Proyecto de tesis de doctorado: Análisis multivariable y...
Transcript of Proyecto de tesis de doctorado: Análisis multivariable y...
1
TERCER REPORTE DE AVANCE
Proyecto de tesis de doctorado:
Análisis multivariable y multisistema del patrón alternante
cíclico (CAP) durante el sueño
Alumno: M.I.E. José Saúl González Salazar
Asesores: Dr. Francisco Alfonso Alba Cadena, Dr. Martín Oswaldo Méndez García
Posgrado en Ingeniería Electrónica
Facultad de Ciencias, Universidad Autónoma de San Luis Potosí
Mayo del 2015
Resumen: Este documento presenta el avance del actual proyecto de tesis realizado
durante el periodo comprendido entre octubre del 2014 a mayo del 2015; el cual, en
breve, ha consistido en la revisión de antecedentes para la caracterización y análisis de
la señal electrooculográfica respecto a la relación con las fases A del patrón cíclico
alternante (CAP). Además de la concreción del artículo propuesto para publicación
indexada sobre la relación del CAP con la variabilidad en el ritmo cardíaco. Un resumen
con los conceptos necesarios para la comprensión del documento u otros antecedentes
(como el de las diversas señales fisiológicas y el CAP) pueden encontrarse en los
anteriores reportes de avance o el documento propio de tesis de maestría
“Caracterización De La Relación Entre Señales Corticales Y Cardiovasculares En
Sujetos Con Epilepsia Durante El Sueño” [1].
1. Concepto e introducción al análisis de la señal EOG
1.1 Breve introducción al concepto de EOG
El electrooculograma (EOG) es una técnica usada para medir movimientos oculares por medio del
potencial corneo-retinal que existe entre la parte anterior y posterior del ojo humano (ver Figura 1).
El ojo se puede modelar como un dipolo con el polo positivo en la córnea y el polo negativo en la
retina. Si se asume una diferencia de potencial corneo-retinal estable, por este método se obtiene una
fuente de potencial estable y a la señal eléctrica resultante se le denomina electrooculograma [2].
Para medir estos movimientos, se colocan un par de electrodos, sobre, abajo, y a los lados de cada
ojo. Los potenciales eléctricos detectados por este método varían entre 50 a 3500µV. Los artefactos
o interferencias en la señal EOG suelen ser muy comunes, debido a su cercanía con señales que están
más relacionadas con EEG, EMG, por movimientos faciales, condiciones de luminosidad, parpadeo,
entre otras [2].
2
La utilidad del EOG se encuentra principalmente en el registro de movimientos oculares para
determinar la posición del ojo, si el ojo se mueve desde la posición central hacia la periferia, la retina
se aproxima hacia un electrodo mientras la córnea se aproxima al electrodo opuesto. Este cambio en
orientación del dipolo causa un cambio en la diferencia de potencial que se puede visualizar como un
cambio en la amplitud de la señal EOG [3].
1.2 Estado del arte en métodos para la caracterización y análisis de la señal EOG.
Como punto de referencia o base anterior a realizar el análisis propio de la señal EOG, se realizó una
investigación para conocer el estado del arte en lo que al análisis de la señal EOG se refiere. Entre los
artículos con más relación se encontraron el de Bulling y Ward [4]: “Eye Movement Analysis for
Activity Recognition Using Electrooculography”. Y el de Hema y Paulraj [5]: “Classification of Eye
Movements Using Electrooculography”. En seguida se hace un breve resumen, en forma de puntos,
de la metodología de los dos artículos.
1.2.1 Artículo de Bulling y Ward
Se recolectaron datos durante el registro EOG de ocho sujetos, a los cuales se les pidió participar
en cinco diferentes actividades, cada una de las cuales duraba 5 minutos. Estas fueron: leer un
texto impreso, leer una página web en una pantalla, escribir a mano alzada, ver una película en
una pantalla, y copiar texto a mano alzada.
Entre las principales dificultades a superar en la adquisición de la señal, fue la deriva en el punto
de referencia de la señal EOG.
Se denomina sacada al movimiento repentino de ambos globos oculares. La duración y amplitud
de la sacada depende de la distancia angular que los ojos realicen durante su movimiento.
