Análisis de imágenes EEG en una tarea Flanker para excombatientes del conflicto armado colombiano

Abstract

RESUMEN : El presente trabajo estudia la reconstrucción de fuentes bioeléctricas del cerebro a partir de potenciales generados en el cuero cabelludo, captados durante la aplicación de la tarea Flanker a sujetos que han o no vivido experiencias relacionadas con el conflicto armado. La metodología empleada en este trabajo se basa en la comparación entre diferentes algoritmos de reconstrucción y variaciones de sus parámetros, mediante el análisis estadístico a nivel de grupo (segundo nivel) de los resultados obtenidos. El análisis se realizó con datos de EEG promediados y sin promediar en el software SPM12. El problema directo se resolvió mediante el algoritmo “Método de elementos de contorno (BEM)” calculando el potencial de campo en cada una de las fuentes que están distribuidas dentro de todo el volumen conductor. Para resolver el problema inverso, se implementan tres algoritmos: “Greedy Search on MSPs (GS)”, “Smooth priors (COH)” y “Empirical Bayes Beamformer (EBB)”, sobre los cuales se modifican los parámetros de enventanado Hanning y número de semillas por hemisferio (Np), este último solo para el algoritmo (GS). Se encontró que el mejor algoritmo para los datos de estudio corresponde al GS con enventanado Hanning y Np=4096. Así mismo, se encuentra diferencias estadísticas significativas entre grupos de alta y baja exposición para un valor p<0.001 sin corrección FWE, relacionadas con la cantidad de recursos cognitivos para procesar una tarea, pero no se evidencia un sesgo atencional a la amenaza por parte de los sujetos con mayor exposición al conflicto armado colombiano.

ABSTRACT : The present work studies the reconstruction of brain bioelectrical sources, from the potentials generated in the scalp captured during the application of the Flanker task to subjects who have lived or not experiences related to the armed conflict. The methodology used is based on the comparison among different source reconstruction algorithms and variations of their parameters, using statistical group analyses (second level statistics). The forward problem was solved using the "Boundary Element Method (BEM)" by calculating the field potential at each of the sources that are distributed within the entire conductive volume. For the inverse problem, three algorithms are implemented: "Greedy Search on MSPs (GS)", "Smooth priors (COH)" and "Empirical Bayes Beamformer (EBB)", on which the Hanning window and number of prior components per hemisphere (Np) parameters are modified, the latter only for the (GS) algorithm. We found that the best algorithm for the study data corresponds to the GS with Hanning packaging and Np=4096. Likewise, significant statistical differences were found between high and low exposure groups for p<0.001 without FWE correction. This is related to the cognitive resources necessary to process a task, but no attentional bias to threat in subjects with higher exposure to the Colombian armed conflict was evidenced.