ES2318933B2 - Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. - Google Patents
Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. Download PDFInfo
- Publication number
- ES2318933B2 ES2318933B2 ES200600147A ES200600147A ES2318933B2 ES 2318933 B2 ES2318933 B2 ES 2318933B2 ES 200600147 A ES200600147 A ES 200600147A ES 200600147 A ES200600147 A ES 200600147A ES 2318933 B2 ES2318933 B2 ES 2318933B2
- Authority
- ES
- Spain
- Prior art keywords
- eeg
- alpha
- alert
- subject
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 9
- 210000004556 brain Anatomy 0.000 title claims abstract description 8
- 238000000537 electroencephalography Methods 0.000 claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 19
- 230000033764 rhythmic process Effects 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 3
- 230000004397 blinking Effects 0.000 claims description 2
- 210000003205 muscle Anatomy 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000004424 eye movement Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 31
- 206010041349 Somnolence Diseases 0.000 description 18
- 230000003595 spectral effect Effects 0.000 description 16
- 230000036626 alertness Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 8
- 238000002570 electrooculography Methods 0.000 description 8
- 238000002565 electrocardiography Methods 0.000 description 7
- 230000007958 sleep Effects 0.000 description 7
- 208000010340 Sleep Deprivation Diseases 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008094 contradictory effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 206010016256 fatigue Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 208000032140 Sleepiness Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000037321 sleepiness Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 206010039897 Sedation Diseases 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002060 circadian Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000000147 hypnotic effect Effects 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008560 physiological behavior Effects 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A61B5/0476—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Psychology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Método para la monitorización del nivel de
alerta en tiempo real basado en ondas cerebrales y dispositivo para
la puesta en práctica del mismo.
El método se basa en la captura de la señal de
electroencefalografía del sujeto (EEG) a través de un sistema de
registro de EGG (1) y por medio de tres electrodos secos (4) a
través de los que se registran en modo monopolar a cualquiera de
los sitios C3, C4, Cz, O1 y O2 de la corteza cerebral. La señal
registrada es filtrada, procediéndose a registrar el ritmo alfa del
sujeto en estado de relajación. Una vez determinado dicho
comportamiento alfa se registra el EEG del mismo ante cualquier
actividad que esté realizando, procediendo a la normalización en
amplitud respecto de su valor máximo de los espectros registrados.
Posteriormente se realiza una segunda normalización en función de
la conducta alfa registrada, y a partir de dicho espectro se
determina una variable que permite realizar una discriminación del
nivel de alerta por simple umbralización, y que corresponde al
cociente entre la potencia en la banda superior personal y la banda
alfa personal.
Description
Método para la monitorización del nivel de
alerta en tiempo real basado en ondas cerebrales y dispositivo para
la puesta en práctica del mismo.
La presente invención se refiere a un método
para la monitorización del nivel de alerta en tiempo real, basado
en ondas cerebrales, para la detección de los diferentes niveles de
alerta tales como la somnolencia, el estado normal y estados de
excitación, así como el dispositivo para la puesta en práctica del
mismo, que puede ser usado en cualquier situación en la que se
requiera monitorizar los niveles de alerta, como en el caso de
controladores aéreos, controladores de plantas industriales,
controladores de maquinaria peligrosa, etc, y en especial para
conductores de vehículos a fin de evitar accidentes de tráfico
originados por dicha somnolencia.
El objeto de la invención es proporcionar un
dispositivo de monitorización del comportamiento de la señal
eléctrica cerebral que permita conocer el estado de alerta del
usuario, así como su evolución temporal, de modo que se generen las
alarmas respectivas al momento de detectar una evolución progresiva
hacia estados de baja alerta.
La valoración del nivel de alerta en conductores
de vehículos ha sido abordada de varias maneras. Para un análisis
critico comparativo estas se pueden agrupar en las categorías
siguientes:
- -
- Efectos del nivel de alerta en los parámetros mecánicos del vehículo (velocidad, movimientos del volante, trayectorias del vehículo, etc).
- -
- Efectos del nivel de alerta en el comportamiento físico del sujeto (posición y movimientos corporales, expresión facial, etc).
- -
- Efectos del nivel de alerta en el comportamiento de variables fisiológicas (EEG, ECG, EOG, etc).
- -
- Sistemas mixtos.
Numerosos estudios han intentado identificar y
cuantificar la correlación entre el nivel de alerta de los
conductores y los parámetros del comportamiento mecánico del
vehículo. Se ha detectado, durante las fases de somnolencia, una
disminución en las variaciones de la velocidad del vehículo (Ranney
A.T., et Al., 1999; Cnossen F., et Al., 2000; Arnedt,
J.T, et Al., 2001) y un aumento tanto en número como en
amplitud en los movimientos del volante (Caintot B., et Al.,
1993; Verway W.B., y Zaidel D.M., 2000). La exactitud en el
direccionamiento y en el seguimiento del carril se deterioran
cuando el conductor está con niveles bajos de alerta (Stein, 1995).
Asimismo, encuestas realizadas a conductores de camiones demuestran
que disminuyen los cambios de marchas y se enlentecen los tiempos
de reacción como primeros síntomas de somnolencia (Williamson,
et. Al., 1992; Williamson, et. Al, 2001).
Muchos de estos métodos, basados en variables
como la posición lateral del conductor (Godthelp T. and Milgram P.,
1984; Ranney A.T., et Al., 1999; Verway W.B., y Zaidel D.M.,
2000), medida por el ángulo de inclinación del tronco del conductor
respecto de la vertical, concluyen que hay una dependencia entre los
valores de ese ángulo y los estados de somnolencia. Sin embargo,
este tipo de información no permite evaluar el nivel de alerta del
sujeto con un tiempo suficientemente holgado como para prevenir
accidentes y por tanto puede no ser útil para aplicaciones de
conductores de vehículos. La expresión facial también ha sido
utilizada para determinar el estado de alerta por medio del
tratamiento de imágenes recogidas por una cámara de vídeo. Este
método lo detallaremos en la sección de EOG ya que las dos fuentes
de información son procesadas en paralelo para determinar el grado
de alerta.
Dentro de las señales fisiológicas, se han
revisado las fuentes bibliográficas en las que se utilizan las
señales de Electroencefalografía (EEG), Electrooculografia (EOG), y
Electrocardiografía (ECG) para la detección del nivel de alerta.
