Optimización de la relación señal a ruido en el registro de potenciales evocados auditivos de latencia media Public Deposited
Estimation of the auditory capacity constitutes one of the most challenging tasks that audiologists face in clinical practice. Screening techniques range from the observation of the patient's behavior at the presence of sound, to the acquisition and analysis of the evoked potentials elicited by particular auditory stimuli. Behavioral testing can be easily completed only when the patient is mentally and physically able to participate in the trial, whereas evoked potential testing may be needed for assessing newborns or handicapped individuals, or when detailed information about the state of the auditory pathway is required. Given their direct relationship to auditory and cognitive processes, evoked potentials constitute a trustworthy tool for determining the auditory capacity of an individual. In a clínica! setling an audiologist would acquire them at different sound intensities and frequencies and would make clinical decisions based on their latency, amplitude and morphology. Notwithstanding the clinical value of such signals, nuisances like cleaning oils from the scalp for obtaining an acceptable signal-to-noise ratio and needing the subject to enter deep sleep stages for acquiring high quality records, limit the clinical exploitation of these signals. In biomedical research areas, signa) quality is improved by applying state-of-theart signa! processing tcchniqucs that incl11dc adaptivc filtcring, pattcrn rccognition algorithms, principal component analysis and independent component analysis, among others. Regardless the advantages of such techniques, their application is often restricted to academic research because audiologist and physicians are not familiar with the rnathematical theory behind them, so signa! processing in a clinical setting is often limited to simple analog and digital filtering that the audiologist may use to eliminate high frequency noise related to muscular activity, electrode artifacts and subject awakening. Besides simple filtering, a common clinical strategy to improve the quality of the acquired signals is to analyze the amplitude and morphology of EEG trials and dismiss those whose amplitude is higher than a given threshold or it's morphology is suspected to be contaminated by physiological phenomena different to auditory processes. Amplitude rejection can be autornated by the acquisition device whereas morphological analysis is likely to require intervention of the audiologist to visually analyze each trial. This work addresses the clinical need of automating trial selection for obtaining evoked responses morphologically equivalent to those obtained by visually selecting trials. The value proposition is to generate a too! to assist audiologists on selecting electroencephalogram trials to obtain evoked responses with maximum quality, so amplitude and latency can be easily quantified to make clinical decisions. It is important to mention that the resulting signals must hold consistency with the auditory thresholds of the subject. this means that evoked responses shall be distinguishable only when the subject is capable of perceiving auditory stimuli. The proposed methodology utilizes genetic algorithms to maximize the quality of the averaged signa! by iteratively combining trial sets. The algorithrn creates random sets and identifies the fittest ones by means of suitable quality functio11s which are based on the FSP score and spectral analysis of the principal components of the signal. All of the proposed quality functions depend on parameters that were optimized and tested to make the resulting averaged signals morphologically equivalent to those obtained by a specialist. Results show ihat ihe propuseu methouulugy iueutifies tria! sets whose average is morphologically equivalent to the average of trials selected by a specialist. At the same time the resulting signals are distinguishable as evoked potentials only when the subject has an auditory capacity that allows him to perceive the eliciting stimuli, so the algorithm is capable of improving the quality of the signa) by the sole selection of trials without creating evoked responses where there are none. This means that the algorithm has the potential of helping audiologists on determining auditory thresholds for identifying hearing impaired patients. This work has been presented presented at the 5th International Conference of the IEEE Neural Engineering Society under the title: R. Gaitan-Ortiz, O. Yanez-Suarez, J. M. Cornejo-Cruz, "Evoked Potentials SNR maximization by PCA and Genetic Algorithms", 5th International IEEE/EMES Conference on Neural Engineering, pp. 166-169, 2011.
