Resumen

Las señales de electroencefalografía (EEG) recogidas en el cuero cabelludo humano suelen estar contaminadas por diversos artefactos, como electromiogramas (EMG), electrooculogramas (EOG) y electrocardiogramas (ECG). Los artefactos musculares son particularmente difíciles de eliminar entre todos los tipos de artefactos debido a su complejidad. En la actualidad, varios investigadores han demostrado la superioridad de combinar algoritmos de descomposición monocanal con separación ciega de fuentes (BSS) para que las grabaciones de EEG multicanal estén libres de contaminación EMG. En nuestro estudio, presentamos un método novedoso y válido para eliminar los artefactos musculares del EEG mediante la combinación del análisis de espectro singular (SSA) y el análisis de correlación canónica (CCA), denominado SSA-CCA. A diferencia de los métodos tradicionales de descomposición monocanal, por ejemplo, la descomposición de modo empírico conjunto (EEMD), el algoritmo SSA es una técnica basada en los principios de la estadística multivariante. El método que proponemos puede aprovechar las ventajas de la SSA y de la información entre canales. El rendimiento de SSA-CCA se evalúa con datos semisimulados y reales. Los resultados demuestran que este método supera a la técnica más avanzada, EEMD-CCA, y a la técnica clásica, CCA, en circunstancias multicanal.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:CCA, SSA, separación ciega de fuentes, análisis de correlación canónica, algoritmos de descomposición de canales, métodos de descomposición de canales, descomposición de modo empírico, grabaciones multicanal de EEG, eliminación de artefactos musculares, análisis de espectro singular.
• Keywords:CCA, SSA, blind source separation, canonical correlation analysis, channel decomposition algorithms, channel decomposition methods, empirical mode decomposition, multichannel EEG recordings, muscle artifact removal, singular spectrum analysis