Saltar navegación e ir al contenido principal

Estás filtrando por

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2010

Los sistemas de interfaz cerebro-ordenador (BCI) basados en el potencial visual evocado de estado estable (SSVEP) proporcionan un mayor rendimiento de la información y requieren un entrenamiento más corto que los sistemas BCI que utilizan otras señales cerebrales. Para provocar un SSVEP, hay que presentar al usuario un estímulo visual repetitivo (RVS). El RVS puede presentarse en la pantalla de un ordenador alternando patrones gráficos, o con fuentes de luz externas capaces de emitir luz modulada. Las propiedades de un RVS (por ejemplo, frecuencia, color) dependen del dispositivo de representación e influyen en las características del SSVEP. Esto afecta al rendimiento de la información de la BCI y a los niveles de seguridad y comodidad del usuario. La literatura sobre BCIs basados en SSVEP no suele proporcionar razones para la selección de los dispositivos de renderizado utilizados o las propiedades de los RVS. En este artículo, revisamos la literatura sobre BCIs basados en SSVEP e informamos exhaustivamente sobre las diferentes elecciones de RVS en términos de dispositivos de renderizado, propiedades y su potencial influencia en el rendimiento de la BCI, la seguridad y el confort del usuario.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2010

En los últimos años han aparecido matrices de microelectrodos y métodos ópticos que permiten el registro simultáneo de la actividad de picos de poblaciones de neuronas en diversas partes del sistema nervioso. El análisis de datos de trenes de espigas neuronales múltiples podría beneficiarse significativamente de los métodos existentes para el análisis de series temporales multivariantes, que han demostrado ser muy potentes en el modelado y análisis de señales neuronales continuas como las señales de EEG. Sin embargo, estos métodos no han sido generalmente bien adaptados a los procesos puntuales. Aquí, utilizamos nuestros resultados recientes sobre las distorsiones de la correlación en los modelos multivariantes de neuronas de pico lineales-no lineales-Poisson para derivar ecuaciones generalizadas de tipo Yule-Walker para ajustar modelos multivariantes autorregresivos "ocultos". Utilizamos este nuevo marco para llevar a cabo un análisis de causalidad de Granger con el fin de extraer el patrón de flujo de información dirigido en redes de neuronas de pico simuladas. Discutimos los méritos y las limitaciones relativas del nuevo método.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2010

Las respuestas neuronales y vasculares debidas a los movimientos de los dedos se midieron de forma sincronizada utilizando la dc-magnetoencefalografía (dcMEG) y la espectroscopia de infrarrojo cercano con resolución temporal (trNIRS). Los movimientos de los dedos se monitorizaron con electromiografía (EMG). Las respuestas corticales relacionadas con la secuencia de movimientos de los dedos se extrajeron mediante un análisis de componentes independientes a partir de los datos de la dcMEG y la trNIRS. Las relaciones temporales entre la tasa de EMG, el dcMEG y las respuestas del trNIRS se evaluaron por pares utilizando la función de correlación cruzada (CCF), que no requiere un promedio de épocas. Se encontró un desfase positivo en una escala de segundos para el máximo de la CCF entre dcMEG y trNIRS. Se observa un desfase cero para el CCF entre dcMEG y EMG. Además, este CCF presenta oscilaciones a la frecuencia de los movimientos individuales de los dedos. Estos hallazgos muestran que el dcMEG con un ancho de banda de hasta 8 Hz registra tanto respuestas neuronales lentas como rápidas, mientras que se confirma que la respuesta vascular cambia en una escala de segundos.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2009