La relación entre el espectro de potencia del
EEG y la alerta humana ha sido estudiada desde 1967 (Matousek M.,
1967; Kallaway P. y Maulsby R., 1967). Estas y otras muchas
publicaciones han reportado cambios en el espectro de potencias
relacionados con la alerta, bajo una amplia variedad de condiciones
experimentales. Varios estudios usan, para describir el espectro de
la señal de EEG, las bandas de frecuencia tradicionales (delta,
theta, alfa y beta) y principalmente la presencia de estallidos de
ondas alfa en sujetos sometidos a tareas monótonas (Idogawa, 1989),
aunque no se realizó ningún intento por cuantificar el nivel de
alerta. En esa investigación se consideró la siguiente distribución
de frecuencias del EEG: delta (menores a 3.4 Hz); theta (3.5 a 7.4
Hz); alfa lentas (7.5 a 9.4 Hz); alfa rápidas (9.5 a 11.4 Hz); beta
1(13.5 a 17.4 Hz); beta2 (17.5 a 21.4 Hz) y beta 3 (21.5 a
30.4 Hz) y gamma (30.5 a 50 Hz). El tiempo transcurrido desde el
inicio de la experimentación hasta el momento de la aparición de
estos estallidos de ondas alfa cambió de un sujeto a otro; por
ejemplo, en uno de los sujetos apareció a los 13 minutos y en otro
a los 60 minutos. Curiosamente se concluye que a pesar de someter a
los sujetos a largos tiempos de duración de la tarea monótona, el
tiempo de reacción medido desde la presentación de un dígito en una
pantalla y su respuesta, el pulsado de ese número en un teclado, no
cambió a lo largo de la experimentación. También se ha reportado
una significativa correlación entre el número de errores cometidos
al realizar tareas específicas y el incremento en la potencia
espectral en 3.7 Hz y en 14.7 Hz (Tzyy-Ping, et.
Al., 1997); sin embargo la ausencia de una clara descripción de
las condiciones experimentales, en donde los sujetos no fueron
privados de sueño, hace difícil una asociación fiable entre tasas de
error y nivel de alerta.
Se ha sugerido la utilización de la función
discriminante aplicada al espectro del EEG a la banda entre 1 y 24
Hz para clasificar patrones de EEG en estados de alerta y
somnolencia (US Pat. Appi. 2002/0183644) y en (US Pat. 1998/5813993)
se describe la posibilidad de detección de somnolencia con
frecuencias superiores a los 30 Hz, en la banda de 80 a 420 Hz.
En 2003, Saroj y Craig sometieron a un grupo de
35 sujetos a pruebas de conducción, a una velocidad de 80 Km/h, y 2
horas de duración. Los sujetos no fueron privados de sueño
previamente y se reportó que si bien las variaciones en la banda
alfa están asociadas a somnolencia, se encontraron diferencias más
grandes en las bandas delta y theta, mucho más fáciles de detectar.
Todo ello mediante el promediado de 19 canales de registro; una
opción lejana a ser implementada en dispositivos portátiles que
requieren un reducido número de canales. En este estudio se
analizaron tanto los valores medios como las desviaciones estándar
de cada una de las bandas: delta (0 a 4 Hz), theta (4 a 8 Hz), alfa
(8 a 13 Hz) y beta (13 a 20 Hz) y se los correlacionó con
diferentes situaciones de alerta, desde normal hasta somnolencia.
Los autores concluyen anotando que su atención estuvo más dirigida
a conseguir un correcto funcionamiento del prototipo, contrastado
mediante EOG y una cámara de vídeo, y que se debe realizar una
experimentación adicional para validarlo. En este estudio no se
menciona ningún análisis de la variabilidad interpersonal y no está
muy claro cómo se consiguió que, con solo dos horas de conducción y
sin privación de sueño, los sujetos llegarán a tener signos de
fatiga o incluso somnolencia; tampoco se contrastaron los
resultados con la auto evaluación subjetiva de los sujetos,
concluyendo, sin embargo, que este es un asunto muy importante que
requiere una investigación adicional. Un incremento en las bandas
alfa y theta, como consecuencia de la privación de sueño fue
reportada por Roman Bittner, et Al., (2002), pero no hacen
una clasificación del nivel de alerta en función de este
comportamiento, mencionando, además, que la complejidad del EEG y la
variabilidad interindividual son los principales problemas en su
utilización para la construcción de sistemas de detección de
alerta.
El comportamiento ocular y la expresión facial
han sido relacionadas con el nivel de alerta de los individuos en
conductores de vehículos (Qiang Ji y Xiaojie Yang, 2002),
caracterizados y cuantificados con diferentes variables: frecuencia
de parpadeos, duración del cierre de párpados o su velocidad y el
porcentaje de ojos cerrados en el tiempo (denominado en el trabajo
PERCLOSE). En este estudio se llegó a determinar que cuando el
PERCLOSE es mayor al 30% o cuando la duración del cierre de
párpados es mayor a 0.5 segundos, el sujeto ha alcanzado un estado
de somnolencia pero, desafortunadamente, el mayor esfuerzo se dedica
a vencer las dificultades tecnológicas y utiliza sujetos bajo
condiciones simuladas de somnolencia concluyendo que el sistema
debe ser probado en sujetos bajo condiciones de somnolencia
real.
Este enfoque tiene la gran ventaja de ser
completamente no invasivo ya que ningún dispositivo debe ser
colocado en los individuos como es el caso de los sistemas que
requieren electrodos y gel conductor sobre la piel. Sin embargo,
esta es la razón de sus principales desventajas: es difícil
conseguir algoritmos fiables si se considera que el sistema tiene
que trabajar mientras el conductor mueve su cabeza y además se
requieren cámaras de TV con una alta tasa de cuadros por segundo
para hacer frente a la alta velocidad de los parpadeos. Estas
dificultades se incrementan cuando el conductor utiliza gafas
mientras conduce. Por otro lado, si bien las dificultades
tecnológicas se van resolviendo y los costes se van reduciendo, el
principal problema al que se tienen que enfrentar este tipo de
sistemas es la gran variabilidad interindividual en los parámetros
anteriores por lo cual se observan contradicciones en las
conclusiones de las diferentes investigaciones publicadas (Grace R,
et. Al., 1998; Hayami, et. Al., 2002; Ito T, et.
Al., 2002; Hamada, et. Al., 2003) y se hace evidente la
utilización de complejas rutinas de personalización. En especial
esos dos últimos trabajos son muy reveladores por los resultados
completamente diferentes que se obtienen para dos sujetos
registrados en fases de alerta normal y de somnolencia reales, por
lo que no es posible determinar umbrales universales que
discriminen el estado de alerta y por tanto, es necesaria una
personalización del sistema para cada uno de los sujetos. Roman
Bittner, et Al., (2002) después de someter a varios sujetos
(no especifica el número) a pruebas de conducción realizadas en
autopistas reales tanto en estado de alerta normal como después de
24 y 48 horas de privación de sueño, concluyen que los resultados
obtenidos al comparar la frecuencia de parpadeos son especialmente
desalentadores y conducen a conclusiones contradictorias. Como
mencionamos anteriormente, en la actualidad se puede considerar que
la dificultades técnicas y económicas están siendo superadas, sin
embargo, una posible explicación de las razones por las que este
tipo de sistemas no ha prosperado podría deberse a dos factores: a)
la variabilidad interpersonal y b) conclusiones contradictorias en
cuanto a la frecuencia de parpadeos, factor que influye
directamente incluso en el PERCLOSE,
uno de los más utilizados y considerados más prometedores para determinar el nivel de alerta de los conductores.
uno de los más utilizados y considerados más prometedores para determinar el nivel de alerta de los conductores.
