Por favor, use este identificador para citar o enlazar este ítem:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/532
Análisis de sincronía y causalidad en datos electroencefalográficos | |
ROBERTO CRUZ OROPESA | |
Acceso Abierto | |
Atribución-NoComercial | |
Análisis de causalidad | |
El estudio de la magnitud del retardo asociado a la sincronía, pese a que ha sido un problema poco tratado en la literatura, podría contribuir a una mejor comprensión de los eventos síncronos y de los procesos cerebrales que los originan, debido a que proporciona información adicional acerca de una relación de sincronía. En este trabajo se presenta una nueva metodología para el análisis de sincronía que constituye una buena alternativa para el estudio de la causalidad y proporciona un mecanismo novedoso y confiable para estimar el retardo de relaciones de sincronía. La metodología separa la detección de relaciones de sincronía y la estimación de los retardos asociados, siendo estos retardos calculados a partir de las diferencias de fase. La utilización de señales de banda estrecha en frecuencia en el análisis permite una buena localización en tiempo-frecuencia de los eventos. Además, se introduce una representación de eventos de sincronía mediante clúster de electrodos que puede contribuir a la localización de potenciales fuentes cerebrales que expliquen el evento de sincronía. Para la validación de la metodología se propone un modelo espectral de sincronía con ancho de banda controlado para datos EEG sintéticos, el cual también podría ser utilizado para la simulación de dependencias en datos de otra naturaleza. También se realiza un estudio comparativo entre modelos MVAR y métodos de análisis de sincronía y causalidad en tiempo-frecuencia, sobre datos generados por modelos MVAR y por el modelo espectral de sincronía propuesto. Para datos generados por modelos MVAR, el estudio indica la superioridad de los métodos de análisis de sincronía y causalidad en tiempo-frecuencia, siendo la mejor la metodología desarrollada, en los siguientes escenarios: contribuciones pequeñas entre las series, contaminación de los datos con repeticiones sin relaciones de sincronía y la restricción de la sincronía a una ventana temporal pequeña (100 muestras); mientras que los modelos MVAR resultan superiores en la identificación de patrones complejos de conectividad. En datos sincronizados con ancho de banda estrecho (2Hz) mediante el modelo espectral de sincronía, los modelos MVAR no funcionan correctamente, a diferencia de los métodos de análisis de sincronía y causalidad en tiempo-frecuencia. | |
29-03-2017 | |
Tesis de doctorado | |
SISTEMAS DE CONTROL MÉDICO | |
Versión aceptada | |
acceptedVersion - Versión aceptada | |
Aparece en las colecciones: | Tesis del CIMAT |
Cargar archivos:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TE 614.pdf | 3.68 MB | Adobe PDF | Visualizar/Abrir |