Dra. Alina Santillán Guzmán

Dra. Alina Santillán Guzmán | CEMMAC

Borrame.jpg

Descripción de la temática en la que se considera especialista:

Procesamiento digital de señales EEG y MEG. Filtrado de las señales (filtros pasa-bajas, pasa-
bandas, Notch). Aplicación de técnicas como análisis de componentes independientes (ICA, por
sus siglas en inglés) y descomposición empírica de modos (EMD, por sus siglas en inglés). 

 

 

 

 

 

 

 

 

 

Dra. Alina Santillán Guzmán


Benemérita Universidad Autónoma de Puebla |
Facultad de Ciencias Físico Matemáticas

emailIcon.png alina_santillan@yahoo.com.mx

 

 

 

Temas en los que trabaja actualmente con el CEMMAC:

  • Desarrollo de una plataforma para el procesamiento digital de señales electroencefalográficas con aplicaciones a la validación de modelos matemáticos que generan dichas señales en el caso de anomalías en el cerebro.
    Asesor Responsable: Dr. José Jacobo Oliveros Oliveros
    • Resumen

      Una de las cosas de mayor interés para el área médica es la identificación y detección de fuentes de actividad bioeléctrica en el cerebro a partir de señales electroencefalográficas (EEG). Esto se conoce como Problema Inverso Electroencefalográfico (PIE). EEG es una técnica no invasiva comúnmente usada para registrar, analizar e investigar los llamados ritmos cerebrales y determinar anomalías de diferentes tipos: Epilepsia, edemas, calcificaciones, tumores, entre otros. En este proyecto se pretenden validar los algoritmos creados para la generación de señales EEG producidas por un foco epiléptico o por alguna otra anomalía. Para ello es necesario reproducir la variación temporal del EEG asociado a focos epilépticos corticales y probar resultados de unicidad de recuperación de los parámetros de la corriente dipolar que reproduce el EEG. Para el caso de anomalías existen modelos basados en bioelectromagnetismo e información experimental que llevan a resultados tanto de unicidad como de no unicidad. Se analizará cada modelo para ver cuál de ellos es el más apropiado, pues con unos se tiene unicidad y con otros no. La validación se podrá hacer mediante el cálculo de medidas cuantitativas, como lo es el radio entre espectros de potencia de la señal original con la señal reproducida, esperando que el resultado sea lo más cercano posible a 1. De esta manera, se demostrará que ese modelo es el más adecuado para reproducir la señal EEG. Asimismo se semi-simularán señales EEG en las que se sepa dónde está la zona afectada. Se reproducirán esas señales con los algoritmos propuestos y se determinará cuál es el mejor modelo para su reproducción.

      Generalmente, cuando se registran las señales EEG, éstas vienen acompañadas por distorsiones de diversos orígenes que pueden oscurecer a la señal fisiológica que se desea analizar. Por tal motivo, es necesario hacer una eliminación de las distorsiones para posteriormente determinar con mayor precisión el área cerebral dañada mediante técnicas de procesamiento de imágenes (usando las señales EEG previamente filtradas). Al ser totalmente emuladas, las señales reproducidas también contendrán distorsiones, por lo que serán procesadas y tratadas a través de técnicas  como filtros digitales, “Independent Component Analysis (ICA)”, “Empirical Mode Decomposition (EMD)” y la combinación de ICA con filtros digitales. Una vez procesadas, se validarán los resultados comparando éstos con los obtenidos de las señales originales. De esta forma, se podrán obtener modelos matemáticos más precisos y adecuados para reproducir diversos tipos de señales EEG.
       

    • Objetivo general

      Desarrollar e implementar una plataforma en MATLAB que permita la validación de las señales EEG emuladas con modelos matemáticos y que permita cambiar diferentes parámetros para determinar cuál es el modelo que mejor reproduce las señales EEG. Asimismo, las señales originales se compararán con las emuladas, antes y después de eliminar las distorsiones que pudieran ser presentadas. 
       

    • Objetivos particulares

      1. Caracterizar y analizar señales EEG obtenidas mediante modelos matemáticos, mismos que emulan la actividad cerebral de personas sanas y de personas con Epilepsia.
         

      2. Caracterizar y analizar señales EEG de personas sanas.
         

      3. Caracterizar y analizar señales EEG de pacientes con Epilepsia para determinar los parámetros a modificar en los modelos.
         

      4. Tener una base de datos con los diferentes tipos de señales para poder hacer la identificación de diversos tipos de distorsiones.
         

      5. Identificar y eliminar distorsiones usando técnicas de descomposición de señales como ICA (Independent Component Analysis) y EMD (Empirical Mode Decomposition). 
         

      6. Desarrollar una plataforma amable para el usuario que permita la validación de las señales EEG emuladas con modelos matemáticos.
         

      7. Validar las señales obtenidas con los modelos propuestos mediante un radio de espectros de potencias entre las señales originales o semi-simuladas, y las señales modeladas.
         

      8. Usar las señales filtradas tanto de las señales emuladas como de las originales para localizar el área dañada usando técnicas de procesamiento de imágenes, haciendo con ello una validación más.
         

Otros temas en los que trabaja actualmente:

  • Análisis de señales de sujetos que presentan fobias, con la finalidad de validar (en forma objetiva) los resultados psicológicos obtenidos a través de la terapia de estimulación bilateral.
     
  • Diseño e implementación en MATLAB de una interfaz gráfica que permita aplicar distintos tipos de filtros (filtros pasa-bajas, pasa-altas, pasa-bandas y banda eliminada) a señales EEG obtenidas en distintos formatos (.mat, .cnt, .eeg).
     
 

Colaboradores principales

  • Dr. Andrés Fraguela Collar.
  • Dr. Fernando Rojas Rodríguez.
  • Dra. María Montserrat Morín Castillo.