Se denomina fijación al tiempo entre dos sacadas consecutivas, durante el cual el ojo y la señal
EOG permanecen inmóviles.
Para eliminar el ruido de la señal EOG y la deriva del punto de referencia, se realizó una
descomposición ondeleta 1-D multinivel en nivel 9 del tipo Dauchebies en cada componente de
la señal. Los coeficientes de descomposición reconstruidos dieron una estimación de la deriva del
punto de referencia. La resta de esta estimación a la señal original produjo una señal con menor
ruido y menor deriva sobre el punto de referencia.
Figura 1: Vista transversal de un globo ocular, con identificación de sus partes.
3
Las sacadas se determinaron por un algoritmo basado en la transformada ondeleta continua, que
aproxima el vector de coeficientes de la ondeleta 1-D con la señal resultante del procedimiento
anterior.
Las fijaciones se determinaron por segmentos en los que la amplitud EOG permanece constante.
Los parpadeos en la señal EOG se caracterizan por presentar una secuencia corta de dos picos de
alta amplitud, que es más corta que la de las sacadas.
En total se calcularon 62 rasgos sacádicos, todos basados en la media, mediana, y máximos y
mínimos de la señal EOG durante los segmentos seleccionados.
Para la selección de rasgos se implementó un método llamado minimum redundancy maximum
relevance feature selection (mRMR).
1.2.2 Artículo de Hema y Paulraj
Se recolectaron señales EOG de 8 sujetos mientras ejecutaban diferentes tareas que involucraban
realizar movimientos oculares.
Estos movimientos se clasificaron en 8 tipos, movimiento a la izquierda, derecha, arriba, abajo,
y diagonales.
Los periodos de las actividades se dividieron en segmentos de dos segundos, y se realizaron diez
pruebas por sujeto.
Se realizó el análisis espectral de las señales resultantes usando Short-Time Fourier Transform
(STFT) para encontrar los componentes en frecuencia de cada movimiento. Se encontró una
frecuencia de entre 5-8 Hz durante las actividades, y de 6-9 Hz durante los periodos de no
actividad.
Se implementaron filtros pasabanda Chebyshev para enfocarse solo en estas bandas de
frecuencia, además este procedimiento remueve componentes relacionados a señales EMG. Los
ocho rangos de frecuencia son: (0.1-2) Hz, (2-4) Hz, (4-6) Hz, (6-8) Hz, (8-10) Hz, (10-12) Hz,
(12-14) Hz, (14-16) Hz.
La extracción de rasgos se basó en los teoremas de Parseval y Plancherel para extraer rasgos de
energía de cada banda.
1.3 Análisis propio de la relación del CAP con la señal EOG
En lo que a los objetivos particulares de la tesis se refiere, se tiene propuesto encontrar la relación de
CAP y la señal EOG teniendo como referencia registros polisomnográficos de diez sujetos sanos y
diez pacientes. Se tiene planteado realizar un proceso de caracterización durante los segmentos
definidos como CAP sobre la señal electrooculográfica similar a los encontrados en la investigación
del estado del arte; los cuales principalmente se basan en análisis espectral para obtención de rasgos
(STFT y Wavelets) y clasificación en base a parámetros estadísticos (medias y varianzas).
Hasta el momento solo se ha realizado el análisis visual en segmentos EOG durante episodios CAP
en un sujeto sano, en el que claramente se pueden observar variaciones evidentes en la señal EOG
atribuibles a la presencia de la fase A. Se muestran dos ejemplos en la Figura 2.
4
1.4 Esquemas de referencia en la señal EOG
En lo que respecta a la referencia en la señal EOG existen básicamente dos tipos: horizontal-vertical
(EOG HV), y ojo izquierdo-ojo derecho (EOG LR). Ambas se miden en referencia a un quinto
electrodo (GND) usualmente posicionado en medio de la frente. Se ilustran en la Figura 3 ambos
tipos de esquemas.
Mientras en la mayoría de los artículos se utiliza el esquema EOG HV; en las bases de datos con que
se cuenta para el estudio (disponibles en el sitio de Physionet CAP Sleep), se utiliza el esquema EOG
LR. Cabe mencionar que en un registro EOG adquirido bajo el esquema LR, la señal de ojo izquierdo
debe ser la inversa o el reflejo horizontal de la tomada en el ojo derecho, como se muestra en la Figura
4. Por lo que el esquema LR está más bien propuesto para encontrar diferencias entre los movimientos
de ambos ojos, como pudiera presentarse durante el sueño en la fase REM.
