El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
El registro de la actividad eléctrica cerebral ha permitido la comprensión
de diferentes estados neurofisiológicos, posibilitando el diagnóstico de
algunos trastornos neuronales, de aquí, la importancia de la caracterización y el conocimiento de las diferentes morfologías que pueden presentar
las señales de electroencefalografía (EEG). El modelado matemático de
señales biomédicas facilita el desarrollo de simuladores que pueden
servir como herramienta de entrenamiento médico en computadores
o dispositivos móviles. Este artículo presenta el modelado paramétrico
autorregresivo (AR) y la simulación de señales EEG en diferentes estados
fisiológicos, como: reposo con ojos abiertos y cerrados y crisis epilépticas,
además bajo la presencia de algunos de los artefactos más comunes,
como son: parpadeo, actividad muscular, electrodo “pop” y ruido 60
Hz. Se valida el desempeño de los modelos en el dominio del tiempo a
través del porcentaje de ajuste FIT, el cual siempre estuvo por encima
del 70%, y en el dominio de la frecuencia a través de la energía en las
bandas de frecuencia características del EEG. Se presenta la metodología
de modelado, los gráficos de las señales simuladas y los valores de los
parámetros evaluados. La amplia variedad de señales EEG modeladas
permitirá el desarrollo de simuladores de señales cerebrales para el
entrenamiento del personal médico, e igualmente para el análisis y la
caracterización de las señales de electroencefalografía
