La electroencefalografía ( EEG ) [ 1 ] es un método para registrar un electrograma de la actividad eléctrica espontánea del cerebro . Se ha demostrado que las bioseñales detectadas por la EEG representan los potenciales postsinápticos de las neuronas piramidales en la neocorteza y la alocórtex . [ 2 ] Generalmente es no invasiva, con los electrodos de EEG colocados a lo largo del cuero cabelludo (comúnmente llamado "EEG de cuero cabelludo") utilizando el sistema internacional 10-20 o variaciones del mismo. La electrocorticografía , que implica la colocación quirúrgica de electrodos, a veces se denomina "EEG intracraneal" . La EEG se utiliza ampliamente tanto como herramienta de diagnóstico clínico, particularmente en la epilepsia , [ 3 ] como herramienta de investigación en neurociencia . [ 4 ] La interpretación clínica de los registros de EEG se realiza mediante la inspección visual del trazado, que es el método estándar. [ 5 ] El análisis cuantitativo de EEG puede utilizarse como complemento en entornos clínicos específicos. [ 6 ] La interpretación visual del EEG está sujeta a variabilidad entre evaluadores y dentro de los evaluadores. [ 7 ]
Las fluctuaciones de voltaje medidas por el bioamplificador y los electrodos del EEG permiten evaluar la actividad cerebral normal . Dado que la actividad eléctrica monitorizada por el EEG se origina en las neuronas del tejido cerebral subyacente , las grabaciones realizadas por los electrodos en la superficie del cuero cabelludo varían según su orientación y distancia a la fuente de la actividad. Además, el valor registrado se ve distorsionado por los tejidos y huesos intermedios, que actúan de forma similar a las resistencias y los condensadores en un circuito eléctrico . Esto significa que no todas las neuronas contribuirán por igual a una señal de EEG, y que un EEG reflejará predominantemente la actividad de las neuronas corticales cercanas a los electrodos en el cuero cabelludo. Las estructuras profundas del cerebro , más alejadas de los electrodos, no contribuirán directamente a un EEG; estas incluyen la base de la circunvolución cortical , las paredes mediales de los lóbulos principales , el hipocampo , el tálamo y el tronco encefálico . [ 8 ]
Un electroencefalograma (EEG) humano sano mostrará ciertos patrones de actividad que se correlacionan con el grado de vigilia de la persona. El rango de frecuencias observadas oscila entre 1 y 30 Hz, y las amplitudes varían entre 20 y 100 μV. Las frecuencias observadas se subdividen en varios grupos: alfa (8-13 Hz), beta (13-30 Hz), delta (0,5-4 Hz) y theta (4-7 Hz). Las ondas alfa se observan cuando una persona se encuentra en un estado de vigilia relajada y son más prominentes en las regiones parietal y occipital. Durante la actividad mental intensa , las ondas beta son más prominentes en las áreas frontales, así como en otras regiones. Si se le pide a una persona relajada que abra los ojos, se observa una disminución de la actividad alfa y un aumento de la actividad beta. Las ondas theta y delta generalmente no se observan en estado de vigilia ; si se observan, es un signo de disfunción cerebral. [ 8 ]
El EEG puede detectar descargas eléctricas anormales como ondas agudas , espigas o complejos de espiga y onda , como se observa en personas con epilepsia ; por lo tanto, se usa frecuentemente para informar el diagnóstico médico . El EEG puede detectar el inicio y la evolución espacio-temporal (ubicación y tiempo) de las convulsiones y la presencia de estado epiléptico . También se usa para ayudar a diagnosticar trastornos del sueño , profundidad de la anestesia , coma , encefalopatías , hipoxia cerebral después de un paro cardíaco y muerte cerebral . El EEG solía ser un método de diagnóstico de primera línea para tumores , accidentes cerebrovasculares y otros trastornos cerebrales focales, [ 9 ] [ 10 ] pero este uso ha disminuido con el advenimiento de técnicas de imágenes anatómicas de alta resolución como la resonancia magnética (RM) y la tomografía computarizada (TC). A pesar de su resolución espacial limitada, el EEG continúa siendo una herramienta valiosa para la investigación y el diagnóstico. Es una de las pocas técnicas móviles disponibles y ofrece una resolución temporal en el rango de los milisegundos, lo cual no es posible con la TC, la PET o la RM. [ 11 ] [ 12 ]
Entre las técnicas derivadas del EEG se encuentran los potenciales evocados (PE), que consisten en promediar la actividad del EEG sincronizada con la presentación de un estímulo (visual, somatosensorial o auditivo). Los potenciales relacionados con eventos ( PRE ) se refieren a respuestas promedio del EEG sincronizadas con un procesamiento más complejo de los estímulos; esta técnica se utiliza en la ciencia cognitiva , la psicología cognitiva y la investigación psicofisiológica .
Usos
Epilepsia

El EEG es el procedimiento diagnóstico de referencia para confirmar la epilepsia . Se ha informado que la sensibilidad de un EEG de rutina para detectar descargas epileptiformes interictales en centros de epilepsia se encuentra en el rango del 29-55%. [ 13 ] Dada la baja a moderada sensibilidad, un EEG de rutina (generalmente con una duración de 20-30 minutos) puede ser normal en personas con epilepsia. Cuando un EEG muestra descargas epileptiformes interictales (p. ej., ondas agudas, espigas, complejo punta-onda , etc.), confirma la epilepsia en casi todos los casos (alta especificidad ); sin embargo, hasta el 3,5% de la población general puede tener anomalías epileptiformes en un EEG sin haber tenido nunca una crisis (baja tasa de falsos positivos ) [ 13 ] o con un riesgo muy bajo de desarrollar epilepsia en el futuro. [ 14 ]
Cuando un EEG de rutina es normal y existe una alta sospecha o necesidad de confirmar la epilepsia, se puede repetir o realizar con mayor duración en la unidad de monitorización de epilepsia (UME) o en el domicilio con un EEG ambulatorio. Además, existen maniobras de activación como la estimulación fótica, la hiperventilación y la privación del sueño que pueden aumentar el rendimiento diagnóstico del EEG. [ 13 ]
Unidad de Monitorización de Epilepsia (UME)
En ocasiones, un electroencefalograma (EEG) de rutina no es suficiente para establecer el diagnóstico ni determinar el mejor tratamiento. En estos casos, se puede intentar registrar un EEG durante una crisis epiléptica . Esto se conoce como registro ictal , a diferencia del registro interictal, que se refiere al registro de EEG entre crisis. Para obtener un registro ictal, generalmente se realiza un EEG prolongado acompañado de una grabación de audio y video sincronizada. Esto se puede realizar de forma ambulatoria (en el domicilio) o durante una hospitalización, preferiblemente en una Unidad de Monitorización de Epilepsia (UME) con personal de enfermería y otros profesionales capacitados en el cuidado de pacientes con crisis epilépticas. Los EEG ambulatorios con video suelen durar de uno a tres días. La hospitalización en una UME suele durar varios días, pero puede prolongarse una semana o más. Durante la hospitalización, generalmente se suspende la medicación anticonvulsiva para aumentar la probabilidad de que se produzca una crisis durante el ingreso. Por motivos de seguridad, no se suspende la medicación durante un EEG realizado fuera del hospital. Por lo tanto, los EEG de vídeo ambulatorios tienen la ventaja de la comodidad y son menos costosos que una hospitalización, pero también tienen la desventaja de una menor probabilidad de registrar un evento clínico. [ 15 ]
La monitorización de la epilepsia se suele considerar cuando los pacientes siguen teniendo episodios a pesar de estar tomando medicamentos anticonvulsivos o si existe la preocupación de que los episodios del paciente tengan un diagnóstico alternativo, por ejemplo, crisis no epilépticas psicógenas , síncope (desmayo) , trastornos del movimiento subcorticales , variantes de migraña , accidente cerebrovascular, etc. En casos de crisis epilépticas, la monitorización continua del EEG ayuda a caracterizar las crisis y a localizar/lateralizar la región del cerebro de donde se origina la crisis. Esto puede ayudar a identificar opciones de tratamiento no farmacológicas adecuadas. [ 16 ] En la práctica clínica, los neurólogos analizan visualmente los trazados del EEG para observar diversas características. Cada vez más, el análisis cuantitativo del EEG se utiliza junto con el análisis visual. Las representaciones de análisis cuantitativo, como el análisis del espectro de potencia, la relación alfa-delta, el EEG integrado de amplitud y la detección de espigas, pueden ayudar a identificar rápidamente segmentos del EEG que necesitan un análisis visual detallado o, en algunos casos, utilizarse como sustitutos para la identificación rápida de crisis en registros de larga duración.
Otros trastornos cerebrales
Un EEG también podría ser útil para diagnosticar o tratar los siguientes trastornos: [ 17 ]
- Tumor cerebral
- Daño cerebral por traumatismo craneoencefálico
- Disfunción cerebral que puede tener diversas causas (encefalopatía)
- Inflamación del cerebro (encefalitis)
- Ataque
- Trastornos del sueño
También puede:
- distinguir las crisis epilépticas de otros tipos de episodios, como las crisis psicógenas no epilépticas , el síncope (desmayo) , los trastornos del movimiento subcorticales y las variantes de la migraña.
- diferenciar la encefalopatía o el delirio "orgánicos" de los síndromes psiquiátricos primarios como la catatonia
- servir como prueba complementaria de muerte cerebral en pacientes en coma
- Pronosticar en pacientes en coma (en ciertos casos) o en recién nacidos con daño cerebral de diversas causas alrededor del momento del nacimiento.
- determinar si se deben suspender los medicamentos antiepilépticos
- En la enfermedad de Alzheimer , se han observado cambios en la frecuencia de la actividad EEG básica, así como una latencia prolongada de la onda P300 , y se propuso una metodología combinada EEG-ERP para evaluar el deterioro cognitivo y detectarlo precozmente. [ 18 ]
Unidad de Cuidados Intensivos (UCI)
El EEG también se puede utilizar en unidades de cuidados intensivos para monitorizar la función cerebral, detectar crisis epilépticas no convulsivas o estado epiléptico no convulsivo, controlar el efecto de la sedación o la anestesia en pacientes en coma inducido médicamente (para el tratamiento de crisis refractarias o aumento de la presión intracraneal ) y detectar daño cerebral secundario en afecciones como la hemorragia subaracnoidea (actualmente un método de investigación). [ 19 ]
En casos donde se sospecha una lesión cerebral significativa, por ejemplo, después de un paro cardíaco, el EEG puede proporcionar información pronóstica. [ 20 ] [ 21 ] [ 22 ]
Si se está considerando la cirugía resectiva para tratar la epilepsia en un paciente, a menudo es necesario localizar el foco (origen) de la actividad cerebral epiléptica con una resolución mayor que la que proporciona el EEG de cuero cabelludo. En estos casos, los neurocirujanos suelen implantar tiras y rejillas de electrodos o electrodos de penetración profunda bajo la duramadre , mediante una craneotomía o un orificio de trépano . El registro de estas señales se denomina electrocorticografía (ECoG), EEG subdural (SDE), EEG intracraneal (iEEG) o EEG estereotáctico (SEEG). La señal registrada mediante ECoG se encuentra en una escala de actividad diferente a la actividad cerebral registrada mediante EEG de cuero cabelludo. Los componentes de bajo voltaje y alta frecuencia que no se pueden observar fácilmente (o en absoluto) en el EEG de cuero cabelludo se pueden observar claramente en la ECoG. Además, los electrodos más pequeños (que cubren una porción menor de la superficie cerebral) permiten una mejor resolución espacial para delimitar las áreas críticas para el inicio y la propagación de las crisis epilépticas. Algunos centros clínicos registran datos de microelectrodos penetrantes. [ 23 ]
Electroencefalograma ambulatorio domiciliario
En ocasiones, resulta más conveniente o clínicamente necesario realizar registros de EEG ambulatorios en el domicilio de la persona examinada. [ 24 ] [ 25 ] Estos estudios suelen tener una duración de 24 a 72 horas. [ 26 ] [ 27 ]
Uso de la investigación

El EEG y el estudio relacionado de los ERP se utilizan ampliamente en neurociencia , ciencia cognitiva , psicología cognitiva , neurolingüística e investigación psicofisiológica , así como para estudiar funciones humanas como la deglución. [ 28 ] [ 29 ] [ 30 ] Ninguna de las técnicas de EEG utilizadas en la investigación está suficientemente estandarizada para uso clínico, y muchos estudios de ERP no informan todos los pasos de procesamiento necesarios para la recopilación y reducción de datos, [ 31 ] lo que limita la reproducibilidad y replicabilidad de muchos estudios. Según una revisión sistemática de la literatura y un metaanálisis de 2024 encargados por el Patient-Centered Outcomes Research Institute (PCORI), los escaneos de EEG no se pueden utilizar de manera confiable para ayudar a hacer un diagnóstico clínico de TDAH. [ 32 ] Sin embargo, el EEG continúa utilizándose en la investigación sobre discapacidades mentales, como el trastorno del procesamiento auditivo (TPA), TDA y TDAH . [ 32 ] También se han estudiado los EEG por su utilidad para detectar cambios neurofisiológicos en el cerebro después de una conmoción cerebral, [ 33 ] sin embargo, en este momento no existen técnicas de imagen avanzadas que puedan utilizarse clínicamente para diagnosticar o monitorizar la recuperación de una conmoción cerebral. [ 34 ] [ 35 ]
Ventajas
Existen otros métodos para estudiar la función cerebral, como la resonancia magnética funcional (RMf), la tomografía por emisión de positrones (PET), la magnetoencefalografía (MEG), la espectroscopia de resonancia magnética nuclear (RMN o MRS), la electrocorticografía (ECoG), la tomografía computarizada por emisión de fotón único (SPECT), la espectroscopia de infrarrojo cercano (NIRS) y la señal óptica relacionada con eventos (EROS). A pesar de la sensibilidad espacial relativamente baja del EEG, las señales unidimensionales de regiones periféricas localizadas en la cabeza lo hacen atractivo por su fidelidad simple y han permitido un alto rendimiento en la investigación clínica y básica. [ 36 ] Por lo tanto, el EEG posee algunas ventajas sobre algunas de esas otras técnicas:
- Los costos de hardware son significativamente más bajos que los de la mayoría de las otras técnicas [ 37 ].