Se ha encontrado un decremento en la tasa de
latidos por minuto durante conducción nocturna prolongada
(Riemersma et Al., 1977) y en conductores fatigados (Lai y
Craig, 2000 a). Sin embargo, en estos estudios se manifiesta que
este área de trabajo requiere de una investigación adicional de los
cambios producidos en el sistema autónomo antes de emitir cualquier
conclusión firme sobre su validez como detector de fatiga, siendo
una de las razones que explican la escasa literatura sobre ECG,
asociada con este tema, a pesar de ser una señal más fácil de
registrar que el EEG.
\vskip1.000000\baselineskip
Muchos estudios publicados consideran
simultáneamente varias variables que suministran información acerca
del nivel de alerta del individuo:
Un modelo simple del nivel de alerta en
conductores, basado en la monitorización por medio de una cámara de
vídeo enfocada al rostro del conductor, fue propuesto por Hattori,
et. Al., 1987, quienes demuestran tres estados en su
rendimiento en conducción prolongada: El conductor comienza en un
estado 1 caracterizado por un estado de alerta normal en el que no
existen signos ni síntomas de fatiga. En un estado 2, los
conductores tienden a estar somnolientos y a disminuir su atención
mirando vagamente a un punto específico. En el estado 3, el nivel de
consciencia del conductor baja y los parpadeos fueron extremadamente
reducidos. Durante esta fase, hubo movimientos de
zig-zag y a veces se cruzó la línea de carril
parcialmente o a veces por completo. En este estado, los niveles de
alerta son bajos y es difícil mantener el control del vehículo. La
velocidad del vehículo se mantuvo más o menos constante pero hubo a
menudo retardos en el cambio de velocidad en respuesta a cambios en
el gradiente de la carretera. Este tipo de conducción ha sido
referida como hipnosis de la carretera (Williams, 1963).
Roman Bittner, et Al., (2002) realizaron
un estudio del comportamiento del nivel de alerta en conductores
con y sin privación de sueño. Abordaron varios métodos: a)
Utilizando un polígrafo, se registraron las señales fisiológicas de
EEG, EOG y ECG pero no da detalles de los sitios ni del número de
canales utilizados, b) Se utilizó un vehículo (Octavia Skoda
proporcionado por Volkswagen AG) equipado con varios sensores para
medir temperatura, nivel de luz, posición del volante, aceleración,
c) Dos cámaras de vídeo que registran el comportamiento facial del
conductor y los acontecimientos que suceden en frente del vehículo.
La idea fue correlacionar el comportamiento fisiológico del
conductor, durante las diferentes fases de alerta, con el
comportamiento de la información de vídeo para determinar el nivel
de alerta a partir del sistema de TV no invasivo. Si bien en la
metodología menciona la utilización de todos estos métodos, al
final no da resultados en relación al nivel de alerta obtenido
mediante el EEG ni tampoco mediante el ECG y en cuanto al EOG
manifiesta que los resultados son contradictorios. En cuanto a los
otros métodos, se presentan algunas gráficas de su variación en el
tiempo pero en ninguna de ellas se especifica su correlación con el
grado de alerta.
\vskip1.000000\baselineskip
Una referencia obligada de este análisis de
estado del arte son los clásicos estudios polisomnográficos
relacionados con el análisis de las diferentes fases de sueño
[Davis, et Al, 1938; Santamaría y Chiapa, 1987; Makeig y
Inlow, 1993; Vuckovie and Popovie, 2002], para caracterizar
desórdenes específicos de sueño y para investigar sus causas. Si
bien los estados de alerta y somnolencia están bien documentados,
su relación con nuestros objetivos es relativa ya que las
condiciones de registro y su propósito de definir los perfiles de
las fases de sueño, están lejos de la detección de estados de
alerta reducida y condiciones de somnolencia en sujetos que están
con sus ojos abiertos y realizando tareas regulares como la
conducción de vehículos.
La valoración de la profundidad de anestesia y
sedación mediante el EEG es otro campo relacionado que ofrece
resultados útiles en términos de las herramientas de procesamiento
del EEG para eliminación automática de artefactos y de la
valoración del nivel de consciencia, relacionada a nuestros
objetivos de valoración de los estados de alerta. La US Pat. Appl.
2004/0193068 ofrece un amplio conjunto de herramientas de
procesamiento de EEG que reclaman el derecho de ser válidas para la
valoración tanto del nivel de consciencia como para estados de
alerta reducida en estados de vigilia de los sujetos.
\vskip1.000000\baselineskip
Algunas fuentes hacen una comparación entre los
métodos anteriormente mencionados que no llegan a un consenso para
determinar cuál de estos es el mejor. Ueno H, et. Al.,1994
del Vehicle Research Laboratory de la Nisan Research Center, evalúa
comparativamente los métodos de detección de alerta agrupados en las
tres mismas categorías que hemos usado nosotros, los procedimientos
basados en: a) las señales fisiológicas (EEG, ECG y EOG), b) el
comportamiento del sujeto (postura corporal, grado de inclinación
de la cabeza, comportamiento de los parpadeos) y c) el
comportamiento mecánico del vehículo (velocidad, cambios de marcha,
frenado, movimientos del volante). En cuanto a la exactitud de
detección del nivel de alerta asigna a los dos primeros la máxima
puntuación. En cuanto a su cualidad de constituir sistemas de
detección prácticos, coloca al último método como el mejor y al
primero como el peor. Kardi y Vallet (1994), después de un análisis
de las diferentes posibilidades, concluyen que el índice más válido
para la determinación de la alerta en un conductor es el que se
obtiene a partir del EEG. Esto también ha sido ratificado por los
trabajos de otros autores como Home y Reyner (1995) y Lal y Craig
(2000).
Posteriores proyectos han venido a demostrar las
grandes lagunas existentes en el análisis de señales fisiológicas y
especialmente en el EEG, mientras que el comportamiento de los
parpadeos monitorizados por medio de cámaras de vídeo supone unos
costes de implantación sumamente elevados que no parecen fácilmente
superables a corto plazo, existiendo los citados problemas debidos a
la gran variabilidad interpersonal, así como las conclusiones
contradictorias en cuanto a la tasa de parpadeos.
\vskip1.000000\baselineskip
Las patentes W093/21615 de PROMOTIONS, S.A. y
W099/34865 de LEVIN, se basan en las bandas de frecuencia
tradicionales para determinar el nivel de alerta sin considerar que
estas bandas varían considerablemente de un sujeto a otro, lo que
pone de manifiesto sistemas poco robustos frente a la variabilidad
interpersonal. Ninguna justifica ni detalla las características de
los electrodos o los sitios de la corteza cerebral escogidos para
el registro, situación bastante condicionante para la detección de
ritmos alfa en los que se basan. No presentan resultados que
garanticen el correcto funcionamiento del sistema en un amplio
grupo de sujetos y en distintas condiciones.
