Desarrollo de un Flujo de Procesamiento para el Análisis de Oscilaciones de Alta Frecuencia en Señales de EEG para el Apoyo en Cirugía de Epilepsia Refractaria

Abstract

RESUMEN: La epilepsia es una enfermedad del sistema nervioso central que se manifiesta como episodios convulsivos no provocados que se deben a un actividad eléctrica anormal en una o varias partes del cerebro. Este trastorno padecido por aproximadamente 50 millones de personas en el mundo afecta física y sicológicamente a los pacientes, disminuyendo así su calidad de vida. Si bien, hoy en día hay varios tratamientos farmacológicos para esta condición, 1 de cada 3 adultos padecen lo que se conoce como epilepsia refractaria, es decir, que no hay respuesta positiva ante los fármacos suministrados. Es por esto por lo que se sugiere la cirugía de epilepsia, en la que la parte del cerebro que provoca las convulsiones, conocida como zona epileptogénica, es removida. La localización de esta zona se puede realizar a partir de un mapeo intracraneano que consiste en el registro electroencefalográfico de actividad epileptiforme por medio de electrodos implantados en el cerebro. En los últimos años se han estudiado las Oscilaciones de Alta Frecuencia (HFO) como un posible biomarcador para la epilepsia, estas oscilaciones son patrones espontáneos de EEG que se encuentran en los rangos de frecuencias entre 80 y 500 Hz. El objetivo de este proyecto es el desarrollo de un flujo de procesamiento para la detección de oscilaciones de alta frecuencia en señales EEG de pacientes con epilepsia, para esto, se conformó una base de datos de señales EEG de pacientes con epilepsia, se proponen rutinas de procesamiento de estas señales para la eliminación de ruido y corrección de artefactos por medio de la eliminación de tendencias y un filtrado por umbralización haciendo uso de la transformada discreta de Wavelet, además, se aplicó un algoritmo para el análisis en tiempo frecuencia de estas señales haciendo uso de la transformada continua de Wavelet. La base de datos fue conformada con datos de pacientes con epilepsia provenientes de del repositorio en línea OpenNeuro y del Instituto Neurológico de Colombia. Con el flujo de procesamiento propuesto se lograron eliminar artefactos y permitió obtener señales aptas para el estudio de componentes de alta frecuencia presentes en estas. Por último, el análisis en tiempo frecuencia permitió la identificacion visual de HFO en los espectros de potencia graficados luego de aplicar la transformada continua de Wavelet a estas señales.

ABSTRACT: Epilepsy is a disease of the central nervous system that manifests as unprovoked seizures due to abnormal electrical activity in one or more parts of the brain. This disorder suffered by approximately 50 million people in the world affects patients physically and psychologically, reducing their quality of life. One in three adults suffer from what is known as refractory epilepsy, in means, there is no positive response to the drugs supplied. Therefore, epilepsy surgery is suggested, where the part of the brain that causes the seizures, known as the epileptogenic zone, is removed. The localization of this area can be carried out by intracranial mapping, it consists in electroencephalographic recording of epileptiform activity by means of electrodes implanted in the brain. In recent years, High Frequency Oscillations (HFO) have been studied as a possible biomarker for epilepsy, these oscillations are spontaneous EEG patterns found in the frequency ranges between 80 and 500 Hz. The aim of this project is to develop a processing workflow to detect high frequency oscillations in EEG signals of patients with epilepsy. A database of EEG signals of patients with epilepsy was created, processing routine is proposed for artifacts correction noise elimination by removing trends and filtering by thresholding making use of the discrete Wavelet transform, also an algorithm was applied for the time-frequency analysis using the continuous Wavelet transform. The database was made up with data of patients with epilepsy obtained from OpenNeuro, an online repository, from the Instituto Neurologico de Colombia. With the proposed processing workflow, artifacts were eliminated and allowed us to obtain signals suitable for the study of high frequency components present in them. Finally, the time-frequency analysis allowed the visual identification of HFO in the plotted power spectra after applying the continuous Wavelet transform to these signals.