- El EEG impide la disponibilidad limitada de tecnólogos para brindar atención inmediata en hospitales con mucho tráfico. [ 38 ]
- El EEG solo requiere una habitación tranquila y equipos del tamaño de un maletín, mientras que la fMRI, la SPECT, la PET, la MRS o la MEG requieren equipos voluminosos e inmóviles. Por ejemplo, la MEG requiere equipos que consisten en detectores refrigerados por helio líquido que solo se pueden usar en habitaciones blindadas magnéticamente, con un costo total superior a varios millones de dólares; [ 39 ] y la fMRI requiere el uso de un imán de 1 tonelada en, también, una habitación blindada.
- El EEG puede tener fácilmente una alta resolución temporal (aunque la resolución submilisegundo genera datos menos significativos), porque los dos a 32 flujos de datos generados por esa cantidad de electrodos se almacenan y procesan fácilmente, mientras que las tecnologías espaciales 3D proporcionan miles o millones de veces más flujos de datos de entrada y, por lo tanto, están limitadas por el hardware y el software. [ 40 ] El EEG se registra comúnmente a frecuencias de muestreo entre 250 y 2000 Hz en entornos clínicos y de investigación.
- El EEG es relativamente tolerante al movimiento del sujeto, a diferencia de la mayoría de las demás técnicas de neuroimagen. Incluso existen métodos para minimizar, e incluso eliminar, los artefactos de movimiento en los datos de EEG [ 41 ].
- El EEG es silencioso, lo que permite un mejor estudio de las respuestas a los estímulos auditivos.
- El EEG no agrava la claustrofobia , a diferencia del fMRI, PET, MRS, SPECT y, a veces, MEG [ 42 ].
- El EEG no implica la exposición a campos magnéticos de alta intensidad (>1 tesla ), como en algunas de las otras técnicas, especialmente la resonancia magnética (RM) y la espectroscopia por resonancia magnética (ERM). Estos pueden causar diversos problemas indeseables con los datos y también impiden el uso de estas técnicas con participantes que tienen implantes metálicos en su cuerpo, como marcapasos que contienen metal [ 43 ].
- El EEG no implica la exposición a radioligandos , a diferencia de la tomografía por emisión de positrones . [ 44 ]
- Los estudios de ERP se pueden realizar con paradigmas relativamente simples, en comparación con los estudios de fMRI con diseño de bloques IE.
- Es relativamente poco invasivo , a diferencia de la electrocorticografía , que requiere la colocación de electrodos en la superficie del cerebro.
El EEG también presenta algunas características que se comparan favorablemente con las pruebas de comportamiento:
- El EEG puede detectar el procesamiento encubierto (es decir, el procesamiento que no requiere una respuesta) [ 45 ].
- El EEG se puede utilizar en sujetos que son incapaces de realizar una respuesta motora [ 46 ].
- Algunos componentes de los potenciales evocados (ERP) pueden detectarse incluso cuando el sujeto no está prestando atención a los estímulos.
- A diferencia de otros métodos para estudiar el tiempo de reacción, los ERP pueden dilucidar las etapas del procesamiento (en lugar de solo el resultado) [ 47 ].
- La simplicidad del EEG permite realizar fácilmente el seguimiento de los cambios cerebrales durante las diferentes fases de la vida. El análisis del sueño mediante EEG puede indicar aspectos significativos del momento del desarrollo cerebral, incluyendo la evaluación de la maduración cerebral en la adolescencia. [ 48 ]
- En el EEG se comprende mejor qué señal se mide en comparación con otras técnicas de investigación, por ejemplo, la respuesta BOLD en la resonancia magnética.
Desventajas
- Baja resolución espacial en el cuero cabelludo. La resonancia magnética funcional (fMRI) , por ejemplo, puede mostrar directamente las áreas del cerebro que están activas, mientras que el electroencefalograma (EEG) requiere una interpretación intensa solo para formular hipótesis sobre qué áreas se activan con una respuesta particular. [ 49 ]
- Dependiendo de la orientación y ubicación del dipolo que causa un cambio en el EEG, puede haber una localización falsa debido al problema inverso. [ 50 ]
- El EEG no mide con precisión la actividad neuronal que se produce por debajo de las capas superiores del cerebro (la corteza).
- A diferencia de la PET y la MRS, el EEG no puede identificar ubicaciones específicas en el cerebro donde se pueden encontrar diversos neurotransmisores, fármacos, etc. [ 44 ]
- A menudo, conectar a un sujeto a un electroencefalograma (EEG) lleva mucho tiempo, ya que requiere la colocación precisa de decenas de electrodos alrededor de la cabeza y el uso de diversos geles, soluciones salinas y pastas para mantener una buena conductividad. Además, se utiliza un gorro para mantenerlos en su lugar. Si bien la duración varía según el dispositivo de EEG específico utilizado, por lo general, se requiere mucho menos tiempo para preparar a un sujeto para MEG, fMRI, MRS y SPECT.
- La relación señal-ruido es baja, por lo que se necesitan análisis de datos sofisticados y un número relativamente grande de sujetos para extraer información útil del EEG. [ 51 ]
- Actualmente, los EEG no son muy compatibles con personas que tienen cabello grueso o con textura. Incluso los peinados protectores pueden causar problemas durante las pruebas. Los investigadores están trabajando para desarrollar mejores opciones tanto para pacientes como para técnicos [ 52 ]. Además, están comenzando a implementar prácticas de recopilación de datos más sensibles a la cultura para ayudar a reducir los sesgos raciales en la investigación con EEG [ 53 ] .
Con otras técnicas de neuroimagen
Se han obtenido con éxito registros simultáneos de EEG y exploraciones de fMRI, [ 54 ] [ 55 ] [ 56 ] [ 57 ] aunque registrar ambos al mismo tiempo de manera efectiva requiere superar varias dificultades técnicas, como la presencia de artefactos balistocardiográficos, artefactos de pulso de MRI y la inducción de corrientes eléctricas en los cables de EEG que se mueven dentro de los fuertes campos magnéticos de la MRI. Si bien representan un desafío, se han superado con éxito en varios estudios. [ 58 ] [ 59 ]
Las resonancias magnéticas producen imágenes detalladas mediante la generación de campos magnéticos intensos que pueden inducir fuerzas y pares de torsión potencialmente dañinos. Estos campos generan un calentamiento por radiofrecuencia potencialmente perjudicial y crean artefactos en las imágenes, lo que las vuelve inservibles. Debido a estos riesgos potenciales, solo ciertos dispositivos médicos pueden utilizarse en un entorno de resonancia magnética.
De igual modo, también se han realizado registros simultáneos con MEG y EEG, lo que presenta varias ventajas sobre el uso de cualquiera de las técnicas por separado:
- El EEG requiere información precisa sobre ciertos aspectos del cráneo que solo pueden estimarse, como el radio craneal y la conductividad de diversas zonas del cráneo. El MEG no presenta este problema, y un análisis simultáneo permite corregirlo.
- Tanto la MEG como la EEG detectan la actividad por debajo de la superficie de la corteza de forma muy deficiente, y al igual que en la EEG, el nivel de error aumenta con la profundidad que se intenta examinar. Sin embargo, los errores son muy diferentes entre ambas técnicas, por lo que su combinación permite corregir parte de este ruido.
- La MEG prácticamente no tiene acceso a fuentes de actividad cerebral por debajo de unos pocos centímetros bajo la corteza. La EEG, por otro lado, puede recibir señales de mayor profundidad, aunque con un alto grado de ruido. La combinación de ambas facilita la determinación de qué parte de la señal de EEG proviene de la superficie (ya que la MEG es muy precisa al examinar señales de la superficie del cerebro) y qué parte proviene de zonas más profundas, lo que permite analizar señales cerebrales más profundas que las que se pueden analizar con la EEG o la MEG por separado. [ 60 ]
Recientemente, se ha investigado un enfoque combinado de EEG/MEG (EMEG) con el propósito de reconstrucción de la fuente en el diagnóstico de la epilepsia. [ 61 ]
El EEG también se ha combinado con la tomografía por emisión de positrones . Esto ofrece la ventaja de permitir a los investigadores ver qué señales de EEG están asociadas con diferentes acciones de fármacos en el cerebro. [ 62 ]
Estudios recientes que utilizan técnicas de aprendizaje automático , como redes neuronales con características temporales estadísticas extraídas de datos de ondas cerebrales EEG del lóbulo frontal , han mostrado altos niveles de éxito en la clasificación de estados mentales (relajado, neutro, concentrado), [ 63 ] estados emocionales mentales (negativo, neutro, positivo) [ 64 ] y disritmia talamocortical . [ 65 ]
Mecanismos
La carga eléctrica del cerebro se mantiene gracias a miles de millones de neuronas . [ 66 ] Las neuronas se cargan eléctricamente (o se "polarizan") mediante proteínas de transporte de membrana que bombean iones a través de sus membranas. Las neuronas intercambian iones constantemente con el medio extracelular, por ejemplo, para mantener el potencial de reposo y para propagar potenciales de acción . Los iones de carga similar se repelen entre sí, y cuando muchos iones son expulsados de muchas neuronas al mismo tiempo, pueden empujar a sus vecinas, quienes a su vez empujan a las suyas, y así sucesivamente, en una onda. Este proceso se conoce como conducción volumétrica. Cuando la onda de iones llega a los electrodos del cuero cabelludo, pueden empujar o atraer electrones del metal de los electrodos. Dado que el metal conduce fácilmente el empuje y la atracción de electrones, la diferencia en los voltajes de empuje o atracción entre dos electrodos cualesquiera se puede medir con un voltímetro . El registro de estos voltajes a lo largo del tiempo nos proporciona el EEG. [ 67 ]
El potencial eléctrico generado por una neurona individual es demasiado pequeño para ser detectado por EEG o MEG. [ 68 ] Por lo tanto, la actividad del EEG siempre refleja la suma de la actividad sincrónica de miles o millones de neuronas que tienen una orientación espacial similar. Si las células no tienen una orientación espacial similar, sus iones no se alinean y no crean ondas que puedan ser detectadas. Se cree que las neuronas piramidales de la corteza producen la mayor señal de EEG porque están bien alineadas y se activan juntas. Debido a que los gradientes del campo de voltaje disminuyen con el cuadrado de la distancia, la actividad de fuentes profundas es más difícil de detectar que las corrientes cercanas al cráneo. [ 69 ]
La actividad EEG del cuero cabelludo muestra oscilaciones en diversas frecuencias. Varias de estas oscilaciones presentan rangos de frecuencia característicos , distribuciones espaciales y se asocian con diferentes estados de funcionamiento cerebral (p. ej., vigilia y las distintas fases del sueño ). Estas oscilaciones representan la actividad sincronizada en una red neuronal. Se conocen las redes neuronales subyacentes a algunas de estas oscilaciones (p. ej., la resonancia talamocortical que subyace a los husos del sueño ), mientras que muchas otras no (p. ej., el sistema que genera el ritmo básico posterior). Las investigaciones que miden tanto el EEG como la actividad neuronal revelan que la relación entre ambos es compleja, y que la combinación de la potencia del EEG en la banda gamma y la fase en la banda delta se relaciona más fuertemente con la actividad neuronal. [ 70 ]
Método

En el electroencefalograma (EEG) convencional del cuero cabelludo, el registro se obtiene colocando electrodos sobre el cuero cabelludo con un gel o pasta conductora, generalmente después de preparar la zona mediante una ligera abrasión para reducir la impedancia causada por las células muertas de la piel. Muchos sistemas suelen utilizar electrodos, cada uno conectado a un cable individual. Algunos sistemas utilizan gorros o mallas en las que se insertan los electrodos; esto es especialmente común cuando se necesitan matrices de electrodos de alta densidad.