W09321615 parte de un análisis espectral de la
señal pero no explica los algoritmos utilizados ni indica la
frecuencia con la que se estima el nivel de alerta. No se detalla
la metodología seguida ni las condiciones elegidas para realizar la
experimentación.
W099/34865 utiliza un análisis temporal de la
señal. La señal se segmenta en fragmentos temporales en los que
predomine una onda típica según los rangos de frecuencia
tradicionales por correlación con patrones de ondas conocidas
almacenados como librería en una memoria. Se establece un cociente
entre la porción de tiempo correspondiente a onda alfa y a onda
beta en un mismo intervalo, estimación del nivel de atención que se
evalúa cada 15 segundos. El umbral de transición
vigilia/somnolencia se establece en relación a registros prolongados
que lleven a manifestaciones claras de cansancio, como bostezos o
parpadeos prolongados, situación bastante subjetiva y
arbitraria.
Dos patentes, US6070098 de Circadian
Technologies, Inc. y US2004/0044293 de Burton David, proponen
sistemas basados en un análisis de comportamiento mecánico del
vehículo, señales fisiológicas y comportamiento postural del
sujeto. Una implementación real sería tremendamente compleja debido
al gran número de señales a procesar: demasiados sensores en el
vehículo y una carga computacional difícilmente aplicable en tiempo
real; asumiendo en cualquier caso un coste muy elevado. Ninguna de
ellas expone métodos analíticos para la determinación del nivel de
alerta ni resultados objetivos; obvian la variabilidad ínter e
intrapersonal de radical importancia en estos sistemas y aportan
escasa información (nula en US2004/0044293) de los métodos de
experimentación realizados para la evaluación objetiva de la
propuesta, lo que hace pensar que son poco más que una recopilación
de variables susceptibles de manifestar el nivel de alerta en
seres humanos y la base de los métodos de análisis que podrían
utilizarse.
\vskip1.000000\baselineskip
El método para la monitorización del nivel de
alerta en tiempo real y el dispositivo para la puesta en práctica
del mismo, que la invención propone, resuelven de forma plenamente
satisfactoria la problemática anteriormente expuesta,
proporcionando un dispositivo fiable, no intrusivo y con un reducido
costo.
Para ello, el método se basa en el análisis de
la señal fisiológica del EEG, que a través de una serie de
procedimientos que permiten gestionar eficazmente los efectos
debidos a la variabilidad interpersonal.
De forma más concreta, el método que se
preconiza contempla la evaluación del nivel de alerta a partir de
dos factores cuya influencia en el estado de alerta están fuera de
duda y su evaluación es fácilmente abordable: La intensidad de los
estímulos externos asociados a la realización de tareas
predeterminadas, en las que la demanda de atención puede ser
modificada de manera reproducible, y ciertas condiciones del
sujeto, previas a la realización de los experimentos, cuyo efecto en
su estado de alerta es evidente, como es el caso de la privación de
sueño.
En una primera fase, se pide a los sujetos que
realicen una secuencia de tareas fijas que demanden niveles de
atención claramente diferentes, eliminando cualquier otra fuente de
estímulos diferente a la relativa a las tareas de
experimentación.
La privación del sueño se evalúa de forma
subjetiva mediante la autovaloración de los propios sujetos
sometidos a la experimentación y simultáneamente por el número de
horas dormidas en la noche anterior.
El EEG fue registrado con el siguiente
protocolo: previo al inicio de la sesión experimental, se permitió
a los individuos familiarizarse con el ambiente y tareas de
experimentación. Iniciándose a continuación la primera sesión
experimental de 5 minutos de duración en la que se pidió a cada
sujeto procurar mantenerse relajado y con sus ojos cerrados, en un
ambiente con una completa ausencia de estímulos visuales y sonoros.
Esta sesión tiene como principal objetivo identificar el
comportamiento del ritmo alfa de cada uno de los individuos.
Inmediatamente después, se pidió a cada sujeto realizar sesiones de
conducción dentro de un simulador de conducción de vehículos (Grand
Prix 3, 2000 Hasbro interactive, Inc.), elegido por ofrecer un buen
nivel de realismo gráfico de los paisajes y elementos de la
carretera y un entorno de conducción bastante real. En esta fase,
el individuo tiene que hacer sucesivamente dos tareas con diferentes
niveles de dificultad: los primeros 10 minutos, de conducción
relajada a baja velocidad, que hemos denominado conducción lenta o
monótona, seguida de otros 10 minutos de conducción a alta
velocidad, que hemos denominado conducción rápida, situación bajo
la cual la demanda de atención es obviamente mucho mayor.
Para ello se registran en modo monopolar los
sitios C3, C4, Cz, O1 y O2 (sistema internacional
10-20) de la corteza cerebral, localizando el
electrodo de tierra en A2 y el electrodo de referencia en A1.
Una vez realizada la lectura de la señal de EEG
se procede al filtrado de la misma mediante un programa de software
con un filtro, tratando de eliminar los artefactos, es decir las
señales presentes en el EEG debidas a causas ajenas a los fenómenos
neuronales de interés, como por ejemplo parpadeos, movimientos
oculares, movimientos corporales, movimientos musculares,
movimientos de los cables de conexión y electrodos, etc, eliminando
las frecuencias bajas que se consideran únicamente presentes en
fases de sueño profundo, así como las frecuencias que sobrepasen un
valor de 45 Hz, eliminando los artefactos o señales presentes en el
EEG debidos a la red eléctrica de 50 Hz.
Tras la eliminación de los artefactos, se
procede a la búsqueda y extracción de aquellas características del
EEG, que pudiesen ser usadas para la clasificación del nivel de
alerta, utilizando métodos de estimación espectral, paramétricos y
no paramétricos, comparando su capacidad de discriminación en
función de los factores experimentales, determinando su robustez
frente a la variabilidad interpersonal.
Así pues, el comportamiento de las diferentes
bandas de frecuencia en función de los dos factores de
experimentación son caracterizados mediante el espectro promedio
estimado en esos segmentos.
Para evitar el efecto de los diversos factores
que influyen en la ganancia del sistema de captura y amplificación
del EEG, se procede a la normalización en amplitud, respecto de su
valor máximo, de los espectros en cada uno de sus intervalos de
cálculo.
Posteriormente se procede a una segunda
normalización del espectro que compense la dependencia
interindividual en el comportamiento del espectro en función de las
distintas conductas alfa de los sujetos, de manera que las
características del EEG para la discriminación del estado de alerta
han de ser definidas en relación a la conducta alfa particular para
cada individuo, detectada automáticamente en el citado proceso de
lectura de la señal EEG, criterio que define además el propio rango
de validez del método, ya que la inmensa mayoría de las personas
presentan un comportamiento alfa predominante. A este método lo
hemos denominado de bandas espectrales adaptativas debido a que
determinan bandas espectrales no fijas sino en función del
comportamiento alfa de cada individuo.