Cabe mencionar que está pendiente un algoritmo para obtener las señales EOG de un esquema a partir
del otro. Es decir, un convertidor de señal EOG LR a EOG HV. Por el momento sólo se cuenta con
un ejemplo básico que pudiera dar una idea de cómo diseñar el algoritmo, se muestra en la Figura 5.
Figura 2: Anotación de dos fases A (pulso en negro) respecto a la señal EEG (trazo en gris). Se
observa en color rojo la señal EOG del ojo izquierdo, y en azul la del ojo derecho, en amarillo se
muestra la señal electromiográfica o EMG. Izquierda: fase A tipo 1; derecha: fase A tipo 3.
Figura 3: Esquemas de posicionamiento de electrodos para el registro de señales EOG. Izquierda:
esquema HV. Derecha: esquema LR.
5
2. Concreción del artículo para revista
Como segundo punto a reportar está la concreción del artículo propuesto para publicación en revista
especializada sobre el análisis de la relación del CAP con la variabilidad del ritmo cardíaco. Del cual
se carecía de un recurso que ayudara a aportar puntos de vista para formar una discusión y conclusión
sólidas desde el punto de vista fisiológico. Por esta razón, se incorporaron al proyecto a la Dra.
Guadalupe Dorantes Méndez y al Dr. Sergio Camacho, quienes cuentan con mayor experiencia en el
ámbito fisiológico. Para concretar el artículo sólo faltan ligeras correcciones de estilo, y un consenso
en las conclusiones. Además de seleccionar una publicación indexada con buen factor de impacto
(posiblemente Clinical Neurophysiology) a la cual someter el artículo.
Figura 4: Vista característica de un registro EOG LR.
Figura 5: Ejemplo básico que muestra cómo se comportaría la señal EOG en ambos esquemas. De
arriba hacia abajo. En primer lugar, se realiza un movimiento de ojos centro-arriba-centro, en
segunda instancia: centro-izquierda-centro. En el tercer ejemplo: centro-derecha_arriba-centro.
Mientras en cuarto lugar: centro-izquierda_arriba-centro. Del lado derecho se muestra de manera
simplista como se comportaría la señal EOG para cada derivación. L: izquierda, R: derecha, H:
horizontal, V: vertical.
6
2.1 Mención sobre artículo sometido al EMBC 2015 por la Dra. Guadalupe Dorantes
Entre los objetivos propuestos del proyecto de tesis se encuentra someter un artículo por año a un
congreso internacional, en el cual se tenía contemplado en primer lugar, la IEEE Engineering in
Medicine and Biology Conference (EMBC), que aunque no se pudo concretar de parte propia este
año para este congreso en específico; se cuenta con una breve coautoría por parte de un artículo
sometido por la Dra. Guadalupe Dorantes para la EMBC 2015 [6]. Al igual que el propio del año
pasado, se propone encontrar una relación entre las fases A del CAP y actividad cardiovascular por
medio del análisis de la variabilidad del ritmo cardíaco (HRV). Pero a diferencia del propio, con base
en un método de análisis espectral. Que de la misma manera pretende estimar el comportamiento del
sistema nervioso autónomo. En seguida se hace un breve resumen de la metodología implementada
en el trabajo de la Dra. Dorantes:
“La banda HF (0.15-5 Hz) de la señal HRV está directamente relacionada a actividad vagal, mientras
la potencia en la banda LF (0.04-0.15 Hz) es un parámetro relacionado a actividad simpática y vagal.
Se usan los intervalos RR de la señal electrocardiográfica como medida o variable para estimar la
HRV. Las fases A son básicamente cortos eventos transitorios en la señal EEG, los cuales requieren
para su análisis espectral técnicas con alta resolución temporal. En este trabajo se utiliza el modelo
autorregresivo variante en el tiempo (TVAR), el cual entre sus ventajas tiene: alta adaptabilidad a
eventos transitorios, bajo costo computacional, además de no requerir ajuste anterior en función a las
bandas de frecuencia.”