La ubicación y los nombres de los electrodos se especifican mediante el sistema internacional 10-20 [ 71 ] para la mayoría de las aplicaciones clínicas y de investigación (excepto cuando se utilizan matrices de alta densidad). Este sistema garantiza que la nomenclatura de los electrodos sea consistente entre laboratorios. En la mayoría de las aplicaciones clínicas, se utilizan 19 electrodos de registro (más tierra y referencia del sistema) [ 72 ] . Normalmente se utiliza un número menor de electrodos al registrar el EEG de neonatos . Se pueden agregar electrodos adicionales a la configuración estándar cuando una aplicación clínica o de investigación requiere una mayor resolución espacial para un área particular del cerebro. Las matrices de alta densidad (normalmente mediante gorro o red) pueden contener hasta 256 electrodos espaciados más o menos uniformemente alrededor del cuero cabelludo.
Cada electrodo se conecta a una entrada de un amplificador diferencial (un amplificador por cada par de electrodos); un electrodo de referencia común del sistema se conecta a la otra entrada de cada amplificador diferencial. Estos amplificadores amplifican la tensión entre el electrodo activo y la referencia (normalmente entre 1.000 y 100.000 veces, o entre 60 y 100 dB de ganancia de potencia). En el EEG analógico, la señal se filtra (véase el párrafo siguiente) y se emite como la desviación de las plumas al pasar el papel por debajo. Sin embargo, la mayoría de los sistemas de EEG actuales son digitales, y la señal amplificada se digitaliza mediante un convertidor analógico-digital , tras pasar por un filtro anti-aliasing . El muestreo analógico-digital suele producirse entre 256 y 512 Hz en el EEG clínico de cuero cabelludo; en algunas aplicaciones de investigación se utilizan frecuencias de muestreo de hasta 20 kHz.
Durante la grabación, se pueden utilizar diversos procedimientos de activación. Estos procedimientos pueden inducir actividad electroencefalográfica (EEG) normal o anormal que de otro modo no se detectaría. Entre estos procedimientos se incluyen la hiperventilación, la estimulación fótica (con luz estroboscópica), el cierre de los ojos, la actividad mental, el sueño y la privación del sueño. Durante la monitorización de la epilepsia (en pacientes hospitalizados), se puede suspender la medicación anticonvulsiva habitual del paciente.
The digital EEG signal is stored electronically and can be filtered for display. Typical settings for the high-pass filter and a low-pass filter are 0.5–1 Hz and 35–70 Hz respectively. The high-pass filter typically filters out slow artifact, such as electrogalvanic signals and movement artifact, whereas the low-pass filter filters out high-frequency artifacts, such as electromyographic signals. An additional notch filter is typically used to remove artifact caused by electrical power lines (60 Hz in the United States and 50 Hz in many other countries).[23]
The EEG signals can be captured with opensource hardware such as OpenBCI and the signal can be processed by freely available EEG software such as EEGLAB or the Neurophysiological Biomarker Toolbox.
As part of an evaluation for epilepsy surgery, it may be necessary to insert electrodes near the surface of the brain, under the surface of the dura mater. This is accomplished via burr hole or craniotomy. This is referred to variously as "electrocorticography (ECoG)", "intracranial EEG (I-EEG)" or "subdural EEG (SD-EEG)". Depth electrodes may also be placed into brain structures, such as the amygdala or hippocampus, structures, which are common epileptic foci and may not be "seen" clearly by scalp EEG. The electrocorticographic signal is processed in the same manner as digital scalp EEG (above), with a couple of caveats. ECoG is typically recorded at higher sampling rates than scalp EEG because of the requirements of Nyquist theorem – the subdural signal is composed of a higher predominance of higher frequency components. Also, many of the artifacts that affect scalp EEG do not impact ECoG, and therefore display filtering is often not needed.
A typical adult human EEG signal is about 10 μV to 100 μV in amplitude when measured from the scalp.[73]
Since an EEG voltage signal represents a difference between the voltages at two electrodes, the display of the EEG for the reading electroencephalographer may be set up in one of several ways. The representation of the EEG channels is referred to as a montage.
- Sequential montage
- Cada canal (es decir, cada forma de onda) representa la diferencia entre dos electrodos adyacentes. El montaje completo consta de una serie de estos canales. Por ejemplo, el canal "Fp1-F3" representa la diferencia de voltaje entre el electrodo Fp1 y el electrodo F3. El siguiente canal del montaje, "F3-C3", representa la diferencia de voltaje entre F3 y C3, y así sucesivamente a lo largo de toda la matriz de electrodos.
- montaje referencial
- Cada canal representa la diferencia entre un electrodo determinado y un electrodo de referencia designado. No existe una posición estándar para esta referencia; sin embargo, se encuentra en una posición diferente a la de los electrodos de "registro". Las posiciones de la línea media se utilizan con frecuencia porque no amplifican la señal en un hemisferio con respecto al otro, como Cz, Oz, Pz, etc., como referencia en línea. Otras referencias fuera de línea populares son:
- Referencia REST: que es una referencia computacional fuera de línea en el infinito donde el potencial es cero. REST (técnica de estandarización de electrodos de referencia) toma las fuentes equivalentes dentro del cerebro de cualquier conjunto de registros del cuero cabelludo como punto de partida para vincular los registros reales con cualquier referencia no nula en línea o fuera de línea (promedio, oídos vinculados, etc.) a los nuevos registros con el infinito cero como referencia estandarizada. [ 74 ]
- "orejas conectadas": que es un promedio físico o matemático de electrodos unidos a ambos lóbulos de las orejas o mastoides .
- montaje de referencia promedio
- Las señales de salida de todos los amplificadores se suman y se promedian, y esta señal promedio se utiliza como referencia común para cada canal.
- montaje laplaciano
- Cada canal representa la diferencia entre un electrodo y un promedio ponderado de los electrodos circundantes. [ 75 ]
Cuando se utilizan electroencefalogramas analógicos (en papel), el técnico cambia entre diferentes montajes durante la grabación para resaltar o caracterizar mejor ciertas características del EEG. Con el EEG digital, todas las señales se digitalizan y almacenan en un montaje específico (generalmente de referencia); dado que cualquier montaje se puede construir matemáticamente a partir de cualquier otro, el electroencefalografista puede visualizar el EEG en cualquier montaje que desee.
El electroencefalograma (EEG) lo interpreta un neurofisiólogo clínico o un neurólogo (según la práctica y la legislación local en materia de especialidades médicas ), idealmente uno con formación específica en la interpretación de EEG con fines clínicos. Esto se realiza mediante la inspección visual de las ondas, denominadas grafoelementos. El uso del procesamiento informático de señales del EEG —la llamada electroencefalografía cuantitativa— resulta algo controvertido en su aplicación clínica (aunque tiene numerosas aplicaciones en investigación).
Electrodos de EEG secos
A principios de la década de 1990, Babak Taheri, de la Universidad de California, Davis, demostró los primeros conjuntos de electrodos activos secos, tanto de un solo canal como multicanal, mediante micromecanizado. La construcción y los resultados del electrodo EEG seco de un solo canal se publicaron en 1994. [ 76 ] También se demostró que el electrodo en matriz tenía un buen rendimiento en comparación con los electrodos de plata / cloruro de plata . El dispositivo constaba de cuatro sitios de sensores con electrónica integrada para reducir el ruido mediante la adaptación de impedancia . Las ventajas de estos electrodos son: (1) no se utiliza electrolito, (2) no se requiere preparación de la piel, (3) el tamaño del sensor se reduce significativamente y (4) es compatible con los sistemas de monitorización de EEG. La matriz de electrodos activos es un sistema integrado compuesto por una matriz de sensores capacitivos con circuitos integrados locales alojados en un paquete con baterías para alimentar los circuitos. Este nivel de integración fue necesario para lograr el rendimiento funcional obtenido por el electrodo. El electrodo se probó en un banco de pruebas eléctricas y en sujetos humanos en cuatro modalidades de actividad EEG, a saber: (1) EEG espontáneo, (2) potenciales evocados sensoriales, (3) potenciales del tronco encefálico y (4) potenciales evocados cognitivos. El rendimiento del electrodo seco se comparó favorablemente con el de los electrodos húmedos estándar en términos de preparación de la piel, ausencia de necesidad de gel (seco) y mayor relación señal-ruido. [ 77 ]
En 1999, investigadores de la Universidad Case Western Reserve , en Cleveland , Ohio , liderados por Hunter Peckham, utilizaron un casco EEG de 64 electrodos para restaurar los movimientos limitados de las manos de Jim Jatich, un hombre tetrapléjico . Mientras Jatich se concentraba en conceptos simples pero opuestos como arriba y abajo, su actividad EEG de ritmo beta se analizó mediante software para identificar patrones en el ruido. Se identificó un patrón básico que se utilizó para controlar un interruptor: una actividad superior a la media se activaba y una inferior, se desactivaba. Además de permitir a Jatich controlar el cursor de una computadora, las señales también se utilizaron para activar los controladores nerviosos implantados en sus manos, restaurando así parte del movimiento. [ 78 ]
En 2018, se informó sobre un electrodo seco funcional compuesto de un elastómero de polidimetilsiloxano relleno de nanofibras de carbono conductoras. Esta investigación se llevó a cabo en el Laboratorio de Investigación del Ejército de los EE . UU. [ 79 ] La tecnología EEG a menudo implica la aplicación de un gel en el cuero cabelludo que facilita una fuerte relación señal-ruido. Esto da como resultado resultados experimentales más reproducibles y confiables. Dado que a los pacientes no les gusta que se les llene el cabello con gel, y la larga configuración requiere personal capacitado a mano, utilizar EEG fuera del entorno del laboratorio puede ser difícil. [ 80 ] Además, se ha observado que el rendimiento de los sensores de electrodos húmedos disminuye después de un período de horas. [ 79 ] Por lo tanto, la investigación se ha dirigido al desarrollo de interfaces bioelectrónicas EEG secas y semisecas.
También se han desarrollado sistemas de electrodos EEG híbridos secos-húmedos para combinar la rápida configuración de los electrodos secos con la estabilidad de la señal de las grabaciones basadas en gel. Un ejemplo es el sistema de electrodos EEG híbrido g.SAHARA, desarrollado por g.tec medical engineering GmbH, una empresa de neurotecnología con sede en Austria. El sistema utiliza electrodos activos fabricados con un polímero conductor con múltiples pines diseñados para mantener el contacto a través del cabello, lo que permite realizar grabaciones de EEG sin gel o con gel conductor opcional aplicado a través de una abertura central. Este enfoque híbrido tiene como objetivo reducir la impedancia electrodo-piel a la vez que se mantiene la flexibilidad de configuración, y se ha utilizado en entornos de investigación en las posiciones estándar de EEG definidas por el sistema internacional 10-20. [ 81 ]
Las señales de los electrodos secos dependen del contacto mecánico. Por lo tanto, puede ser difícil obtener una señal útil debido a la impedancia entre la piel y el electrodo. [ 80 ] [ 79 ] Algunos sistemas de EEG intentan sortear este problema aplicando una solución salina. [ 82 ] Otros tienen una naturaleza semiseca y liberan pequeñas cantidades de gel al entrar en contacto con el cuero cabelludo. [ 80 ] Otra solución utiliza configuraciones de pines con resorte. Estos pueden ser incómodos. También pueden ser peligrosos si se utilizan en una situación en la que un paciente pueda golpearse la cabeza, ya que podrían quedar alojados después de un traumatismo por impacto. [ 79 ]
Actualmente, existen auriculares que incorporan electrodos secos con hasta 30 canales. [ 83 ] Estos diseños pueden compensar parte de la degradación de la calidad de la señal relacionada con las altas impedancias mediante la optimización de la preamplificación, el blindaje y la mecánica de soporte. [ 84 ]
Limitaciones
EEG has several limitations. Most important is its poor spatial resolution.[85] EEG is most sensitive to a particular set of post-synaptic potentials: those generated in superficial layers of the cortex, on the crests of gyri directly abutting the skull and radial to the skull. Dendrites which are deeper in the cortex, inside sulci, in midline or deep structures (such as the cingulate gyrus or hippocampus), or producing currents that are tangential to the skull, make far less contribution to the EEG signal.