En el caso poco corriente de que al sujeto no se
le pueda detectar un ritmo alfa predominante, dicha condición será
fácilmente detectada, no siendo aplicable para el mismo el presente
método.
A partir de este criterio se definen tres
variables derivadas del EEG en función de la energía contenida en
las bandas espectrales o en una combinación de ellas:
- -
- La potencia en la banda alrededor del ritmo alfa personal o banda alfa personal (BAP).
- -
- La potencia por encima y por debajo de esa banda, denominadas banda superior personal (BSP) y banda inferior personal (BIP), respectivamente.
\vskip1.000000\baselineskip
Como variables secundarias se consideraron el
porcentaje entre cada una de las bandas y la potencia espectral
total (PT): (BIP/PT, BAP/PT y BSP/PT) y la relación entre
BSP/BAP.
Una vez calculadas dichas variables para una
serie de registros largos de EEG, puede observarse como la variable
BSP/BAP presenta la mejor discriminación, para determinar el nivel
de alerta por simple umbralización.
También se analizaron otros métodos de
clasificación basados la dimensión fractal y en la
auto-similitud a gran escala. Estos obtiene
resultados similares al de bandas espectrales adaptativas para el
caso de sujetos con ritmo alfa cercano a 10 Hz, pero fallan para
sujetos con ritmos alfa diferentes.
Para llevar a cabo el método que se ha descrito,
se ha previsto un dispositivo que incorpora un sistema de registro
de EEG el cual contiene una etapa de altísima impedancia de entrada
(10^{12} ohms) por cada uno de los tres electrodos, un
amplificador de instrumentación que amplifica la señal de EEG desde
el orden de micro voltios hasta el orden de voltios, así como a un
módulo de filtrado tanto de altas como de bajas frecuencias, a fin
de eliminar los citados artefactos, a cuya salida se dispone una
etapa digitalizadora de las señales obtenidas tras el filtrado, la
cual es enviada por radiofrecuencia hasta un ordenador o
dispositivo similar, para su análisis por medio de los algoritmos
antes mencionados.
El ordenador dispone de un software específico
por medio del que se analiza las señales y clasifica el nivel de
alerta en función del método anteriormente descrito, permitiendo
entre otras opciones determinar el estado de alerta tanto en tiempo
real como diferido.
Opcionalmente, el ordenador podrá ser sustituido
por una unidad equivalente de control de procesos, de reducidas
dimensiones con la que se comunique de igual manera el dispositivo
de registro de EEG, que puede estar integrada en el salpicadero de
un vehículo o ser portátil, con el propósito de activar una señal
de alarma de cualquier tipo convencional cuando se detecte una
evolución progresiva hacia estados de baja alerta del sujeto.
\vskip1.000000\baselineskip
Para complementar la descripción que se está
realizando y con objeto de ayudar a una mejor comprensión de las
características del invento, de acuerdo con un ejemplo preferente
de realización práctica del mismo, se acompaña como parte
integrante de dicha descripción, un juego de dibujos en donde con
carácter ilustrativo y no limitativo, se ha representado lo
siguiente:
La figura 1.- Muestra una representación
esquemática de un dispositivo para la monitorización del nivel de
alerta en tiempo real, basado en ondas cerebrales, realizado de
acuerdo con el objeto de la presente invención.
La figura 2.- Muestra una vista en perspectiva
de una segunda variante de realización práctica del dispositivo de
la figura anteriores.
La figura 3.- Muestra una vista en perspectiva
del dispositivo de la figura 2 dispuesto sobre un sujeto a
examinar, en la que aparece un detalle ampliado de un
electrodo.
La figura 4a.- Muestra una gráfica en la que se
ha representado una señal de EEG de 10 segundos filtrada de
artefactos y correspondiente a un sujeto relajado con los ojos
cerrados.
La figura 4b.- Muestra una gráfica similar a la
de la figura anterior, pero correspondiente a un sujeto con los
ojos abiertos.
Las figuras 5a, 5b y 5c.- Muestran gráficas en
las que se pueden observar la evolución temporal del espectro de
potencias de segmentos de 40 segundos de una derivación de EEG de
un individuo con ritmo alfa cercano a 10 Hz, para las situaciones
de ojos cerrados, durante conducción monótona y conducción rápida
respectivamente.
Las figuras 6a, 6b, 6c y 6d.- Muestran gráficas
correspondientes a espectros promedio representativos del
comportamiento del EEG para cuatro individuos distintos y
representativos, en los que se puede observar un efecto de
ensanchamiento espectral alrededor del ritmo alfa particular de cada
uno de ellos cuando se incrementa la intensidad del estimulo.
La figura 7.- Muestra, finalmente, una gráfica
comparativa de los valores promedio de la variable BSP/BAP en la
que se puede apreciar una diferencia significativa entre las
condiciones de conducción monótona y rápida.
\vskip1.000000\baselineskip
A la vista de las figuras reseñadas, y en
especial de las figuras 1 a 3, puede observarse como para la puesta
en práctica del método que se preconiza se ha previsto un
dispositivo con un sistema de registro EEG (1), alojado en una
carcasa (2), en la que se incluye un amplificador de
instrumentación (3), al que se conectan al menos tres electrodos
secos (4), que incluyen etapas de muy alta impedancia de entrada
(10^{12} ohms) en cada uno de los electrodos, de manera que la
impedancia entre un electrodo y la piel sea despreciable,
eliminando la necesidad de utilización de gel conductor en los
mismos y proporcionando un soporte cómodo de llevar y fácil de
colocarlos. Estos electrodos se sitúan sobre la corteza cerebral
del sujeto (5), a través de una estructura portante (6) de los
mismos, tal como se observa en el segundo ejemplo de realización
práctica de las figuras 2 y 3, similar a la de los auriculares
comúnmente utilizados para escuchar música.
Dicha estructura portante estará dotada de
medios (7) de regulación de la posición de los electrodos (4)
extremos, a fin de permitir adecuar su uso a un amplio grupo de
sujetos, de manera que dichos electrodos extremos una vez colocada
la estructura portante hagan contacto con los huesos mastoides.
