Resumen de Nonlinear signal analysis of micro and macro electroencephalographic recordings from epilepsy patients
El uso de medidas de análisis no lineales de señales para caracterizar registros electroencefalográficos (EEG) puede ser clave para una mejor comprensión de las dinámicas cerebrales subyacentes. En trastornos neurológicos como la epilepsia, estas dinámicas están alteradas a consecuencia de una coordinación perturbada entre poblaciones neuronales. El objetivo de esta tesis es caracterizar el intervalo de registros de EEG libre de crisis epilépticas de pacientes con epilepsia mediante técnicas de análisis no lineales de señales para investigar si este tipo de análisis puede contribuir a la localización del SOZ (en inglés, Seizure onset zone), la región del cerebro donde se pueden registrar las descargas iniciales de las crisis epilépticas. Con este propósito, utilizamos análisis de señales no lineales corregidos por sustitutos para analizar registros EEG de pacientes con epilepsia implantados con electrodos híbridos equipados con macro- y microcontactos. Estas grabaciones fueron obtenidas durante noches completas durante las cuáles los pacientes no tuvieron crisis. Para clasificar las grabaciones electroencefalográficas en las diferentes fases del sueño en que éstas fueron grabadas, se utilizó una polisomnografía. Por tanto, además de la dependencia de nuestros resultados con respecto a la escala espacial (macro- y micro contactos), también queremos investigar si las diferentes fases del ciclo del sueño juegan algún papel en la lateralización del SOZ. Todos los detalles sobre los datos utilizados en el desarrollo de esta tesis se describen en el capítulo 2. En el capítulo 3 de esta tesis describimos la primera aplicación de técnicas de análisis no lineal sobre este tipo de grabaciones de EEG. Aplicamos una medida de puntuación no lineal corregida por sustitutos para evaluar la no aleatoriedad de grabaciones de EEG unicanal. Considerando los resultados obtenidos en el capítulo 3, extendemos nuestro análisis cuantificando la fuerza de interacción entre diferentes zonas del cerebro. Para hacer esto, usamos un método bivariado corregido por sustitutos para caracterizar los mismos datos analizados previamente con el método univariado. Finalmente, en el capítulo 5 de esta tesis, presentamos una base de datos pública. Esta base de datos consiste en señales de EEG multicanal seleccionados de la base de datos estudiada a lo largo de esta tesis. Constituye la primera base de datos disponible sin coste que contiene grabaciones de EEG de macro- y microcontactos. Los resultados de esta tesis demuestran que el análisis combinado de macro- y micro-registros de EEG puede ayudar a aumentar el grado en el que el análisis cuantitativo de EEG puede contribuir al diagnóstico de pacientes con epilepsia.