EEG recordings do not directly capture axonal action potentials. An action potential can be accurately represented as a current quadrupole, meaning that the resulting field decreases more rapidly than the ones produced by the current dipole of post-synaptic potentials.[39] In addition, since EEGs represent averages of thousands of neurons, a large population of cells in synchronous activity is necessary to cause a significant deflection on the recordings. Action potentials are very fast and, as a consequence, the chances of field summation are slim. However, neural backpropagation, as a typically longer dendritic current dipole, can be picked up by EEG electrodes and is a reliable indication of the occurrence of neural output.
Not only do EEGs capture dendritic currents almost exclusively as opposed to axonal currents, they also show a preference for activity on populations of parallel dendrites and transmitting current in the same direction at the same time. Pyramidal neurons of cortical layers II/III and V extend apical dendrites to layer I. Currents moving up or down these processes underlie most of the signals produced by electroencephalography.[86]
EEG thus provides information with a large bias in favor of particular neuron types, locations and orientations. So it generally should not be used to make claims about global brain activity. The meninges, cerebrospinal fluid and skull "smear" the EEG signal, obscuring its intracranial source.
It is mathematically impossible to reconstruct a unique intracranial current source for a given EEG signal,[23] as some currents produce potentials that cancel each other out. This is referred to as the inverse problem. However, much work has been done to produce remarkably good estimates of, at least, a localized electric dipole that represents the recorded currents.[87]
EEG's benefits over fMRI, fNIRS, fUS and PET
El EEG tiene varias ventajas como herramienta para explorar la actividad cerebral. El EEG tiene una excelente resolución temporal y puede detectar cambios en milisegundos, lo que es particularmente útil para evaluar una reacción a un estímulo considerando que un potencial de acción tarda aproximadamente 0,5 a 130 milisegundos en propagarse a través de una sola neurona, dependiendo del tipo de neurona. [ 88 ] Otros métodos para observar la actividad cerebral, como PET , fMRI o fUS, tienen una resolución temporal de entre segundos y minutos. El EEG mide la actividad eléctrica del cerebro directamente, mientras que otros métodos registran cambios en el flujo sanguíneo (p. ej., SPECT , fMRI, fUS) o la actividad metabólica (p. ej., PET, NIRS ), que son marcadores indirectos de la actividad eléctrica cerebral.
El EEG se puede utilizar simultáneamente con la resonancia magnética funcional (RMf) o la ecografía funcional (fUS) para registrar datos de alta resolución temporal y espacial al mismo tiempo. Sin embargo, dado que los datos de cada técnica se obtienen en un lapso de tiempo diferente, los conjuntos de datos no representan necesariamente la misma actividad cerebral. La combinación de EEG y RMf presenta dificultades técnicas, como la necesidad de eliminar el artefacto de gradiente de la RMN durante su adquisición. Además, el campo magnético de la RMN puede inducir corrientes en los cables de los electrodos de EEG en movimiento.
El EEG puede utilizarse simultáneamente con NIRS o fUS sin mayores dificultades técnicas. Estas modalidades no se influyen mutuamente y una medición combinada puede proporcionar información útil sobre la actividad eléctrica y la hemodinámica con una resolución espacial media.
El EEG también se combina frecuentemente con la espectroscopia funcional de infrarrojo cercano (fNIRS) para permitir la medición simultánea de la actividad eléctrica neuronal rápida y las respuestas hemodinámicas más lentas asociadas con el acoplamiento neurovascular. En estos enfoques multimodales, el EEG proporciona una resolución temporal de nivel de milisegundos, mientras que la fNIRS aporta información complementaria sobre los cambios en la hemoglobina oxigenada y desoxigenada con una resolución espacial moderada. Las mediciones combinadas de EEG-fNIRS se pueden realizar sin interferencias técnicas importantes entre las modalidades y, por lo tanto, son muy adecuadas para estudios realizados fuera de entornos de imagen altamente controlados. Se han desarrollado sistemas de investigación EEG-fNIRS inalámbricos integrados para admitir la adquisición de datos sincronizados en una única configuración portátil, incluidas plataformas como los auriculares inalámbricos g.Nautilus para EEG y fNIRS producidos por g.tec medical engineering GmbH, que permiten el registro simultáneo de señales multicanal de EEG y fNIRS para aplicaciones en neurociencia cognitiva, investigación de interfaces cerebro-computadora y neurorrehabilitación. [ 89 ]
EEG frente a MEG
El EEG refleja la actividad sináptica correlacionada causada por los potenciales postsinápticos de las neuronas corticales . Las corrientes iónicas involucradas en la generación de potenciales de acción rápidos pueden no contribuir significativamente a los potenciales de campo promedio que representan el EEG. [ 68 ] [ 90 ] Más específicamente, se cree que los potenciales eléctricos del cuero cabelludo que producen el EEG son causados generalmente por las corrientes iónicas extracelulares causadas por la actividad eléctrica dendrítica , mientras que los campos que producen señales magnetoencefalográficas [ 39 ] están asociados con corrientes iónicas intracelulares. [ 91 ]
Actividad normal
Electroencefalograma humano con actividad en estado de reposo prominente: ritmo alfa. Izquierda: trazas de EEG (horizontal: tiempo en segundos; vertical: amplitudes, escala de 100 μV). Derecha: espectros de potencia de las señales mostradas (líneas verticales: 10 y 20 Hz, escala lineal). El ritmo alfa consiste en ondas sinusoidales con frecuencias en el rango de 8 a 12 Hz (11 Hz en este caso), más prominentes en las regiones posteriores. El rango alfa se muestra en rojo en el gráfico del espectro de potencia.
Electroencefalograma humano en estado de reposo. Izquierda: trazas de EEG (horizontal: tiempo en segundos; vertical: amplitudes, escala de 100 μV). Derecha: espectros de potencia de las señales mostradas (líneas verticales: 10 y 20 Hz, escala lineal). Entre el 80 % y el 90 % de las personas presentan ondas sinusoidales prominentes con frecuencias entre 8 y 12 Hz (ritmo alfa). Otras (como en este caso) carecen de este tipo de actividad.
Artefactos comunes en el EEG humano. 1: Artefacto electrooculográfico causado por la excitación de los músculos del globo ocular (relacionado con el parpadeo, por ejemplo). Onda positiva lenta y de gran amplitud, prominente en los electrodos frontales. 2: Artefacto del electrodo causado por un mal contacto (y por lo tanto, mayor impedancia) entre el electrodo P3 y la piel. 3: Artefacto de deglución. 4: Artefacto común del electrodo de referencia causado por un mal contacto entre el electrodo de referencia y la piel. Onda enorme similar en todos los canales.
Un segundo de señal EEG
El EEG se describe típicamente en términos de (1) actividad rítmica y (2) transitorios. La actividad rítmica se divide en bandas por frecuencia. En cierta medida, estas bandas de frecuencia son una cuestión de nomenclatura (es decir, cualquier actividad rítmica entre 8 y 12 Hz puede describirse como "alfa"), pero estas designaciones surgieron porque se observó que la actividad rítmica dentro de un cierto rango de frecuencia tenía una distribución determinada en el cuero cabelludo o una cierta importancia biológica. Las bandas de frecuencia generalmente se extraen utilizando métodos espectrales (por ejemplo, Welch) implementados, por ejemplo, en software de EEG de libre acceso como EEGLAB o Neurophysiological Biomarker Toolbox . El procesamiento computacional del EEG se denomina a menudo electroencefalografía cuantitativa (qEEG).
La mayor parte de la señal cerebral observada en el EEG del cuero cabelludo se encuentra en el rango de 1 a 20 Hz (la actividad por debajo o por encima de este rango probablemente sea un artefacto, según las técnicas de registro clínico estándar). Las formas de onda se subdividen en anchos de banda conocidos como alfa, beta, theta y delta para representar la mayor parte del EEG utilizado en la práctica clínica. [ 92 ]
Comparación de bandas de EEG
La práctica de usar solo números enteros en las definiciones proviene de consideraciones prácticas de la época en que solo se podían contar ciclos completos en registros en papel. Esto genera lagunas en las definiciones, como se observa en otras partes de esta página. Las definiciones teóricas siempre se han definido con mayor precisión para incluir todas las frecuencias. Desafortunadamente, no existe consenso en las obras de referencia estándar sobre cuáles deberían ser estos rangos : los valores para el extremo superior de alfa y el extremo inferior de beta incluyen 12, 13, 14 y 15. Si se toma el umbral como 14 Hz, entonces la onda beta más lenta tiene aproximadamente la misma duración que el pico más largo (70 ms), lo que convierte a este valor en el más útil.

patrones de ondas

- La onda delta abarca el rango de frecuencias de hasta 4 Hz. Suele presentar la mayor amplitud y las ondas más lentas. Normalmente se observa en adultos durante el sueño de ondas lentas y en bebés. Puede presentarse de forma focal en lesiones subcorticales y de forma generalizada en lesiones difusas, encefalopatía metabólica, hidrocefalia o lesiones profundas de la línea media. Generalmente es más prominente en la región frontal en adultos (p. ej., FIRDA : delta rítmico intermitente frontal) y en la región posterior en niños (p. ej., OIRDA : delta rítmico intermitente occipital).

- Theta es el rango de frecuencia de 4 Hz a 7 Hz. Theta se observa normalmente en niños pequeños. Puede observarse en la somnolencia o excitación en niños mayores y adultos; también puede observarse en la meditación . [ 99 ] Un exceso de theta para la edad representa una actividad anormal. Puede observarse como una alteración focal en lesiones subcorticales focales; puede observarse en una distribución generalizada en trastornos difusos o encefalopatía metabólica o trastornos profundos de la línea media o algunos casos de hidrocefalia. Por el contrario, este rango se ha asociado con informes de estados relajados, meditativos y creativos.

- Alfa es el rango de frecuencia de 8 Hz a 12 Hz. [ 100 ] Hans Berger denominó a la primera actividad rítmica del EEG que observó la "onda alfa". Este era el "ritmo básico posterior" (también llamado "ritmo dominante posterior" o "ritmo alfa posterior"), visto en las regiones posteriores de la cabeza en ambos lados, con mayor amplitud en el lado dominante. Emerge al cerrar los ojos y con la relajación, y se atenúa al abrir los ojos o con el esfuerzo mental. El ritmo básico posterior es en realidad más lento que 8 Hz en niños pequeños (por lo tanto, técnicamente en el rango theta).

- Además del ritmo básico posterior, existen otros ritmos alfa normales como el ritmo mu (actividad alfa en las áreas corticales sensoriales y motoras contralaterales) que emerge cuando las manos y los brazos están inactivos; y el "tercer ritmo" (actividad alfa en los lóbulos temporales o frontales). [ 101 ] [ 102 ] El alfa puede ser anormal; por ejemplo, un EEG que presenta alfa difuso en coma y no responde a estímulos externos se denomina "coma alfa".

- Beta es el rango de frecuencia de 13 Hz a aproximadamente 30 Hz. Se observa generalmente en ambos lados en una distribución simétrica y es más evidente en el lóbulo frontal. La actividad beta está estrechamente relacionada con el comportamiento motor y generalmente se atenúa durante los movimientos activos. [ 103 ] La beta de baja amplitud con frecuencias múltiples y variables se asocia a menudo con el pensamiento activo, agitado o ansioso y la concentración activa. La beta rítmica con un conjunto dominante de frecuencias se asocia con diversas patologías, como el síndrome Dup15q , y efectos de fármacos, especialmente benzodiazepinas . Puede estar ausente o reducida en áreas de daño cortical. Es el ritmo dominante en pacientes que están alerta o ansiosos o que tienen los ojos abiertos.

- Gamma es el rango de frecuencia de aproximadamente 30 a 100 Hz. Se cree que los ritmos gamma representan la unión de diferentes poblaciones de neuronas en una red con el propósito de llevar a cabo una determinada función cognitiva o motora. [ 23 ]
- El rango de Mu es de 8 a 13 Hz y se superpone parcialmente con otras frecuencias. Refleja la activación sincrónica de las motoneuronas en estado de reposo. Se cree que la supresión de Mu refleja los sistemas de neuronas espejo motoras, ya que cuando se observa una acción, el patrón se extingue, posiblemente porque los sistemas neuronales normales y espejo se desincronizan e interfieren entre sí. [ 98 ]
En algunos contextos de investigación, se registra la actividad "ultralenta" o "cercana a la corriente continua " mediante amplificadores de CC. No suele registrarse en un contexto clínico, ya que la señal a estas frecuencias es susceptible a diversos artefactos.