El amplificador de instrumentación (3) recoge
las señales provenientes de las etapas de alta impedancia, que
captan el EEG por medio de los electrodos secos (4) y las envían a
un filtro (8) de sexto orden de Butterworth entre 4 y 45 Hz que se
encarga de eliminar gran parte de los artefactos o señales debidas a
causas ajenas a los fenómenos neuronales de interés, a cuya salida
se dispone una etapa digitalizadora (9) de las señales obtenidas
tras el filtrado, materializada en un microcontrolador que se
encarga de realizar la conversión analógica/digital así como su
conversión al formato de intercambio de datos binarios entre
equipos terminales, pudiendo estar asociado dicho microcontrolador
(9) a un chip transceptor (10) encargado de enviar la información
del EEG por medio de radio frecuencia, tal como se observa en la
figura 1, a un chip receptor (11) asociado al puerto serie del
ordenador (12) con interposición previa de un módulo de conversión
de formato de señales (13) o, tal y como se ha mencionado con
anterioridad, y como se observa en el ejemplo de realización
práctica de las figuras 2 y 3, que dicha información se envía a
través de un cable de conexión serie o paralelo (14) o cualquier
otro medio convencional de intercambio de datos entre dispositivos
terminales.
El ordenador (12) incorpora un software
específico a través del que permitir con el que se analiza las
señales y se clasifica el nivel de alerta. El método experimental
se basa en función del método que a continuación se describe, basado
en una prueba efectuada a un elevado número de sujetos, a los
cuales se les pidió que realizasen una secuencia de tareas fijas
que demandaban niveles de atención claramente diferentes,
minimizando fuentes de estímulos, auditivos y visuales, manteniendo
a los individuos en un ambiente silencioso sin más estímulos que los
de las tareas de experimentación.
Inicialmente se deben tener en cuenta dos
factores: La intensidad de los estímulos externos asociados a la
realización de tareas predeterminadas, en las que la demanda de
atención puede ser modificada de manera reproducible, así como
ciertas condiciones del sujeto, previas a la realización de los
experimentos, cuyo efecto en su estado de alerta es evidente, como
es el caso de la privación de sueño.
Tomando en cuenta Una vez evaluados dichos
factores, se registra el EEG con el siguiente protocolo: previo al
inicio de la sesión experimental se permite a los individuos
familiarizarse con el ambiente y tareas de exposición. Iniciándose a
continuación la primera sesión experimental de 5 minutos de
duración en la que se pidió a cada sujeto procurar mantenerse
relajado y con sus ojos cerrados, en un ambiente con una completa
ausencia de estímulos visuales y sonoros. Esta sesión tiene como
principal objetivo identificar el comportamiento del ritmo alfa de
cada uno de los individuos. Inmediatamente después, se pidió a cada
sujeto realizar sesiones de conducción dentro de un simulador de
conducción de vehículos (Grand Prix 3, 2000 Hasbro interactive,
Inc.), elegido por ofrecer un buen nivel de realismo gráfico de los
paisajes y elementos de la carretera y un entorno de conducción
bastante real. En esta fase, el individuo tiene que hacer
sucesivamente dos tareas con diferentes niveles de dificultad: los
primeros 10 minutos, de conducción relajada a baja velocidad, que
hemos denominado conducción lenta o monótona, seguida de otros 10
minutos de conducción a alta velocidad, que hemos denominado
conducción rápida, situación bajo la cual la demanda de atención es
obviamente mucho mayor.
Durante dicho proceso se registraron, en modo
monopolar, los sitios C3, C4, Cz, O1 y O2 (sistema internacional
10-20). El electrodo de tierra fue localizado en A2
y el electrodo de referencia en el punto A1. Estos cinco puntos de
la corteza cerebral fueron explorados en detalle con series de EEG
medidas en individuos sometidos a tareas con niveles de atención
diferentes y se concluyó que en cualquiera de ellos se obtienen
resultados similares en cuanto a la capacidad de clasificación de
los estados de alerta de los algoritmos aquí detallados.
La señal de EEG que llega al sistema receptor es
leída por medio de uno de los puertos del ordenador. El muestreo se
realiza a 100 Hz, con una cuantificación de 8 bits, y esta
información es almacenada en un fichero para su análisis
posterior.
La señal guardada en el fichero anterior, es
filtrada nuevamente por software, entre 4 y 45 Hz con un filtro de
sexto orden de Butterworth. Este rango se ha seleccionado teniendo
en cuenta que la parte de frecuencias bajas entre 0 y 4 Hz se
consideran de importancia despreciable en este estudio ya que solo
están presentes en fases de sueño profundo. Además, es una banda
espectral muy sensible a artefactos de movimiento, por lo que su
eliminación es muy conveniente. En la parte de frecuencias altas,
se considera que el EEG contiene información útil para nuestros
propósitos hasta una frecuencia de 45 Hz con lo cual, además se
eliminan los artefactos debidos a la red eléctrica de 50 Hz.
Los artefactos debidos a los movimientos del
individuo fueron minimizados mediante el diseño del amplificador de
instrumentación con una alta razón de rechazo al modo común (90dB) y
por software, con un algoritmo sencillo en el que la señal de EEG
adquirida es dividida en segmentos de 1 segundo (parámetro
seleccionable) que serán tomadas en cuenta dependiendo de que todas
las muestras del segmento están dentro del rango normal seleccionado
para el EEG (en nuestro caso, consideramos [0-200
uV] ese rango de EEG normal). Todos los segmentos admitidos
conforman la nueva señal de EEG, que supondremos libre de los
artefactos de la naturaleza mencionada, que será la que se utilice
en el resto del procesamiento.
Tal y como se ha comentado anteriormente, en la
figura 4a se puede observar un ejemplo de una señal de EEG de 10
segundos registrada en la zona frontal FP1 con ojos cerrados y
relajados, mientras que en la figura 4b corresponde a la condición
de ojos abiertos, en la que se puede apreciar los parpadeos rodeados
por una elipse.
Posteriormente es necesario extraer aquellas
características del EEG que puedan ser usadas para la clasificación
del nivel de alerta.
La identificación de las características de
clasificación en el dominio de la frecuencia, se realizó mediante
diversos métodos de estimación espectral, paramétricos y no
paramétricos, seleccionándose finalmente el método de Welch,
después de realizar una comparación con el periodograma y con los
espectros calculados en base a los modelos autoregresivos de orden
7, 10 y 15.
Tal y como se puede observar en la figura 5,
ésta muestra los efectos sobre la densidad espectral del EEG de las
distintas condiciones de modulación del nivel de alerta producidas
por estímulos de intensidad creciente. La gráfica representa el
espectrograma (calculado con ventana de Hanning de 100 puntos,
superposición del 50% y 512 puntos para llenado de ceros) calculado
para segmentos de 40 segundos de la señal de EEG (tomada desde el
sitio C3 de la superficie cerebral). Este ejemplo corresponde a un
individuo con un ritmo alfa cercano a 10 Hz, frecuencia estimada a
partir de los registros de EEG medidos en situaciones de relajación
y con ojos cerrados. Asumiendo que el EEG es un proceso estocástico
no estacionario, se han seleccionado esos segmentos o intervalos de
cálculo del espectro de manera que podamos asumir que se dan las
condiciones de estacionaridad local. Con esta suposición, el
comportamiento de las diferentes bandas de frecuencia en función de
los dos factores de experimentación podrán ser caracterizados
mediante el espectro promedio estimado en esos segmentos.