El "tiempo de estacionariedad" (ST) de las señales de actividad espontánea neuronal de las células corticales embrionarias de rata, medido por medio de una matriz multielectrodo plana (MEA), se estimó basándose en el "Análisis de Fluctuación Detrended" (DFA). El ST se define como el intervalo de tiempo medio durante el cual la señal analizada mantiene constantes sus características estadísticas. Se propone una mejora del método DFA, que conduce a un procedimiento más preciso. Se obtuvo una fuerte correlación estadística entre el ST, estimado a partir de las señales de la Amplitud Absoluta de la Actividad Espontánea Neural (AANSA) y el Intervalo Medio entre Picos (MIB), calculado por los métodos clásicos de clasificación de picos aplicados a las series temporales del intervalo entre picos. En consecuencia, el MIB puede estimarse mediante el ST, que además incluye información biológica relevante procedente de la actividad basal. Los resultados señalan que el ST medio de las señales MEA se sitúa entre los 2-3 segundos. Además, se demostró que un cultivo neural presenta señales que dan lugar a diferentes comportamientos estadísticos, dependiendo de la posición geométrica relativa de cada electrodo y de las células. Dichos comportamientos pueden revelar fenómenos fisiológicos, posiblemente asociados a diferentes mecanismos de adaptación/facilitación.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2010

La actividad del huso muscular aferente en respuesta al estiramiento muscular pasivo se registró in vivo utilizando electrodos intrafasciculares longitudinales de película fina. Se desarrolló un esquema de detección y clasificación de picos neuronales con el fin de separar la actividad de los husos musculares aferentes primarios y secundarios. El algoritmo se basa en la transformada de ondícula continua multiescala utilizando ondículas complejas. El esquema de detección supera el umbral de detección comúnmente utilizado, especialmente con grabaciones que tienen una baja relación señal-ruido. Los resultados de la clasificación de las unidades indican que el clasificador desarrollado es capaz de aislar la actividad que tiene una relación lineal con la longitud del músculo, lo que supone un paso hacia la estimación en línea de la longitud del músculo basada en un modelo que puede utilizarse en un sistema de estimulación eléctrica funcional de bucle cerrado con retroalimentación sensorial natural.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2010

Un objetivo importante en neurociencia es identificar los casos en los que las señales de EEG están acopladas. Empleamos un método para medir la fuerza de acoplamiento entre las señales gamma (40-100 Hz) en una escala de tiempo corta como la máxima correlación cruzada en un rango de rezagos de tiempo dentro de una ventana deslizante de ancho variable. También se identifican los estados de acoplamiento entre varias señales, utilizando una distribución beta multivariante mixta para modelar la fuerza de acoplamiento entre múltiples señales gamma con referencia a una señal base común. En primer lugar, aplicamos nuestro método de ventana variable a las señales simuladas y comparamos su rendimiento con un enfoque de ventana fija. A continuación, nos centramos en las señales gamma registradas en dos regiones del hipocampo de rata. Nuestros resultados indican que éste puede ser un método útil para mapear patrones de acoplamiento entre señales en conjuntos de datos de EEG.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2009

El uso de modernas técnicas de imagen cerebral podría ser útil para comprender qué áreas cerebrales están implicadas en la observación de videoclips relacionados con la publicidad comercial, así como para el apoyo de campañas políticas, y también las áreas de los anuncios de servicio público (PSA). En este trabajo describimos la capacidad de rastrear la actividad cerebral durante la observación de anuncios publicitarios, anuncios políticos y anuncios de servicio público con técnicas estadísticas avanzadas de EEG de alta resolución en los dominios del tiempo y la frecuencia en un grupo de sujetos normales. Analizamos la actividad de potencia espectral cortical estadísticamente significativa en diferentes bandas de frecuencia durante la observación de un videoclip comercial relacionado con el uso de una cerveza en un grupo de 13 sujetos normales. Además, se analizó un discurso televisivo del Primer Ministro de Italia en dos grupos de votantes indecisos y "partidarios". Los resultados sugirieron que la actividad cortical durante la observación de los anuncios publicitarios podía variar de forma consistente a lo largo del spot. Este hecho sugiere la posibilidad de eliminar las partes del spot que no son especialmente atractivas utilizando esos índices cerebrales. La actividad cortical durante la observación del discurso político indicó una mayor actividad cortical en el grupo de partidarios en comparación con los votantes indecisos. En este caso, es posible concluir que la comunicación propuesta no ha logrado despertar la atención o el interés de los votantes indecisos. En conclusión, se ha demostrado que las técnicas estadísticas de EEG de alta resolución son capaces de generar conocimientos útiles sobre la fructificación particular de los mensajes televisivos, relacionados tanto con el ámbito comercial como con el político.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2011