La valoración de la capacidad auditiva constituye uno de los mayores retos que los audiólogos enfrentan en la práctica clínica. Las técnicas de valoración van desde la observación del comportamiento del paciente ante la presencia de sonido (audiometría conductual), hasta la adquisición y análisis de potenciales evocados obtenidos a partir de la estimulación del paciente con señales auditivas particulares. La audiometría conductual ofrece información valiosa únicamente cuando el paciente tiene las capacidades meutales y físicas que le permiten prestar atención y participar activamente en la prueba. En contraste, la valoración mediante potenciales evocados puede utilizarse en neonatos, personas con discapacidad mental o motriz o cuando el médico tratante necesita información detallada sobre el estado de las vías auditivas. Dada su relación directa con procesos auditivos y cognitivos, los potenciales evocados constituyen una herramienta de valoración fidedigna. En el entorno clínico un audiólogo puede adquirirlos a diferentes intensidades y frecuencias y tornar decisiones clínicas basadas en su morfología, amplitud y latencia. No obstante el valor clínico de estas señales, complicaciones prácticas como la necesidad de limpiar el cuero cabelludo para remover suciedad y grasa, y la necesidad de mantener al sujeto en estado de sueño profundo para obtener una relación señal a ruido aceptable, limitan el uso cínico de los potenciales evocados. En investigación biomédica la calidad de la señal es aumentada mediante la aplicación de técnicas avanzadas de procesamiento de señales como filtrado adaptativo, algoritmos de reconocimiento de patrones, análisis de componentes principales y análisis de componentes independientes. entre otras. No obstante la utilidad de estas técnicas su aplicación se restringe generalmente al ambiente académico debido a que el personal de atención a la salud no está familiarizado con la teoría matemática detrás de dichos algoritmos. En el ambiente clínico el procesamiento de las señales electroencefalográficas generalmente se limita al filtrado analógico y digital de las señales para eliminar artefactos de movimiento o señales relacionadas con actividad eléctrica del corazón, de la cabeza y del cuello. Además del filtrado analógico y digital, una estrategia clínica común es analizar visualmente la morfología y amplitud del electroencefalograma para desechar épocas contaminadas por ruido o por otros fenómenos ectrofisiológicos y preservar únicamente aquellas que contengan información relevante sobre la respuesta evocada subyacente. Si bien la discriminación por amplitud puede ser automatizada fácilmente, la discriminación morfológica requiere intervención del especialista. En este trabajo se aborda la necesidad clínica de automatizar la selección de épocas para obtener respuestas evocadas morfológicamente equivalentes a aquellas obtenidas mediante la selección visual de épocas. La propuesta de valor consiste en generar una herramienta que asista a los audiólogos en la selección de épocas para obtener respuestas evocadas de buena calidad de forma que su amplitud y latencia sea fácilmente cuantificable para tomar decisiones clínicas. Es importante mencionar que las señales resultantes deben mantener consistencia con los obtener una relación señal a ruido aceptable, limitan el uso cínico de los potenciales evocados. En investigación biomédica la calidad de la señal es aumentada mediante la aplicación de técnicas avanzadas de procesamiento de señales como filtrado adaptativo, algoritmos de reconocimiento de patrones, análisis de componentes principales y análisis de componentes independientes. entre otras. No obstante la utilidad de estas técnicas su aplicación se restringe generalmente al ambiente académico debido a que el personal de atención a la salud no está familiarizado con la teoría matemática detrás de dichos algoritmos. En el ambiente clínico el procesamiento de las señales electroencefalográficas generalmente se limita al filtrado analógico y digital de las señales para eliminar artefactos de movimiento o señales relacionadas con actividad eléctrica del corazón, de la cabeza y del cuello. Además del filtrado analógico y digital, una estrategia clínica común es analizar visualmente la morfología y amplitud del electroencefalograma para desechar épocas contaminadas por ruido o por otros fenómenos ectrofisiológicos y preservar únicamente aquellas que contengan información relevante sobre la respuesta evocada subyacente. Si bien la discriminación