Para evitar el efecto de los diversos factores
que influyen en la ganancia del sistema de captura y amplificación
del EEG, se procedió a la normalización en amplitud, respecto de su
valor máximo, de los espectros en cada uno de sus intervalos de
cálculo (10 segundos, por ejemplo). En la figura 6, se muestran
ejemplos de los espectros normalizados para cuatro individuos
analizados, promediados para cada una de las tareas del experimento
(ojos cerrados, conducción monótona y conducción rápida). Los
cuatro ejemplos han sido seleccionados con el propósito de mostrar
los comportamientos diferentes detectados en función de las
diferentes conductas alfa de cada uno de los sujetos. El primero
corresponde a un individuo con ritmo alfa cercano a 7.5 Hz, el
segundo de 10 Hz, el tercero de 12.5 Hz y el último sin ninguna
frecuencia alfa predominante. Es de notar que el caso de frecuencia
alfa alrededor de 10 Hz es el más habitual entre los sujetos (12 de
18) de la muestra experimental disponible, mientras los otros son
claramente menos frecuentes: (4 de 18) con frecuencias entre 11.5 y
13.0 Hz, (1 de 18) de 7 Hz y (1/18) sin ritmo alfa.
Como puede observarse en las figuras, tanto en
la representación de la evolución del espectro en el tiempo
(figuras 5a, 5b y 5c) como en los promedios espectrales para cada
nivel de estímulo (figuras 6a, 6b, 6c y 6d), es evidente el efecto
de ensanchamiento del espectro como respuesta al aumento de la
intensidad del estímulo.
Así pues se basa la búsqueda de las
características del EEG para la discriminación del estado de alerta
en la energía contenida en las mencionadas bandas espectrales o en
una combinación de ellas.
Dado que se había observado una importante
dependencia interindividual en el comportamiento del espectro en
función de las distintas conductas alfa de los sujetos, como se
observa en la figura 6, se procedió a una segunda normalización del
espectro que compensara tales efectos. La idea de esa normalización
es asumir que el efecto de ensanchamiento descrito tiene lugar
siempre alrededor de la frecuencia alfa de cada individuo. En
definitiva se propone que las características del EEG para la
discriminación del estado de alerta han de ser definidas en
relación a la conducta alfa particular para cada individuo.
Con este criterio el efecto del ensanchamiento
espectral asociado al incremento en el nivel de alerta, se definen
tres variables derivadas del EEG:
- -
- La potencia en la banda alrededor del ritmo alfa personal (RAP) que la denominaremos banda alfa personal (BAP) y la definimos como (BAP: RAP - 3, RAP + 2 Hz). Los intervalos elegidos de la BAP fueron determinados mediante un análisis multifactorial comparativo para valorar la potencia de discriminación de diferentes anchos de esa banda.
- -
- Las potencias por encima y por debajo de esta banda, que llamaremos banda superior personal (BSP) y banda inferior personal (BIP), respectivamente.
- -
- También fueron consideradas otras variables secundarias: el porcentaje entre cada una de las bandas y la potencia espectral total (PT): (BIP/PT, BAP/PT y BSP/PT) y la relación entre BSP/BAP.
\vskip1.000000\baselineskip
Para el análisis comparativo de la capacidad
discriminatoria de los estadísticos propuestos (BIP, BAP, BSP,
BIP/PT, BAP/PT, BSP/PT y la relación entre BSP/BAP), fueron
analizadas series de registros largos de EEG (más de 25 minutos)
correspondientes a individuos mientras conducían en el simulador
bajo condiciones de conducción monótona y rápida. Un resumen de
esos estadísticos, correspondientes a un individuo ejemplo, se
muestra en la tabla 1.
La banda inferior personal (BIP) fue excluida
inicialmente una vez que se observó una potencia de discriminación
insuficiente. De entre todas las variables restantes propuestas
anteriormente, como se puede ver en la tabla 1, la variable
BSP/BAP, cuya distribución estadística se muestra en la figura 7,
presentó la mejor discriminación (N=316, t(varianzas
diferentes)= 45.6, p<0.0). En este caso, el
t-test se ha realizado para determinar si la
diferencia entre las dos medias es igual a 0 frente a la hipótesis
alternativa de que la diferencia no es igual a 0. Puesto que el
p-valor calculado es inferior a 0.05, podemos
rechazar la hipótesis nula a favor de la alternativa. Estos
resultados asumen la igualdad de varianzas en las dos muestras.
El procedimiento de análisis de la señal y de
clasificación del nivel de alerta basado en la metodología
descrita, se implementan a través de aplicaciones de software que
tal y como se ha mencionado anteriormente permiten mostrar los
resultados obtenidos tanto en tiempo real como en diferido y
compararlos con otros métodos de clasificación basados tanto en
estimaciones espectrales, como en estimaciones de la dimensión
fractal o en la auto-similitud.
Claims (3)
1. Método para la monitorización del nivel de
alerta en tiempo real basado en ondas cerebrales, que teniendo por
finalidad la detección del estado de alerta de un sujeto, así como
su evolución temporal hacia estados de baja alerta, se
caracteriza porque comprende la siguiente secuencia de
operaciones:
- -
- Se selecciona como parámetro de análisis las señales de electroencefalografía (EEG).
- -
- Se procede a capturar la señal de electroencefalografía del sujeto a través del registro en modo monopolar a cualquiera de los sitios C3, C4, Cz, O1 y O2 de la corteza cerebral.
- -
- La señal de EEG registrada es filtrada, eliminando los artefactos o señales presentes en el EEG debidas a causas ajenas a los fenómenos neuronales de interés, como parpadeos, movimientos oculares, movimientos corporales, movimientos musculares, movimientos de los cables de conexión, de los electrodos, y similares, eliminando las frecuencias bajas entre 0 y 4 Hz, así como las frecuencias que sobrepasen un valor de 45 Hz.
- -
- Inicialmente se registra el EEG del sujeto en un ambiente con una completa ausencia de estímulos visuales y sonoros a fin de identificar el comportamiento del ritmo alfa del mismo.
- -
- Una vez determinado el comportamiento alfa del sujeto, se registra el EEG del mismo ante cualquier actividad que esté realizando.
- -
- Se procede a la normalización en amplitud, respecto de su valor máximo, de los espectros de EEG registrados.
- -
- Se realiza una segunda normalización del espectro que compense la dependencia interindividual en el comportamiento del espectro en función de la conducta alfa particular del sujeto anteriormente registrada.
- -
- A partir de dicho espectro, se miden la potencia en la banda alrededor del ritmo alfa personal o banda alfa personal (BAP), así como la potencia por encima de dicha banda o banda superior personal (BSP)
- -
- Se determina, finalmente, una nueva variable a partir del cociente entre la banda superior personal y la banda alfa personal (BSP/BAP) que permite realizar una discriminación del nivel de alerta por simple umbralización.