Algunas características del EEG son transitorias en lugar de rítmicas. Las espigas y las ondas agudas pueden representar actividad epiléptica o actividad interictal en personas con epilepsia o predisposición a padecerla. Otras características transitorias son normales: las ondas del vértice y los husos del sueño se observan durante el sueño normal.
Existen tipos de actividad que, si bien son estadísticamente poco comunes, no están asociados con disfunciones ni enfermedades. A menudo se les denomina "variantes normales". El ritmo mu es un ejemplo de variante normal.
El electroencefalograma (EEG) normal varía según la edad. El EEG prenatal y el EEG neonatal son bastante diferentes del EEG del adulto. Los fetos en el tercer trimestre y los recién nacidos muestran dos patrones comunes de actividad cerebral: "discontinuo" y "alternante de traza". La actividad eléctrica "discontinua" se refiere a ráfagas agudas de actividad eléctrica seguidas de ondas de baja frecuencia. La actividad eléctrica "alternante de traza" describe ráfagas agudas seguidas de intervalos cortos de alta amplitud y generalmente indica sueño tranquilo en los recién nacidos. [ 104 ] El EEG en la infancia generalmente tiene oscilaciones de frecuencia más lentas que el EEG del adulto.
El EEG normal también varía según el estado. El EEG se utiliza junto con otras mediciones ( EOG , EMG ) para definir las etapas del sueño en la polisomnografía . La etapa I del sueño (equivalente a la somnolencia en algunos sistemas) aparece en el EEG como una pérdida del ritmo básico posterior. Puede haber un aumento en las frecuencias theta. Santamaria y Chiappa catalogaron varios de los diversos patrones asociados con la somnolencia. La etapa II del sueño se caracteriza por husos de sueño: secuencias transitorias de actividad rítmica en el rango de 12 a 14 Hz (a veces denominada banda "sigma") que tienen un máximo frontocentral. La mayor parte de la actividad en la etapa II está en el rango de 3 a 6 Hz. Las etapas III y IV del sueño se definen por la presencia de frecuencias delta y a menudo se denominan colectivamente "sueño de ondas lentas". Las etapas I a IV comprenden el sueño no REM (o "NREM"). El EEG en el sueño REM (movimiento ocular rápido) parece algo similar al EEG de vigilia.
El EEG bajo anestesia general depende del tipo de anestésico empleado. Con anestésicos halogenados, como el halotano , o agentes intravenosos, como el propofol , se observa un patrón de EEG rápido (alfa o beta baja) y no reactivo en la mayor parte del cuero cabelludo, especialmente en la región anterior; en una terminología antigua, este patrón se conocía como WAR (anterior rápido generalizado), en contraste con un patrón WAIS (lento generalizado) asociado a dosis altas de opiáceos . Los efectos de los anestésicos en las señales de EEG comienzan a comprenderse a nivel de las acciones de los fármacos en diferentes tipos de sinapsis y los circuitos que permiten la actividad neuronal sincronizada. [ 105 ] Los algoritmos recientes basados en la representación de diagramas de estado mediante señales de EEG permiten monitorizar los estados cerebrales durante la anestesia general, clasificando la profundidad cerebral bajo diferentes sedaciones. [ 106 ]
Artefactos

El EEG es una técnica extremadamente útil para estudiar la actividad cerebral, pero la señal medida siempre está contaminada por artefactos que pueden afectar el análisis de los datos. Un artefacto es cualquier señal medida que no se origina en el cerebro. Aunque existen múltiples algoritmos para la eliminación de artefactos, el problema de cómo abordarlos sigue siendo una incógnita. El origen de los artefactos puede deberse a problemas relacionados con el instrumento, como electrodos defectuosos, ruido en la línea o alta impedancia de los electrodos, o bien a la fisiología del sujeto que se está registrando. Esto puede incluir parpadeos y movimientos oculares, actividad cardíaca y actividad muscular, y este tipo de artefactos son más difíciles de eliminar. Los artefactos pueden sesgar la interpretación visual de los datos de EEG, ya que algunos pueden imitar la actividad cognitiva, lo que podría afectar el diagnóstico de problemas como la enfermedad de Alzheimer o los trastornos del sueño. Por lo tanto, la eliminación de dichos artefactos en los datos de EEG utilizados para aplicaciones prácticas es de suma importancia. [ 107 ]
Eliminación de artefactos
Es importante poder distinguir los artefactos de la actividad cerebral genuina para evitar interpretaciones erróneas de los datos de EEG. Los enfoques generales para la eliminación de artefactos son la prevención, el rechazo y la cancelación. El objetivo de cualquier enfoque es desarrollar una metodología capaz de identificar y eliminar artefactos sin afectar la calidad de la señal de EEG. Dado que las fuentes de artefactos son muy diversas, la mayoría de los investigadores se centran en desarrollar algoritmos que identifiquen y eliminen un único tipo de ruido en la señal. El filtrado simple mediante un filtro de muesca se emplea comúnmente para rechazar componentes con una frecuencia de 50/60 Hz. Sin embargo, estos filtros simples no son una opción adecuada para tratar todos los artefactos, ya que en algunos casos, sus frecuencias se superponen con las frecuencias del EEG.
Los algoritmos de regresión tienen un costo computacional moderado y son simples. Representaron el método de corrección más popular hasta mediados de la década de 1990, cuando fueron reemplazados por métodos de tipo "separación ciega de fuentes". Los algoritmos de regresión funcionan bajo la premisa de que todos los artefactos están compuestos por uno o más canales de referencia. Restar estos canales de referencia de los otros canales contaminados, ya sea en el dominio del tiempo o de la frecuencia, estimando el impacto de los canales de referencia en los otros canales, corregiría los canales para el artefacto. Aunque el requisito de canales de referencia finalmente llevó a que esta clase de algoritmos fuera reemplazada, aún representan el punto de referencia con el que se evalúan los algoritmos modernos. [ 108 ] Los algoritmos de separación ciega de fuentes (BSS) empleados para eliminar artefactos incluyen el análisis de componentes principales (PCA) y el análisis de componentes independientes (ICA), y varios algoritmos de esta clase han tenido éxito en abordar la mayoría de los artefactos fisiológicos. [ 108 ] Los algoritmos recientes en tiempo real basados en el transporte de ondículas, denominados normalización de cuantiles de ondículas (WQN), ahora se pueden utilizar para encontrar y reemplazar segmentos de artefactos en tiempo real en ausencia de información sobre el artefacto. Estas clases de algoritmos dependen de la continuidad de la energía espectral en las diferentes bandas de frecuencia [ 109 ] [ 110 ]
Artefactos fisiológicos
Artefactos oculares
Los artefactos oculares afectan significativamente la señal del EEG. Esto se debe a que los movimientos oculares provocan cambios en los campos eléctricos que rodean los ojos, distorsionando el campo eléctrico sobre el cuero cabelludo. Dado que el EEG se registra en el cuero cabelludo, también distorsiona la señal registrada. Existe una discrepancia entre los investigadores: algunos sostienen que los artefactos oculares son, o pueden describirse razonablemente como, un único generador, mientras que otros argumentan que es importante comprender los mecanismos potencialmente complejos. Se han propuesto tres mecanismos potenciales para explicar el artefacto ocular.
El primer mecanismo es el movimiento del dipolo corneorretiniano, que postula la formación de un dipolo eléctrico entre la córnea y la retina, ya que la primera tiene carga positiva y la segunda negativa. Cuando el ojo se mueve, este dipolo también lo hace, impactando el campo eléctrico sobre el cuero cabelludo; esta es la visión más común. El segundo mecanismo es el movimiento del dipolo retiniano, similar al primero pero con la diferencia de que postula la existencia de una diferencia de potencial, y por lo tanto un dipolo a través de la retina, con una mínima influencia de la córnea. El tercer mecanismo es el movimiento del párpado. Se sabe que se produce un cambio de voltaje alrededor de los ojos cuando el párpado se mueve, incluso si el globo ocular permanece inmóvil. Se cree que el párpado puede describirse como una fuente de potencial deslizante y que el impacto del parpadeo en el EEG registrado es diferente al del movimiento ocular. [ 111 ]
Los artefactos de aleteo palpebral de un tipo característico se denominaban anteriormente ritmo Kappa (u ondas Kappa). Suelen observarse en las derivaciones prefrontales, es decir, justo encima de los ojos. A veces se observan con actividad mental. Generalmente se encuentran en el rango Theta (4-7 Hz) o Alfa (7-14 Hz). Se les dio ese nombre porque se creía que se originaban en el cerebro. Estudios posteriores revelaron que se generaban por un rápido aleteo de los párpados, a veces tan sutil que resultaba difícil de ver. En realidad, son ruido en la lectura del EEG y, técnicamente, no deberían denominarse ritmo u onda. Por lo tanto, en electroencefalografía, el fenómeno se denomina artefacto de aleteo palpebral, en lugar de ritmo Kappa (u onda). [ 112 ]
La propagación del artefacto ocular se ve afectada por múltiples factores, incluyendo las propiedades del cráneo, los tejidos neuronales y la piel del sujeto, pero la señal puede aproximarse como inversamente proporcional al cuadrado de la distancia a los ojos. El electrooculograma (EOG) consiste en una serie de electrodos que miden los cambios de voltaje cerca del ojo y es la herramienta más común para tratar el artefacto de movimiento ocular en la señal EEG. [ 111 ]
Artefactos musculares
Otra fuente de artefactos son los diversos movimientos musculares en todo el cuerpo. Este tipo particular de artefacto suele registrarse mediante todos los electrodos del cuero cabelludo debido a la actividad miogénica (aumento o disminución de la presión arterial). El origen de estos artefactos no tiene una ubicación única y surge de grupos musculares funcionalmente independientes, lo que significa que sus características no son constantes. Los patrones observados debido a los artefactos musculares varían según el sexo del sujeto, el tejido muscular específico y su grado de contracción. El rango de frecuencia de los artefactos musculares es amplio y se superpone con todos los ritmos clásicos del EEG. Sin embargo, la mayor parte de la potencia se concentra en el rango inferior de las frecuencias observadas, de 20 a 300 Hz, lo que hace que la banda gamma sea particularmente susceptible a los artefactos musculares. Algunos artefactos musculares pueden tener actividad con una frecuencia tan baja como 2 Hz, por lo que las bandas delta y theta también pueden verse afectadas por la actividad muscular. Los artefactos musculares pueden afectar los estudios del sueño, ya que los movimientos inconscientes de bruxismo (rechinar de dientes) o los ronquidos pueden afectar seriamente la calidad del EEG registrado. Además, las grabaciones realizadas a pacientes con epilepsia pueden verse significativamente afectadas por la existencia de artefactos musculares. [ 113 ]
Artefactos cardíacos
El potencial debido a la actividad cardíaca introduce errores en el electrocardiograma (ECG) en el EEG. [ 114 ] Los artefactos que surgen debido a la actividad cardíaca pueden eliminarse con la ayuda de una señal de referencia de ECG. [ 107 ]
Otros artefactos fisiológicos
Los artefactos glosocinéticos se producen por la diferencia de potencial entre la base y la punta de la lengua. Los movimientos leves de la lengua pueden interferir con el EEG, especialmente en enfermedades parkinsonianas y temblores .
artefactos ambientales
Además de los artefactos generados por el propio cuerpo, muchos se originan fuera de él. El movimiento del paciente, o incluso el simple asentamiento de los electrodos, puede provocar chasquidos en los electrodos , picos que se originan por un cambio momentáneo en la impedancia de un electrodo determinado. Una mala conexión a tierra de los electrodos de EEG puede causar un artefacto significativo de 50 o 60 Hz, dependiendo de la frecuencia del sistema eléctrico local . Una tercera fuente de posible interferencia puede ser la presencia de una infusión intravenosa ; estos dispositivos pueden causar descargas rítmicas, rápidas y de bajo voltaje, que pueden confundirse con picos.
Actividad anormal
La actividad anormal se puede clasificar a grandes rasgos en actividad epileptiforme y no epileptiforme. También se puede clasificar en focal o difusa.
Las descargas epileptiformes focales representan potenciales rápidos y sincrónicos en un gran número de neuronas en un área relativamente delimitada del cerebro. Pueden presentarse como actividad interictal, entre crisis epilépticas, y representan un área de irritabilidad cortical que podría predisponer a la aparición de crisis epilépticas. Las descargas interictales no son del todo fiables para determinar si un paciente padece epilepsia ni el origen de sus crisis. (Véase epilepsia focal ).
Las descargas epileptiformes generalizadas suelen tener un máximo anterior, pero se observan de forma sincrónica en todo el cerebro. Son un fuerte indicio de epilepsia generalizada.
La actividad anormal focal no epileptiforme puede presentarse en áreas del cerebro donde existe daño focal en la corteza o la sustancia blanca . A menudo consiste en un aumento de los ritmos de baja frecuencia o una pérdida de los ritmos normales de alta frecuencia. También puede manifestarse como una disminución focal o unilateral de la amplitud de la señal del EEG.
