronía de fase (Lachaux, 1999)
– Información Mutua (Quian Quiroga, 2002)
Objetivo
• Desarrollar un método que permita estudiar
los cambios en los patrones de sincronía
durante la ejecución de tareas cognitivas,
con una alta resolución temporal y
utilizando distintas medidas de sincronía.
Estimación de cambios relativos en
patrones de sincronía
• Utilizamos un procedimiento similar al propuesto por
Marroquín et al. para el estudio de cambios relativos en
amplitud. (Marroquin, 2003)
• Dadas señales provenientes de un estudio de EEG:
• El primer paso consiste en pasarlas por un banco de filtros
(en nuestro caso de Gabor):
Caso 1: Medidas que requieren una
sola repetición
Caso 2: Medidas que requieren
múltiples repeticiones
Indices de significancia
Medidas de sincronía basadas en
diferencia de fases
• Una posible forma de cuantificar la sincronía es
utilizando la definición de sincronía de fase
(phase-locking):
• Dos señales están en sincronía de fase durante un
periodo de tiempo T si:
• Generalmente se estudia el caso cuando
Medidas de dispersión (Lachaux et al., 1999)
• Dispersión sobre tiempo
• Dispersión sobre repeticiones
Medidas propuestas
• Valor absoluto de la diferencia de fases:
• Probabilidad cumulativa del valor absoluto
de la diferencia de fases:
Visualización
• Se utilizó una representación multi-toposcópica (similar a
la utilizada por Jiménez et al., 1994) para visualizar los
patrones de sincronía para una frecuencia y tiempo fijos.
f=10
t=1300
f=17
t=1075
Visualización
• También se grafican mapas Tiempo-Frecuencia (TF) y
Tiempo-Frecuencia-Topografía (TFT) de actividad
síncrona contando el número de parejas de electrodos con
sincronía significativamente mayor que en el preestímulo.
Ejemplos
• Para los ejemplos se utilizaron los datos de
un experimento de categorización de figuras
y palabras, adquiridos por la Dr. Thalía
Fernández. (Harmony et al., 2001)
Referencias
•
•
•
•
•
•
•
•
•
•
Friston, K., Stephan, K.M., Frackowiak, R.S.J., 1997. Transient Phase-Locking and
Dynamic Correlations: Are They the Same Thing?, Human Brain Mapping. 5, 48-57.
Bressler, S.L., 1995. Large-scale cortical networks and cognition. Brain Research
Reviews. 20, 288-304.
Gross, J., Kujala, J., Hämäläinen, M., Timmermann, L., Schnitzler, A., Salmelin, R.,
2001. Dynamic imaging of coherent sources: Studying neural interactions in the human
brain. PNAS, vol. 98, no. 2, 694-699.
Lachaux, J.P., Rodriguez, E., Martinerie, J., Varela, F.J., 1999. Measuring Phase
Synchrony in Brain Signals. Human Brain Mapping. 8, 194-208.
Rodriguez, E., George, N., Lachaux, J.P., Martinerie, J., Renault, B., Varela, F.J., 1999.
Perception’s shadow: long-distance synchronization of human brain activity. Nature.
397, 430-433.
Quian Quiroga, R., Kraskov, A., Kreuz, T., Grassberger, P., 2002. Performance of
different synchronization measures in real data: A case study on electroencephalographic
signals. Physical Review E. 65.
David, O., Cosmelli, D., Friston, K.J., 2004. Evaluation of different measures of
functional connectivit using a neural mass model. NeuroImage. 21, 659-673.
Marroquin, J.L., Harmony, T., Rodriguez, V., Valdez, P., 2004. Exploratory EEG data
analysis for psychophysiological experiments. NeuroImage. 21, 991-999.
Jimenez, J.C., Biscay, R., Montoto, O., 1995. Modeling the electroencephalogram by
means of spatial spline smoothing and temporal autoregression. Biological Cybernetics.
72, 249-259.
Harmony, T., Fernandez, T., Fernandez-Bouzas, A., Silva-Pereyra, J., Bosch, J., DiazComas, L., Galan, L., 2001. EEG changes during word and figure categorization. Clin.
Neurophys. 112, 1486-1498.
Descargar

Sistema para estudiar los cambios relativos en patrones de