2. Dispositivo para la puesta en práctica del
método de la reivindicación 1ª, caracterizado porque
incorpora un sistema de registro de EEG (1), con un amplificador de
instrumentación (2), asociado a tres electrodos secos basados en
una alta impedancia de entrada (10^{12} ohms) (4), así como a un
módulo de filtrado (8) tanto de altas como de bajas frecuencias, a
cuya salida se dispone una etapa digitalizadora (9) de las señales
obtenidas tras el filtrado, que transmite los datos obtenidos a un
ordenador (12) o dispositivo similar, a través de cualquier medio de
transmisión de datos entre dispositivos convencionales, tales como
cables de conexión (14) serie, paralelo, a través de dispositivos
de radiofrecuencias (10), infrarrojos o similares, disponiendo
dicho ordenador de un software específico a través del que analizar
las señales y clasificar el nivel de alerta en función del método
anteriormente descrito tanto en tiempo real como diferido.
3. Dispositivo, según reivindicación 2ª,
caracterizado porque incorpora una estructura (6) portante
de tres electrodos secos (4), uno en su zona media y dos en sus
extremos, estructura dotada de medios de regulación (7) de la
posición de los electrodos extremos, incorporando etapas de muy
alta impedancia de entrada en cada uno de los electrodos, de manera
que la impedancia entre un electrodo y la piel sea despreciable, y
eliminando la necesidad de utilización de gel conductor en los
mismos.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES200600147A ES2318933B2 (es) | 2006-01-24 | 2006-01-24 | Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES200600147A ES2318933B2 (es) | 2006-01-24 | 2006-01-24 | Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2318933A1 ES2318933A1 (es) | 2009-05-01 |
| ES2318933B2 true ES2318933B2 (es) | 2009-10-01 |
Family
ID=40560324
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES200600147A Active ES2318933B2 (es) | 2006-01-24 | 2006-01-24 | Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2318933B2 (es) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11357443B2 (en) * | 2016-02-29 | 2022-06-14 | Daikin Industries, Ltd. | Determination result output device, determination result provision device, and determination result output system |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3310498B2 (ja) * | 1994-09-02 | 2002-08-05 | 独立行政法人産業技術総合研究所 | 生体情報解析装置および生体情報解析方法 |
| US5626145A (en) * | 1996-03-20 | 1997-05-06 | Lockheed Martin Energy Systems, Inc. | Method and apparatus for extraction of low-frequency artifacts from brain waves for alertness detection |
| JPH11276449A (ja) * | 1998-03-30 | 1999-10-12 | National Institute Of Radiological Sciences | 意識状態定量化装置，意識状態データ処理方法，及びそのためのコンピュータ読取り可能な記録媒体 |
| US6496724B1 (en) * | 1998-12-31 | 2002-12-17 | Advanced Brain Monitoring, Inc. | Method for the quantification of human alertness |
| RU2330607C2 (ru) * | 2001-06-13 | 2008-08-10 | Компьюмедикс Лимитед | Способ и устройство для мониторинга сознания |
-
2006
- 2006-01-24 ES ES200600147A patent/ES2318933B2/es active Active
Non-Patent Citations (5)
| Title |
|---|
| Base de datos BIOSIS, AN PREV200100179568, HUANG RUEY-SONG et al. "{}Selection of valid and reliable EEG features for predicting auditory and visual alertness levels"{}, resumen. * |
| BASE DE DATOS EPODOC/EPO, JP 11276449 A (NAT. INST. RADIOLOG. et al.) 12.10.1999, resumen. * |
| Base de datos INSPEC, AN 7893829, ÁLVAREZ R et al. "{}Real-time monitoring of the human alertness level"{}, resumen. * |
| KIYMIK M K et al. "{}Automatic recognition of alertness level by using wavelet transform and artificial neural network"{}. Journal of Neuroscience Methods, 2004, vol. 139, n$^{o}$ 2, páginas 231-240. * |
| LIANG S F et al. "{}Monitoring driver's alertness based on the driving performance estimation and the EEG power spectrum analysis"{}. IEEE Engineering in Medicine and Biology Society, 2005, vol. 6, páginas 5738-5741. * |
Also Published As
| Publication number | Publication date |
|---|---|
| ES2318933A1 (es) | 2009-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Campisi et al. | Brain waves for automatic biometric-based user recognition | |
| McGee et al. | Is it really a mismatch negativity? An assessment of methods for determining response validity in individual subjects | |
| Balconi et al. | Arousal effect on emotional face comprehension: frequency band changes in different time intervals | |
| Papadelis et al. | Monitoring sleepiness with on-board electrophysiological recordings for preventing sleep-deprived traffic accidents | |
| Sahayadhas et al. | Drowsiness detection during different times of day using multiple features | |
| Cooper et al. | Auditory sensory memory and the aging brain: a mismatch negativity study | |
| US7269456B2 (en) | Repetitive visual stimulation to EEG neurofeedback protocols | |
| WO2008069337A1 (ja) | 覚醒度判定装置及び覚醒度判定方法 | |
| Podgorelec | Analyzing EEG signals with machine learning for diagnosing Alzheimer’s disease | |
| Tsai et al. | A portable device for real time drowsiness detection using novel active dry electrode system | |
| Wang et al. | EEG characteristic analysis of coach bus drivers based on brain connectivity as revealed via a graph theoretical network | |
| Kim et al. | Detection of drowsiness with eyes open using EEG-based power spectrum analysis | |
| Dahal et al. | Modeling of cognition using EEG: a review and a new approach | |
| Vieira et al. | Enhanced conscious processing and blindsight-like detection of fear-conditioned stimuli under continuous flash suppression | |
| Velnath et al. | Analysis of EEG signal for the estimation of concentration level of humans | |
| Daud et al. | Effect of audiovisual stimulation on adult memory performance based electroencephalography wavelet analysis | |
| ES2318933B2 (es) | Metodo para la monitorizacion del nivel de alerta en tiempo real basado en ondas cerebrales y dispositivo para la puesta en practica del mismo. | |
| CN110866237B (zh) | 脑电的阈下姓名身份认证方法 | |
| Guðmundsdóttir | Improving players' control over the NeuroSky brain-computer interface | |
| JP4822796B2 (ja) | 睡眠計及び睡眠状態判定方法 | |
| Fiuza Regaçone et al. | Resting heart rate and auditory evoked potential | |
| Sengupta et al. | Biosignal acquisition system for stress monitoring | |
| Sarma et al. | Usefulness of blinking duration variability (BDV) in discriminating emotional states | |
| Bhuvaneswari et al. | A note on methods used for deception analysis and influence of thinking stimulus in deception detection | |
| Klonowski | Personalized neurological diagnostics from biomedical physicist’s point of view and application of new non-linear dynamics methods in biosignal analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EC2A | Search report published |
Date of ref document: 20090501 Kind code of ref document: A1 |
|
| FG2A | Definitive protection |
Ref document number: 2318933B2 Country of ref document: ES |