La actividad anormal difusa no epileptiforme puede manifestarse como ritmos anormalmente lentos difusos o como una ralentización bilateral de los ritmos normales, como el PBR.
Los electrodos de encefalograma intracortical y los electrodos subdurales pueden utilizarse conjuntamente para discriminar y diferenciar los artefactos procedentes de eventos epileptiformes y otros eventos neurológicos graves.
Medidas más avanzadas de señales EEG anormales también han recibido recientemente atención como posibles biomarcadores para diferentes trastornos como la enfermedad de Alzheimer . [ 115 ]
Comunicación remota
Los sistemas para decodificar el habla imaginada a partir de EEG tienen aplicaciones como en las interfaces cerebro-computadora . [ 116 ]
Diagnóstico mediante EEG
El Departamento de Defensa (DoD), el Departamento de Asuntos de Veteranos (VA) y el Laboratorio de Investigación del Ejército de los EE. UU . (ARL) colaboraron en el diagnóstico mediante EEG para detectar lesiones cerebrales traumáticas leves a moderadas (LCTM) en soldados en combate. [ 117 ] Entre 2000 y 2012, el 75 % de las lesiones cerebrales sufridas en operaciones militares estadounidenses se clasificaron como LCTM. En respuesta, el DoD buscó nuevas tecnologías capaces de detectar LCTM de forma rápida, precisa, no invasiva y en el campo para abordar esta lesión. [ 117 ]
Combat personnel often develop PTSD and mTBI in correlation. Both conditions present with altered low-frequency brain wave oscillations.[118] Altered brain waves from PTSD patients present with decreases in low-frequency oscillations, whereas, mTBI injuries are linked to increased low-frequency wave oscillations. Effective EEG diagnostics can help doctors accurately identify conditions and appropriately treat injuries in order to mitigate long-term effects.[119]
Traditionally, clinical evaluation of EEGs involved visual inspection. Instead of a visual assessment of brain wave oscillation topography, quantitative electroencephalography (qEEG), computerized algorithmic methodologies, analyzes a specific region of the brain and transforms the data into a meaningful "power spectrum" of the area.[117] Accurately differentiating between mTBI and PTSD can significantly increase positive recovery outcomes for patients especially since long-term changes in neural communication can persist after an initial mTBI incident.[119]
Another common measurement made from EEG data is that of complexity measures such as Lempel-Ziv complexity, fractal dimension, and spectral flatness,[36] which are associated with particular pathologies or pathology stages.
Economics
Inexpensive EEG devices exist for the low-cost research and consumer markets. Recently, a few companies have miniaturized medical grade EEG technology to create versions accessible to the general public. Some of these companies have built commercial EEG devices retailing for less than US$100.
- In 2004 OpenEEG released its ModularEEG as open source hardware. Compatible open source software includes a game for balancing a ball.
- In 2007 NeuroSky released the first affordable consumer based EEG along with the game NeuroBoy. This was also the first large scale EEG device to use dry sensor technology.[120]
- In 2008 OCZ Technology developed device for use in video games relying primarily on electromyography.
- In 2008 the Final Fantasy developer Square Enix announced that it was partnering with NeuroSky to create a game, Judecca.[121][122]
- In 2009 Mattel partnered with NeuroSky to release the Mindflex, a game that used an EEG to steer a ball through an obstacle course. By far the best-selling consumer based EEG to date.[121][123]
- En 2009, Uncle Milton Industries se asoció con NeuroSky para lanzar Star Wars Force Trainer , un juego diseñado para crear la ilusión de poseer la Fuerza . [ 121 ] [ 124 ]
- En 2010, NeuroSky añadió una función de parpadeo y electromiografía al MindSet. [ 125 ]
- En 2011, NeuroSky lanzó MindWave, un dispositivo EEG diseñado para fines educativos y juegos. [ 126 ] MindWave ganó el premio del Libro Guinness de los Récords Mundiales a la "Máquina más pesada movida mediante una interfaz de control cerebral". [ 127 ]
- En 2012, la empresa japonesa de dispositivos electrónicos Neurowear lanzó Necomimi: unos auriculares con orejas de gato motorizadas. Estos auriculares son una unidad NeuroSky MindWave con dos motores en la diadema, donde normalmente estarían las orejas de un gato. Unas fundas con forma de orejas de gato cubren los motores, de modo que, a medida que el dispositivo registra estados emocionales, las orejas se mueven en consecuencia. Por ejemplo, cuando el dispositivo está relajado, las orejas caen hacia los lados y se levantan cuando el dispositivo se emociona.
- En 2014, OpenBCI lanzó una interfaz cerebro-computadora de código abierto homónima tras una exitosa campaña de Kickstarter en 2013. La placa, posteriormente rebautizada como "Cyton", cuenta con 8 canales, ampliables a 16 con el módulo Daisy. Es compatible con EEG, EKG y EMG . La placa Cyton se basa en el circuito integrado ADS1299 de Texas Instruments y el microcontrolador Arduino o PIC, y su precio inicial era de 399 dólares, antes de aumentar a 999 dólares. Utiliza electrodos de copa metálicos estándar y pasta conductora.
- En 2015, Mind Solutions Inc. lanzó el BCI de consumo más pequeño hasta la fecha, el NeuroSync . Este dispositivo funciona como un sensor seco con un tamaño no mayor que el de un auricular Bluetooth . [ 128 ]
- En 2015, la empresa china Macrotellect lanzó BrainLink Pro y BrainLink Lite , un producto portátil de EEG para el consumidor que ofrece 20 aplicaciones para mejorar la actividad cerebral en las tiendas de aplicaciones de Apple y Android . [ 129 ]
- En 2021, BioSerenity lanzó Neuronaute e Icecap, unos auriculares EEG desechables de un solo uso que permiten realizar grabaciones con una calidad equivalente a la de los electrodos de copa tradicionales. [ 130 ] [ 131 ]
Investigación futura
El EEG se ha utilizado para muchos propósitos además de los usos convencionales del diagnóstico clínico y la neurociencia cognitiva convencional. Un uso temprano fue durante la Segunda Guerra Mundial por el Cuerpo Aéreo del Ejército de los EE. UU. para detectar pilotos en riesgo de sufrir convulsiones; [ 132 ] los registros de EEG a largo plazo en pacientes con epilepsia todavía se utilizan hoy para la predicción de convulsiones . El neurofeedback sigue siendo una extensión importante, y en su forma más avanzada también se intenta como base de las interfaces cerebro-computadora . [ 133 ] El EEG también se utiliza bastante ampliamente en el campo del neuromarketing .
El electroencefalograma (EEG) se ve alterado por fármacos que afectan las funciones cerebrales, sustancias químicas que constituyen la base de la psicofarmacología . Los primeros experimentos de Berger registraron los efectos de los fármacos en el EEG. La farmacoencefalografía ha desarrollado métodos para identificar sustancias que alteran sistemáticamente las funciones cerebrales con fines terapéuticos y recreativos.
Honda está intentando desarrollar un sistema que permita a un operador controlar su robot Asimo mediante EEG, una tecnología que espera incorporar en el futuro a sus automóviles. [ 134 ]
Los EEG se han utilizado como prueba en juicios penales en el estado indio de Maharashtra . [ 135 ] [ 136 ] El Perfil de Firma de Oscilación Eléctrica Cerebral (BEOS, por sus siglas en inglés), una técnica de EEG, se utilizó en el juicio del Estado de Maharashtra contra Sharma para demostrar que Sharma recordaba haber usado arsénico para envenenar a su ex prometido, aunque la fiabilidad y la base científica del BEOS son objeto de controversia. [ 137 ]
Actualmente se están realizando muchas investigaciones para hacer que los dispositivos EEG sean más pequeños, más portátiles y más fáciles de usar. El llamado "EEG portátil" se basa en la creación de electrónica de recolección inalámbrica de bajo consumo y electrodos "secos" que no requieren un gel conductor para su uso. [ 138 ] El EEG portátil tiene como objetivo proporcionar pequeños dispositivos EEG que solo se encuentran en la cabeza y que pueden registrar EEG durante días, semanas o meses seguidos, como el EEG auricular . Este monitoreo prolongado y fácil de usar podría suponer un cambio radical en el diagnóstico de afecciones crónicas como la epilepsia y mejorar enormemente la aceptación por parte del usuario final de los sistemas BCI. [ 139 ] También se están realizando investigaciones para identificar soluciones específicas para aumentar la duración de la batería de los dispositivos EEG portátiles mediante el uso del enfoque de reducción de datos.
En la investigación, actualmente el EEG se usa a menudo en combinación con el aprendizaje automático . [ 140 ] Los datos de EEG se preprocesan y luego se pasan a algoritmos de aprendizaje automático. Estos algoritmos se entrenan para reconocer diferentes enfermedades como la esquizofrenia , [ 141 ] la epilepsia [ 142 ] o la demencia . [ 143 ] Además, se usan cada vez más para estudiar la detección de convulsiones. [ 144 ] [ 145 ] [ 146 ] [ 147 ] Al usar el aprendizaje automático, los datos se pueden analizar automáticamente. A largo plazo, esta investigación tiene como objetivo construir algoritmos que apoyen a los médicos en su práctica clínica [ 148 ] y para proporcionar más información sobre las enfermedades. [ 149 ] En este sentido, a menudo se calculan medidas de complejidad de los datos de EEG, como la complejidad de Lempel-Ziv , la dimensión fractal y la planitud espectral . [ 36 ] Se ha demostrado que combinar o multiplicar dichas medidas puede revelar información previamente oculta en los datos de EEG. [ 36 ]
Las señales EEG de intérpretes musicales se utilizaron para crear composiciones instantáneas y un CD del Proyecto de Música de Ondas Cerebrales, dirigido en el Centro de Música por Computadora de la Universidad de Columbia por Brad Garton y Dave Soldier . De manera similar, una grabación de una hora de duración de las ondas cerebrales de Ann Druyan se incluyó en el Disco de Oro Voyager , lanzado en las sondas Voyager en 1977, en caso de que alguna inteligencia extraterrestre pudiera descifrar sus pensamientos, que incluían cómo era enamorarse.
Historia


En 1875, Richard Caton (1842-1926), médico que ejercía en Liverpool , presentó sus hallazgos sobre los fenómenos eléctricos de los hemisferios cerebrales expuestos de conejos y monos en el British Medical Journal . En 1890, el fisiólogo polaco Adolf Beck publicó una investigación sobre la actividad eléctrica espontánea del cerebro de conejos y perros que incluía oscilaciones rítmicas alteradas por la luz. Beck inició experimentos sobre la actividad eléctrica cerebral de los animales. Beck colocó electrodos directamente sobre la superficie del cerebro para comprobar la estimulación sensorial. Su observación de la actividad cerebral fluctuante lo llevó a la conclusión de que existían ondas cerebrales. [ 150 ]
En 1912, el fisiólogo ucraniano Vladimir Vladimirovich Pravdich-Neminsky publicó el primer EEG animal y el potencial evocado del mamífero (perro). [ 151 ] En 1914, Napoleon Cybulski y Jelenska-Macieszyna fotografiaron registros de EEG de convulsiones inducidas experimentalmente.
El fisiólogo y psiquiatra alemán Hans Berger (1873-1941) registró el primer EEG humano en 1924. [ 152 ] Ampliando el trabajo realizado previamente en animales por Richard Caton y otros, Berger también inventó el electroencefalógrafo (dándole nombre al dispositivo), una invención descrita como "uno de los desarrollos más sorprendentes, notables y trascendentales en la historia de la neurología clínica". [ 153 ] Sus descubrimientos fueron confirmados por primera vez por los científicos británicos Edgar Douglas Adrian y BHC Matthews en 1934 y desarrollados por ellos.
En 1934, Fisher y Lowenbach demostraron por primera vez las espigas epileptiformes. En 1935, Gibbs , Davis y Lennox describieron las ondas espiga interictales y el patrón de tres ciclos/s de las crisis de ausencia clínicas , lo que dio inicio al campo de la electroencefalografía clínica. [ 154 ] Posteriormente, en 1936, Gibbs y Jasper informaron sobre la espiga interictal como la característica focal de la epilepsia. Ese mismo año, se inauguró el primer laboratorio de EEG en el Hospital General de Massachusetts.
Franklin Offner (1911-1999), profesor de biofísica en la Universidad Northwestern, desarrolló un prototipo de EEG que incorporaba una máquina de escribir con tinta piezoeléctrica llamada Crystograph (el dispositivo completo se conocía normalmente como Offner Dynograph ).