“El estudio se realizó tomando en cuenta 4 sujetos sanos y 4 patológicos (NFLE). Los coeficientes
del modelo TVAR fueron obtenidos por el esquema de predicción de filtrado adaptativo, con los
intervalos RR definidos por:”
𝑦(𝑛) =∑𝑎(𝑖, 𝑛)𝑦(𝑛 − 𝑖) + 𝑣(𝑛)
𝑀
𝑖=1
“Donde M es el orden del modelo, 𝑎(𝑖, 𝑛) son los coeficientes TVAR y 𝑣(𝑛) es un término del error
de ruido blanco. El filtro adaptativo usa el método mínimos cuadrados recursivos (RLS) para calcular
los coeficientes autorregresivos variantes en el tiempo. El orden del modelo (8°) se eligió de acuerdo
al criterio de Akaike. Con el modelo TVAR se calculó la densidad de potencia espectral en las bandas
HF, LF y VLF (<0.04 Hz). Además de la razón LF/HF, los componentes espectrales normalizados
(LF% y HF%), y la raíz cuadrada de la media de la suma de las diferencias de los cuadrados
(RMSSD).”
“De la misma manera se realizó el análisis de los segmentos anotados como fases A, en dos partes:
el segmento pre, en el cual se detectó el mínimo HRV en el segmento 4s anterior al inicio de la fase
A, y se estableció una ventana de 3s. centrada en ese mínimo. Además del segmento post, en el cual
se hizo de la misma manera solo que en el segmento del transcurso de la fase A más 3.5s. Este
procedimiento se realizó en 414 fases A de sujetos sanos, y 462 de pacientes de NFLE.”
“Las diferencias significativas entre las distribuciones resultantes para los tres tipos de fases A se
evaluaron por el test Kruskal-Wallis. Además del test Wilcoxon Ranksum para encontrar diferencias
significativas entre los segmentos pre y post. Los resultados se expresan en forma de medias y
varianzas.”
7
2.2 Análisis de la relación macro-microestructura en sujetos sanos
Como punto de apoyo para una conclusión del Dr. Sergio Camacho, se realizó un análisis visual de
la relación de la macroestructura (fases del sueño) con la microestructura (anotaciones del CAP) en
dos sujetos sanos. En las cuales se pudo observar que el comportamiento es muy similar a las que ya
se habían realizado con mucha anterioridad en pacientes. Donde se encontró una clara relación de las
fases A1 con las etapas de sueño S4 (sueño profundo), y de las fases A2 con la etapas del sueño S2
(sueño ligero); además de una ligera relación de las fases A3 con la etapa S1. Se muestran estos
resultados en la Figura 6.
2.3 Mejora de figuras y tablas para el artículo
Por último, se reporta que se corrigieron detalles en las figuras resultado de la prueba no paramétrica
para igualdad de curtosis, para ser presentadas en el artículo para revista (Figura 7). También se
Figura 6: Gráfico que muestra la relación de la macroestructura (hipnograma) con la
microestructura (fases A del CAP). Superior: sujeto normal 6. Inferior: sujeto normal 7. Los
histogramas representan la acumulación del número muestras bajo tal tipo de fase A; en 200 bins
durante toda la noche de sueño.
8
rediseñó la presentación de las tablas con los p-valores resultado de la comparación KS-test entre las
diferentes combinaciones de las distribuciones (Tabla 1).
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
Apost* kurtosis
Pro
ba
biity
dis
trib
utio
n
Patients real A-phases
Controls real A-phases
Patients spurious A-phases
Controls spurious A-phases
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
2 4 6 80
0.5
1
1.5
2
I II III
A1
A2
A3
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
1 1.5 2 2.5 3 3.5 40
2
4
6
Patients real A-phases
Controls real A-phases
Patients spurious A-phases
Controls spurious A-phases
I II III
A1
A2
A3
Tpost* kurtosis
Pro
ba
bility d
istr
ibu
tion
Figura 7: Distribuciones del análisis basado en valores de curtosis. Superior: rasgo A*post. Inferior:
rasgo T*post, para los tres tipos de fases A (A1, A2, A3) y los tres periodos de la noche (I, II, III). Todas
a la misma escala por rasgo. Los polígonos de frecuencia de los histogramas se suavizaron por medio
de la función de estimado de densidad kernel; la cual genera los valores de altura de las distribuciones
con base en la distribución de probabilidad.