por amplitud puede ser automatizada fácilmente, la discriminación morfológica requiere intervención del especialista. En este trabajo se aborda la necesidad clínica de automatizar la selección de épocas para obtener respuestas evocadas morfológicamente equivalentes a aquellas obtenidas mediante la selección visual de épocas. La propuesta de valor consiste en generar una herramienta que asista a los audiólogos en la selección de épocas para obtener respuestas evocadas de buena calidad de forma que su amplitud y latencia sea fácilmente cuantificable para tomar decisiones clínicas. Es importante mencionar que las señales resultantes deben mantener consistencia con los obtener una relación señal a ruido aceptable, limitan el uso cínico de los potenciales evocados. En investigación biomédica la calidad de la señal es aumentada mediante la aplicación de técnicas avanzadas de procesamiento de señales como filtrado adaptativo, algoritmos de reconocimiento de patrones, análisis de componentes principales y análisis de componentes independientes. entre otras. No obstante la utilidad de estas técnicas su aplicación se restringe generalmente al ambiente académico debido a que el personal de atención a la salud no está familiarizado con la teoría matemática detrás de dichos algoritmos. En el ambiente clínico el procesamiento de las señales electroencefalográficas generalmente se limita al filtrado analógico y digital de las señales para eliminar artefactos de movimiento o señales relacionadas con actividad eléctrica del corazón, de la cabeza y del cuello. Además del filtrado analógico y digital, una estrategia clínica común es analizar visualmente la morfología y amplitud del electroencefalograma para desechar épocas contaminadas por ruido o por otros fenómenos ectrofisiológicos y preservar únicamente aquellas que contengan información relevante sobre la respuesta evocada subyacente. Si bien la discriminación por amplitud puede ser automatizada fácilmente, la discriminación morfológica requiere intervención del especialista. En este trabajo se aborda la necesidad clínica de automatizar la selección de épocas para obtener respuestas evocadas morfológicamente equivalentes a aquellas obtenidas mediante la selección visual de épocas. La propuesta de valor consiste en generar una herramienta que asista a los audiólogos en la selección de épocas para obtener respuestas evocadas de buena calidad de forma que su amplitud y latencia sea fácilmente cuantificable para tomar decisiones clínicas. Es importante mencionar que las señales resultantes deben mantener consistencia con los umbrales auditivos del sujeto de forma que las respuestas evocadas sean distinguibles únicamente cuando el sujeto tenga la capacidad de perccibir estímulos auditivos. La metodología propuesta utiliza algoritmos genéticos para maximizar la calidad de la señal promediada a través de la combinarión iterativa de conjuntos de épocas. El algoritmo crea subconjuntos aleatorios e identifica aquellos con mayor información mediante funciones de calidad diseñadas a partir del índice FSP y del análisis espectral de los componentes principales de la señal. Las funciones de calidad propuestas dependen de parámetros que fueron optimizados de forma que las señales resultantes mantengan equivalencia morfológica con las señales obtenidas mediante la selección de épocas por parte de un especialista. Los resultados muestran que la metodología propuesta identifica conjuntos de épocas cuyo promedio de ensamble es morfológicamente equivalente al promedio de ensamnbnle de las épocas seleccionadas por un especialista. Al mismo tiempo las señales resultantes son reconocibles como potenciales evocados úrucarnente cuando el paciente tiene la capacidad auditiva para percibir los estímulos enviados, de esta forma el algoritmo tiene la capacidad de incrementar la calidad de las respuestas evocadas sin generar señales sin sustento fisiológico. Los resultados de este trabajo fueron publicados en la Sta. Conferencia Internacional de la Sociedad de Ingeniería en eurología de la IEEE bajo el siguiente título: R. Gaitan-Ortiz, O. Yanez-Suarez, J. M. Cornejo-Cruz, "Evoked Potentials SNR maximization by PCA and Genetic Algorithms", 5th International IEEE/EMBS Conference on Neural Engineering, pp. 166-169, 2011.
Relationships
| In Administrative Set: |
|---|
Descriptions
| Attribute Name | Values |
|---|---|
| Creador | |
| Contributors | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| Keyword | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