En 1947 se fundó la Sociedad Estadounidense de EEG y se celebró el primer congreso internacional de EEG. En 1953, Aserinsky y Kleitman describieron el sueño REM .
En la década de 1950, William Grey Walter desarrolló una técnica complementaria al electroencefalograma (EEG) llamada topografía EEG , que permitía mapear la actividad eléctrica en la superficie del cerebro. Esta técnica gozó de un breve período de popularidad en la década de 1980 y parecía especialmente prometedora para la psiquiatría. Sin embargo, nunca fue aceptada por los neurólogos y sigue siendo principalmente una herramienta de investigación.

Un sistema de electroencefalografía fabricado por Beckman Instruments se utilizó en al menos uno de los vuelos espaciales tripulados del Proyecto Gemini (1965-1966) para monitorizar las ondas cerebrales de los astronautas durante el vuelo. Fue uno de los muchos instrumentos de Beckman Instruments especializados y utilizados por la NASA. [ 155 ]
El primer caso del uso de EEG para controlar un objeto físico, un robot, se registró en 1988. El robot seguía una línea o se detenía según la actividad alfa del sujeto. Si el sujeto se relajaba y cerraba los ojos, aumentando así la actividad alfa, el robot se movía. Si abría los ojos, disminuyendo la actividad alfa, el robot se detenía en la trayectoria. [ 156 ]
Véase también
- electroencefalografía integrada de amplitud
- Latidos binaurales
- Sincronización de ondas cerebrales
- Monitorización de la función cerebral
- Comparación de dispositivos de interfaz cerebro-computadora para el consumidor
- Interfaces cerebrales directas
- Mediciones de EEG durante la anestesia
- microestados del EEG
- Pulso electromagnético
- Electroneurograma
- Electropalatógrafo
- Sistemas Emotivos
- Potencial relacionado con eventos
- formato de datos europeo
- Excursión
- casco de Dios
- Hemoencefalografía
- Hipersincronización de la actividad electrofisiológica en la epilepsia.
- Actividad inducida
- Potenciales de campo locales
- Magnetoencefalografía
- Máquina mental
- oscilaciones neuronales
- Sincronía neuronal
- Actividad cerebral continua
- Michael Graham Saunders
- Potencial espontáneo
- análisis de EEG
Referencias
- ↑ Comparar CEE : Moran A (2 de agosto de 2004). Psicología del deporte y el ejercicio: una introducción crítica . Hove, East Sussex: Routledge. pág. 104. ISBN 978-1-134-70410-1. Recuperado el 6 de julio de 2024 .
[...] métodos electroencefalográficos (EEC) [...]. En un experimento típico de EEC, se coloca un electrodo en el cuero cabelludo de una persona para detectar la actividad eléctrica de las neuronas en la región cerebral subyacente. Luego se coloca otro electrodo en el lóbulo de la oreja de la persona, donde no hay actividad eléctrica que detectar. A continuación, se registra el EEC para indicar la diferencia en los potenciales eléctricos detectados por los electrodos [...]. En los últimos años, se ha realizado una cantidad considerable de investigación sobre la actividad EEC en atletas [...].
- ↑ Amzica F, Lopes da Silva FH (noviembre de 2017). Schomer DL, Lopes da Silva FH (eds.). Sustratos celulares de los ritmos cerebrales . Vol. 1. Oxford University Press. doi : 10.1093/med/9780190228484.003.0002 .
- ↑ Tatum WO, Rubboli G, Kaplan PW, et al. (2018). "Utilidad clínica del EEG en el diagnóstico y seguimiento de la epilepsia en adultos". Neurofisiología Clínica . 129 (5): 1056– 1082. doi : 10.1016/j.clinph.2018.01.019 . PMID 29483017 .
- ↑ Welke D, Mushtaq F, van den Bosch J, et al. (2024). "Cien años de EEG para la investigación del cerebro y el comportamiento". Nature Human Behaviour . 8 (8): 1437– 1443. doi : 10.1038/s41562-024-01941-5 . hdl : 10261/382634 . PMID 39174725 .
- ↑ Tatum WO, Olga S, Ochoa JG, Munger Clary H, Cheek J, Drislane F, et al. (2016). "Guía 7 de la Sociedad Americana de Neurofisiología Clínica: Guías para la elaboración de informes de EEG". Journal of Clinical Neurophysiology . 33 (4): 328– 332. doi : 10.1097/WNP.0000000000000319 . PMID 27482790 .
- ↑ Nuwer M (1997). "Evaluación del EEG digital, el EEG cuantitativo y el mapeo cerebral mediante EEG: informe de la Academia Estadounidense de Neurología y la Sociedad Estadounidense de Neurofisiología Clínica". Neurology . 49 (1): 277– 292. doi : 10.1212/WNL.49.1.277 . PMID 9222209 .
- ↑ Aanestad E, Beniczky S, Olberg H, Brogger J (2024). "Revelando la variabilidad: una revisión sistemática de la reproducibilidad en el análisis visual del EEG, con énfasis en las crisis epilépticas" . Epileptic Disorders . 26 (6): 827– 839. doi : 10.1002/epd2.20291 . PMC 11651379. PMID 39340408 .
- 1 2 Eric R. Kandel, John Koester, Sarah Mack, Steven Siegelbaum (2021). Principios de neurociencia (6.ª ed.). Nueva York: McGraw-Hill Companies. pág. 1450. ISBN 978-1-259-64223-4OCLC 1199587061
- ↑ "EEG: Enciclopedia médica MedlinePlus" . medlineplus.gov . Archivado del original el 5 de julio de 2016. Consultado el 24 de julio de 2022 .
- ↑ Chernecký CC, Berger BJ (2013). Pruebas de laboratorio y procedimientos de diagnóstico (6ª ed.). St. Louis, Missouri: Elsevier. ISBN 978-1-4557-0694-5.
- ↑ Deschamps A, Ben Abdallah A, Jacobsohn E, Saha T, Djaiani G, El-Gabalawy R, et al. (julio de 2024). "Anestesia guiada por electroencefalografía y delirio en adultos mayores después de cirugía cardíaca: el ensayo clínico aleatorizado ENGAGES-Canadá" . JAMA . 332 (2): 112– 123. doi : 10.1001/jama.2024.8144 . PMC 11165413. PMID 38857019 .
- ↑ Hao D, Fritz BA, Saddawi-Konefka D, Palanca BJ (noviembre de 2023). "Debate a favor y en contra: anestesia guiada por electroencefalografía para reducir el delirio postoperatorio". Anesthesia and Analgesia . 137 (5): 976– 982. doi : 10.1213/ANE.0000000000006399 . PMID 37862399 .
- 1 2 3 Pillai J, Sperling MR (2006). "EEG interictal y el diagnóstico de epilepsia". Epilepsia . 47 Suppl 1 (Suppl 1): 14– 22. doi : 10.1111/j.1528-1167.2006.00654.x . PMID 17044820 . S2CID 8668713 .
- ↑ So EL (agosto de 2010). "Descargas epileptiformes interictales en personas sin antecedentes de convulsiones: ¿qué significan?". Journal of Clinical Neurophysiology . 27 (4): 229– 238. doi : 10.1097/WNP.0b013e3181ea42a4 . PMID 20634716 .
- ↑ Li C, Amin U, Rivera-Cruz A, Frontera AT, Benbadis SR (octubre de 2023). "El rendimiento del video-EEG ambulatorio: predictores de la captura exitosa de eventos" . Neurology Clinical Practice . 13 (5) e200194. doi : 10.1212/CPJ.0000000000200194 . PMC 10511269. PMID 37736066 .
- ^ van Rooij LG, Hellström-Westas L, de Vries LS (agosto de 2013). "Tratamiento de las convulsiones neonatales". Seminarios de Medicina Fetal y Neonatal . 18 (4): 209– 215. doi : 10.1016/j.siny.2013.01.001 . PMID 23402893 .
- ↑ "EEG (Electroencefalograma) – Mayo Clinic" . Mayo Clinic . Archivado del original el 30 de agosto de 2019. Consultado el 30 de agosto de 2019 .
- ↑ Derkowski W, Derkowski P (1 de junio de 2026). "Una metodología reproducible de EEG-ERP para evaluar el deterioro cognitivo: integración de la latencia P300 y la frecuencia del EEG en estado de reposo" . MethodsX . 16 103986. doi : 10.1016/j.mex.2026.103986 . ISSN 2215-0161 . PMC 13251188 .
- ↑ Rubinos C, Alkhachroum A, Der-Nigoghossian C, Claassen J (2020). "Monitorización electroencefalográfica en cuidados intensivos" . Seminars in Neurology . 40 (6): 675– 680. doi : 10.1055/s-0040-1719073 . ISSN 1098-9021 . PMC 7856834. PMID 33176375 .
- ↑ Shivji Z, Bendahan N, McInnis C, Woodford T, Einspenner M, Calder L, et al. (17 de diciembre de 2024). "Electroencefalografía (EEG) para el pronóstico neurológico en el coma postanóxico tras un paro cardíaco y su relación con el resultado" . Brain Sciences . 14 (12): 1264. doi : 10.3390/brainsci14121264 . ISSN 2076-3425 . PMC 11674226. PMID 39766463 .
- ↑ Lilja L, Joelsson S, Nilsson J, Lindgren S, Rylander C (2021). "Aplicación de una clasificación estandarizada de patrones de EEG en la evaluación del pronóstico neurológico después de un paro cardíaco: un análisis retrospectivo" . Resuscitation . 165 : 38–44 . doi : 10.1016/j.resuscitation.2021.05.037 . ISSN 0300-9572 . PMID 34119554 .
- ↑ Doumbouya I, Diawara K, Hapca E, Barry DN, Traoré M, Carelli G, et al. (21 de octubre de 2025). "Electroencefalografía en la Unidad de Cuidados Intensivos: Experiencia del Departamento de Exploraciones Neurosensoriales Funcionales del Hospital de Gonesse, Francia" . Cureus . 17 ( 10) e95086. doi : 10.7759/cureus.95086 . ISSN 2168-8184 . PMC 12634017. PMID 41280996 .
- 1 2 3 4 Niedermeyer E, da Silva FL (2004). Electroencefalografía: Principios básicos, aplicaciones clínicas y campos relacionados . Lippincott Williams & Wilkins. ISBN 978-0-7817-5126-1.
- ↑ Lawley A, Evans S, Manfredonia F, Cavanna AE (2015). "El papel de la electroencefalografía ambulatoria en el diagnóstico y manejo de adultos con epilepsia o trastorno de crisis no epilépticas: una revisión sistemática de la literatura". Epilepsy & Behavior . 53 : 26–30 . doi : 10.1016/j.yebeh.2015.09.032 . ISSN 1525-5069 . PMID 26515156 .
- ↑ Seneviratne U, D'Souza WJ (2019). "EEG ambulatorio". Neurofisiología clínica: fundamentos y aspectos técnicos . Manual de neurología clínica. Vol. 160. págs. 161–170 . doi : 10.1016/B978-0-444-64032-1.00010-2 . ISBN 978-0-444-64032-1ISSN 0072-9752 PMID 31277845
- ↑ "Diagnóstico mediante EEG ambulatorio | Fundación para la Epilepsia" . www.epilepsy.com . Consultado el 10 de mayo de 2026 .
- ↑ Klein H, Pang T, Slater J, Ramsay RE (2021). "¿Cuánto tiempo es suficiente? Establecimiento de una duración óptima de grabación para el video-EEG ambulatorio" . Epilepsia Open . 6 (3): 569– 578. doi : 10.1002/epi4.12517 . ISSN 2470-9239 . PMC 8408602. PMID 34197695 .
- ↑ Yang H, Ang KK, Wang C, Phua KS, Guan C (2016). "Análisis neuronal y cortical de la deglución y detección de imágenes motoras de la deglución para la rehabilitación de la disfagia: una revisión". Interfaces cerebro-computadora: experimentos de laboratorio a aplicaciones del mundo real . Progress in Brain Research. Vol. 228. pp. 185–219 . doi : 10.1016/bs.pbr.2016.03.014 . ISBN 978-0-12-804216-8. PMID 27590970 .
- ↑ Jestrović I, Coyle JL, Sejdić E (octubre de 2015). "Decodificación de la deglución humana mediante electroencefalografía: una revisión del estado del arte" . Journal of Neural Engineering . 12 (5) 051001. Bibcode : 2015JNEng..12e1001J . doi : 10.1088/ 1741-2560 /12/5/051001 . PMC 4596245. PMID 26372528 .
- ↑ Cuellar M, Harkrider AW, Jenson D, Thornton D, Bowers A, Saltuklaroglu T (julio de 2016). "Análisis tiempo-frecuencia del ritmo mu del EEG como medida de la integración sensoriomotora en las etapas posteriores de la deglución". Neurofisiología Clínica . 127 (7): 2625– 2635. doi : 10.1016/j.clinph.2016.04.027 . PMID 27291882. S2CID 3746307 .