9
2.4 Puntos propuestos del actual proyecto de tesis para el periodo Mayo- Octubre 2015
Se tiene contemplado completar el análisis de la relación de la señal electrooculográfica con el
CAP tomando como bases de datos para el estudio 10 sujetos sanos y 10 pacientes, posiblemente
provenientes de otras patologías del sueño aparte de NFLE.
La metodología seguirá igualmente basada en la caracterización de los segmentos anotados como
fases A del CAP, además de segmentos NCAP con propósitos de validación.
Se tiene propuesto utilizar métodos de análisis espectral (FFT, wavelets, modelos ARMA),
además de métodos de análisis en el tiempo (longitudes, promedios) como métodos para
caracterización.
Se tiene todavía contemplado someter los resultados a un congreso internacional este año (aunque
no sea la EMBC 2015). Además del Congreso Nacional de Ingeniería Biomédica (CNIB 2015).
Tabla 1: KS-test p-values result of comparing the kurtosis based analysis distributions. Left: A*post
feature, right: T*post feature. Upper part: Patients vs. Controls, lower part: Real vs. Spurious A-phases.
P-values in yellow are below 0.01, value taken as significance level. In these cases, significantly
differences between the distributions was accepted.
A*post feature T*post feature
Patients vs. controls
Real A-phases Real A-phases
I II III I II III
A1 9.94E-02 2.45E-05 1.40E-01 A1 1.78E-03 9.94E-02 4.70E-02
A2 3.44E-01 3.44E-01 2.45E-05 A2 3.14E-02 2.05E-02 4.70E-02
A3 1.33E-06 8.22E-03 4.81E-05 A3 2.45E-05 1.40E-01 3.03E-03
Spurious A-phases Spurious A-phases
I II III I II III
A1 3.44E-01 8.22E-03 4.81E-05 A1 9.94E-02 5.56E-01 4.43E-01
A2 1.03E-03 5.96E-06 1.33E-06 A2 5.04E-03 4.70E-02 6.91E-02
A3 1.93E-01 3.14E-02 5.81E-04 A3 4.81E-05 3.22E-04 1.03E-03
Real vs. Spurious A-phases
Patients Patients
I II III I II III
A1 2.05E-02 9.94E-02 2.85E-06 A1 3.70E-09 1.33E-06 2.21E-08
A2 1.93E-01 1.93E-01 1.40E-01 A2 2.85E-06 5.22E-08 8.08E-11
A3 4.70E-02 5.81E-04 1.74E-04 A3 1.03E-03 1.21E-07 5.96E-06
Controls Controls
I II III I II III
A1 1.40E-01 6.91E-02 3.14E-02 A1 1.33E-06 3.03E-03 6.12E-07
A2 4.81E-05 1.31E-02 1.93E-01 A2 5.22E-08 1.15E-16 1.40E-13
A3 3.70E-12 2.75E-07 5.04E-03 A3 1.74E-04 2.45E-05 1.03E-03
10
Referencias
[1] José Saúl González Salazar, “Caracterización de la Relación Entre Señales Corticales y
Cardiovasculares en Sujetos con Epilepsia Durante el Sueño”, Tesis de maestría en ingeniería
electrónica, Universidad Autónoma de San Luis Potosí, 2013.
[2] Brown M., Marmor M., Vaegan. “ISCEV Standard for Clinical Electroculography”. Documenta
Ophthalmologica, 2006; 113:3(205-212).
[3] Arden G., Baradda A., Kelsey J., “New Clinical Test of Retinal Function Based Upon the
Standing Potential of the Eye”. Br J Ophthalmol. 1962; 46:449-465.
[4] Bulling A., Ward J., et al. “Eye Movement Analysis for Activity Recognition Using
Electrooculography”. 2010; 26:543- 51.
[5] Hema C., Paulraj M., et al., “Classification of Eye Movements Using Electrooculography”. J
Sleep Res. 2014; 9(1):13-18.
[6] Dorantes G., Mendez M., Alba A., Gonzalez-Salazar J.S., “Heart Rate Variability in Cyclic
Alternating Pattern During Sleep in Healthy and Nocturnal Frontal Lobe Epilepsy Patients”,
EMBC 2015 submitted.