Análisis y Clasificación de las Señales de la Actividad Neuronal Rítmica (EEG) para la Detección de la Epilepsia basado en Wavelets

Abstract

La epilepsia, una común enfermedad crónica del sistema nervioso, se debe a la aparición de actividad eléctrica anormal en la corteza cerebral. Esta dolencia tiene como consecuencia la recurrente aparición de episodios o ataques epilépticos, producidos por una descarga excesiva de energía de un grupo de neuronas que causa convulsiones, incremento de la actividad muscular y la pérdida de consciencia. La anormal actividad neuronal que anuncia el inminente inicio de un ataque epiléptico se analiza mediante el electroencefalograma (EEG). Obtener información útil de las señales del EEG es un proceso complejo, imposible de realizar mediante la observación directa. Al ser una señal de gran complejidad, resulta provechosa la utilización de la Transformada Wavelet en conjunto con la descomposición atómica de la señal EEG. Se proponen varios métodos de la aplicación de la Transformada Wavelet a las señales EEG que constituyen los resultados más relevantes del Proyecto. A saber: 1. Aplicación de la Transformada Wavelet Continua (CWT) para la detección de los patrones de las ondas cerebrales: ondas Gamma, Beta, Alpha, Theta, Delta y ondas epilépticas. 2. Comparación de las características extraídas de las señales EEG de personas normales y pacientes epilépticos mediante la observación de los escalogramas de energías Wavelet tras aplicar la CWT, así como mediante la utilización del Análisis Multirresolución (MRA) junto con la Transformada Wavelet Discreta (DWT), por descomposición multinivel de dichas señales. 3. Estudio de la Wavelet más apropiada en el proceso de eliminación de ruido de señal entre las Wavelets Daubechies-8, Daubechies-4, Symlet-6 y Coiflet-4, atendiendo a la norma L1, L2 y norma del máximo. Las señales EEG son previamente procesadas y filtradas través de un filtro paso banda IIR Butterworth, con frecuencias de corte según el tipo de onda que se desee filtrar. Se elimina el ruido con el método de umbralización Wavelet (Wavelet thresholding) utilizando el método Rigorous SURE, ya que los resultados experimentales muestran que dicho método goza de una mayor precisión en la reconstrucción de la señal.

Epilepsy, a common chronic neurological disorder, owes to the apparition of abnormal electrical activity in brain cortex. This disease consists of the recurrent apparition of epileptic seizures, produced by an excessive discharge of energy of a group of neurons. These episodes can result in convulsions, increase in muscular activity and loss of consciousness. The abnormal neurological activity that announces the imminent onset of a seizure is analyzed by the electroencephalogram (EEG). This method is crucial in epilepsy diagnosis. Nevertheless, obtaining useful information from EEG signals is a complex process, unrealizable by direct observation. Being a signal of great complexity, the use of Wavelet Transform is beneficial together with its decomposition. Several methods of aplication on the Wavelet Transform for EEG signals are proposed, which constitute the most relevant results of this Project: 1. Application of the Continuous Wavelet Transform (CWT) for the detection of patterns in brain waves: Gamma, Beta, Alpha, Theta, Delta and epileptic waves. 2. Comparation of characteristics extracted from EEG of healthy and epileptic patients through the observation of the Wavelet energy escalograms after applying the CWT and Multiresolution Analysis (MRA) altogether with Discrete Wavelet Transform (DWT), for multi-level decomposition of these signals. 3. Study of the most appropriate Wavelet in the denoising process between Wavelets Daubechies-8, Daubechies-4, Symlet-6 and Coiflet-4, depending on norms L1, L2 and norm of the maximum. EEG signals are previously processed and filtered through a band-pass IIR Butterworth filter, with cutoff frequencies depending on the type of brainwave that must be filtered. Denoising is carried out with Rigorous SURE method, as it has been experimentally proven that such method enjoys better accuracy in signal reconstruction.