El aprendizaje multiestrategia de los mapas autoorganizativos (SOM) y la optimización por enjambre de partículas (PSO) se aplica habitualmente en el ámbito de la agrupación debido a su capacidad para manejar características de datos complejas. Sin embargo, algunas de estas arquitecturas de aprendizaje multiestrategia tienen puntos débiles como la lentitud en el tiempo de convergencia, quedando siempre atrapados en los mínimos locales. Este trabajo propone el aprendizaje multiestrategia de la estructura reticular de SOM con la optimización de enjambre de partículas que se denomina ESOMPSO para resolver varios problemas de clasificación. La mejora de la estructura reticular de SOM se implementa introduciendo una nueva formulación hexagonal para mejorar la calidad del mapeo en la clasificación y etiquetado de datos. Los pesos del SOM mejorado se optimizan mediante PSO para obtener una mejor calidad de los resultados. El método propuesto se ha probado en varios conjuntos de datos estándar con comparaciones sustanciales con la red SOM existente y con varias medidas de distancia. Los resultados muestran que nuestro método propuesto produce un resultado prometedor con una mejor precisión media y errores de cuantificación en comparación con los otros métodos, así como una prueba significativa convincente.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2011

El análisis de componentes independientes (ICA) es un potente método para la separación de fuentes y se ha utilizado para la descomposición de datos EEG, MRI y EEG-fMRI concurrentes. El ICA no es naturalmente adecuado para hacer inferencias de grupo, ya que es un problema no trivial identificar y ordenar los componentes entre los individuos. Una solución a este problema es crear datos agregados que contengan observaciones de todos los sujetos, estimar un único conjunto de componentes y luego reconstruirlo en los datos individuales. Aquí describimos un modelo ICA temporal a nivel de grupo para el EEG relacionado con eventos. Cuando se utiliza para el análisis de series temporales de EEG, la precisión de la detección de componentes y la reconstrucción posterior con un modelo de grupo depende del grado de tiempo intra e interindividual y del bloqueo de fase de los procesos de EEG relacionados con eventos. Ilustramos esta dependencia en un análisis de grupo de datos híbridos que consisten en tres fuentes simuladas relacionadas con eventos con diferentes grados de fluctuación de latencia y topografías variables. Se probó la precisión de la reconstrucción para una fluctuación temporal de 1, 2 y 3 veces el FWHM de las fuentes para una serie de algoritmos. Los resultados indican que el ICA grupal es adecuado para la descomposición de ensayos individuales con jitter fisiológico, y reconstruye las fuentes relacionadas con eventos con alta precisión.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2011

Describimos un conjunto de herramientas complementarias de recogida y procesamiento de datos de EEG desarrolladas recientemente en el Swartz Center for Computational Neuroscience (SCCN) que se conectan y amplían el entorno de software EEGLAB, un entorno de procesamiento disponible gratuitamente y fácilmente ampliable que se ejecuta bajo Matlab. Las nuevas herramientas incluyen (1) una nueva y flexible facilidad de diseño de EEGLAB STUDY para encuadrar y realizar análisis estadísticos sobre datos de múltiples sujetos; (2) una caja de herramientas de modelado neuroelectromagnético de la cabeza (NFT) para construir modelos eléctricos realistas de la cabeza a partir de los datos disponibles; (3) una caja de herramientas de flujo de información de origen (SIFT) para modelar la conectividad efectiva en curso o relacionada con eventos entre áreas corticales; (4) una caja de herramientas BCILAB para construir modelos de interfaz cerebro-ordenador (BCI) en línea a partir de los datos disponibles, y (5) un entorno de control y análisis interactivo experimental en tiempo real (ERICA) para la producción y coordinación en tiempo real de experimentos interactivos y multimodales.

Fuente: Revista Virtual Pro Formatos de contenido: Otros