- ↑ Clayson PE, Carbine KA, Baldwin SA, Larson MJ (noviembre de 2019). "Comportamiento de informes metodológicos, tamaños de muestra y potencia estadística en estudios de potenciales relacionados con eventos: barreras para la reproducibilidad y replicabilidad" . Psicofisiología . 56 ( 11) e13437. doi : 10.1111/psyp.13437 . PMID 31322285. S2CID 197665482. Archivado del original el 7 de octubre de 2022. Recuperado el 7 de octubre de 2022 .
- 1 2 Peterson BS, Trampush J, Maglione M, Bolshakova M, Brown M, Rozelle M, et al. (2024). "Diagnóstico y tratamiento del TDAH en niños y adolescentes" . effectivehealthcare.ahrq.gov . doi : 10.23970/ahrqepccer267 . PMID 38657097. Consultado el 19 de junio de 2024 .
- ↑ Burma JS, Lapointe AP, Wilson M, Penner LC, Kennedy CM, Newel KT, et al. (2024). "Conmoción cerebral relacionada con el deporte en adolescentes y los cambios neurofisiológicos asociados: una revisión sistemática". Neurología pediátrica . 150 : 97–106 . doi : 10.1016/j.pediatrneurol.2023.10.020 . ISSN 1873-5150 . PMID 38006666 .
- ↑ "Guía práctica para la conmoción cerebral pediátrica" . Guía práctica para el cuidado de la conmoción cerebral pediátrica . Consultado el 21 de noviembre de 2024 .
- ↑ "Inicio | Directrices para la conmoción cerebral en la vida" . concussionsontario.org . Consultado el 21 de noviembre de 2024 .
- 1 2 3 4 Burns T, Rajan R (2015). " Combinación de medidas de complejidad de datos EEG: la multiplicación de medidas revela información previamente oculta" . F1000Research . 4 : 137. doi : 10.12688/f1000research.6590.1 . PMC 4648221. PMID 26594331 .
- ↑ Vespa PM, Nenov V, Nuwer MR (enero de 1999). "Monitorización continua del EEG en la unidad de cuidados intensivos: hallazgos iniciales y eficacia clínica". Journal of Clinical Neurophysiology . 16 (1): 1– 13. doi : 10.1097/00004691-199901000-00001 . PMID 10082088 .
- ↑ Schultz TL (marzo de 2012). "Consejos técnicos: electrodos de EEG compatibles con resonancia magnética: ventajas, desventajas y viabilidad financiera en un entorno clínico". The Neurodiagnostic Journal . 52 (1): 69–81 . PMID 22558648 .
- 1 2 3 Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano en funcionamiento" . Reviews of Modern Physics . 65 (2): 413– 97. Bibcode : 1993RvMP...65..413H . doi : 10.1103/RevModPhys.65.413 . Archivado del original el 26 de enero de 2019. Recuperado el 10 de septiembre de 2018 .
- ↑ Montoya-Martínez J, Vanthornhout J, Bertrand A, Francart T (2021). "Efecto del número y la ubicación de los electrodos EEG en la medición del seguimiento neuronal del habla" . PLOS ONE . 16 (2) e0246769. Bibcode : 2021PLoSO..1646769M . bioRxiv 10.1101/800979 . doi : 10.1371/journal.pone.0246769 . PMC 7877609. PMID 33571299 .
- ↑ O'Regan S, Faul S, Marnane W (2010). "Detección automática de artefactos EEG derivados de movimientos de la cabeza". Conferencia Internacional Anual de Ingeniería en Medicina y Biología del IEEE de 2010. págs. 6353–6 . doi : 10.1109/IEMBS.2010.5627282 . ISBN 978-1-4244-4123-5.
- ↑ Murphy KJ, Brunberg JA (1997). "Claustrofobia, ansiedad y sedación en adultos durante la resonancia magnética". Magnetic Resonance Imaging . 15 (1): 51– 54. doi : 10.1016/S0730-725X(96)00351-7 . PMID 9084025 .
- ↑ Schenck JF (junio de 1996). "El papel de la susceptibilidad magnética en la resonancia magnética: compatibilidad magnética de primera y segunda clase en la RM". Medical Physics . 23 (6): 815– 850. Bibcode : 1996MedPh..23..815S . doi : 10.1118/1.597854 . PMID 8798169 .
- 1 2 Yasuno F, Brown AK, Zoghbi SS, Krushinski JH, Chernet E, Tauscher J, et al. (enero de 2008). "El radioligando PET [ 11C ] MePPEP se une reversiblemente y con una señal altamente específica a los receptores cannabinoides CB1 en el cerebro de primates no humanos" . Neuropsychopharmacology . 33 (2): 259– 269. doi : 10.1038/sj.npp.1301402 . PMID 17392732 .
- ↑ Mulholland T (2012). «Métodos EEG objetivos para estudiar cambios encubiertos de la atención visual» . En McGuigan FJ, Schoonover RA (eds.). La psicofisiología del pensamiento: estudios de procesos encubiertos . Elsevier. pp. 109–151 . ISBN 978-0-323-14700-2.
- ↑ Hinterberger T, Kübler A, Kaiser J, Neumann N, Birbaumer N (marzo de 2003). "Una interfaz cerebro-computadora (BCI) para el síndrome de enclaustramiento: comparación de diferentes clasificaciones de EEG para el dispositivo de traducción de pensamientos". Neurofisiología clínica . 114 ( 3): 416– 425. doi : 10.1016/S1388-2457(02)00411-X . PMID 12705422. S2CID 11857440 .
- ↑ Sereno SC, Rayner K, Posner MI (julio de 1998). "Establecimiento de una línea de tiempo del reconocimiento de palabras: evidencia a partir de movimientos oculares y potenciales relacionados con eventos". NeuroReport . 9 ( 10): 2195– 2200. doi : 10.1097/00001756-199807130-00009 . PMID 9694199. S2CID 19466604 .
- ↑ Feinberg I, Campbell IG (febrero de 2013). "Las trayectorias longitudinales del EEG del sueño indican patrones complejos de maduración cerebral adolescente" . American Journal of Physiology. Regulatory, Integrative and Comparative Physiology . 304 (4): R296– R303. doi : 10.1152/ajpregu.00422.2012 . PMC 3567357. PMID 23193115 .
- Resumen divulgativo en: «Un estudio sobre el sueño revela cómo el cerebro adolescente transita hacia el pensamiento maduro» . ScienceDaily (Comunicado de prensa). 19 de marzo de 2013.
- ↑ Srinivasan R (1999). "Métodos para mejorar la resolución espacial del EEG". Revista Internacional . 1 (1): 102– 11.
- ↑ Grech R, Cassar T, Muscat J, Camilleri KP, Fabri SG, Zervakis M, et al. (noviembre de 2008). " Revisión sobre la resolución del problema inverso en el análisis de fuentes de EEG" . Journal of Neuroengineering and Rehabilitation . 5 (1) 25. doi : 10.1186/1743-0003-5-25 . PMC 2605581. PMID 18990257 .
- ↑ Schlögl A, Slater M, Pfurtscheller G (2002). "Investigación sobre la presencia y EEG" (PDF) . Archivado (PDF) del original el 11 de agosto de 2017. Recuperado el 24 de agosto de 2013 .
- ↑ Etienne A, Laroia T, Weigle H, Afelin A, Kelly SK, Krishnan A, et al. (2020). "Nuevos electrodos para registros EEG fiables en cabello grueso y rizado". 42.ª Conferencia Internacional Anual de la Sociedad de Ingeniería en Medicina y Biología del IEEE (EMBC) de 2020. págs. 6151–6154 . bioRxiv 10.1101/2020.02.26.965202 . doi : 10.1109/EMBC44109.2020.9176067 . ISBN 978-1-7281-1990-8. PMID 33019375 .
- ↑ Adams EJ, Scott ME, Amarante M, Ramírez CA, Rowley SJ, Noble KG, et al. (abril de 2024). "Fomentando la inclusión en las medidas de EEG de la actividad cerebral pediátrica" . npj Science of Learning . 9 (1) 27. Bibcode : 2024npjSL...9...27A . doi : 10.1038/s41539-024-00240-y . PMC 10987610. PMID 38565857 .
- ↑ Huang-Hellinger FR, Breiter HC, McCormack G, Cohen MS, Kwong KK, Sutton JP, et al. (1995). "Simulación simultánea de imágenes por resonancia magnética funcional y registro electrofisiológico". Human Brain Mapping . 3 : 13–23 . doi : 10.1002/hbm.460030103 . S2CID 145788101 .
- ↑ Goldman RI, Stern JM, Engel J, Cohen MS (noviembre de 2000). "Adquisición simultánea de EEG y resonancia magnética funcional". Neurofisiología clínica . 111 (11): 1974– 1980. doi : 10.1016/s1388-2457(00)00456-9 . PMID 11068232. S2CID 11716369 .
- ↑ Horovitz SG, Skudlarski P, Gore JC (mayo de 2002). "Correlaciones y disociaciones entre la señal BOLD y la amplitud P300 en una tarea de detección de estímulos auditivos infrecuentes: un enfoque paramétrico para combinar fMRI y ERP". Magnetic Resonance Imaging . 20 (4): 319– 325. doi : 10.1016/S0730-725X(02)00496-4 . PMID 12165350 .
- ^ Laufs H, Kleinschmidt A, Beyerle A, Eger E, Salek-Haddadi A, Preibisch C, et al. (Agosto de 2003). "Resonancia magnética funcional correlacionada con EEG de la actividad alfa humana". NeuroImagen . 19 (4): 1463–1476 . CiteSeerX 10.1.1.586.3056 . doi : 10.1016/S1053-8119(03)00286-6 . PMID 12948703 . S2CID 6272011 .
- ↑ Patente estadounidense 7286871 , Mark S. Cohen, "Método y aparato para reducir la contaminación de una señal eléctrica", publicada el 20 de mayo de 2004.
- ↑ Difrancesco MW, Holland SK, Szaflarski JP (octubre de 2008). "EEG/resonancia magnética funcional simultánea a 4 teslas: correlatos de la actividad cerebral con el ritmo alfa espontáneo durante la relajación" . Journal of Clinical Neurophysiology . 25 (5): 255– 264. doi : 10.1097/WNP.0b013e3181879d56 . PMC 2662486. PMID 18791470 .
- ↑ Huizenga HM, van Zuijen TL, Heslenfeld DJ, Molenaar PC (julio de 2001). "Análisis simultáneo de fuentes MEG y EEG". Física en Medicina y Biología . 46 (7): 1737– 1751. Bibcode : 2001PMB....46.1737H . CiteSeerX 10.1.1.4.8384 . doi : 10.1088/0031-9155/46/7/301 . PMID 11474922. S2CID 250761006 .
- ↑ Aydin Ü, Vorwerk J, Dümpelmann M, Küpper P, Kugel H, Heers M, et al. (2015). "La combinación de EEG/MEG puede superar la reconstrucción de fuentes de EEG o MEG de modalidad única en el diagnóstico prequirúrgico de la epilepsia" . PLOS ONE (Revisión). 10 (3) e0118753. Bibcode : 2015PLoSO..1018753A . doi : 10.1371/journal.pone.0118753 . PMC 4356563. PMID 25761059 .
- ^ Schreckenberger M, Lange-Asschenfeldt C, Lange-Asschenfeld C, Lochmann M, Mann K, Siessmeier T, et al. (junio de 2004). "El tálamo como generador y modulador del ritmo alfa del EEG: un estudio combinado PET/EEG con provocación con lorazepam en humanos". NeuroImagen . 22 (2): 637– 644. doi : 10.1016/j.neuroimage.2004.01.047 . PMID 15193592 . S2CID 31790623 .
- ↑ Bird J, Manso LJ, Ekart A, Faria DR (septiembre de 2018). Un estudio sobre la clasificación de estados mentales mediante una interfaz cerebro-máquina basada en EEG . Isla de Madeira, Portugal: 9.ª Conferencia Internacional sobre Sistemas Inteligentes 2018. Recuperado el 3 de diciembre de 2018 .
- ↑ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Clasificación de sentimientos emocionales mentales con una interfaz cerebro-máquina basada en EEG . St Hugh's College, Universidad de Oxford, Reino Unido: Conferencia Internacional sobre Procesamiento Digital de Imágenes y Señales (DISP'19). Archivado del original el 3 de diciembre de 2018. Recuperado el 3 de diciembre de 2018 .
- ↑ Vanneste S, Song JJ, De Ridder D (marzo de 2018). "Disritmia talamocortical detectada mediante aprendizaje automático" . Nature Communications . 9 (1) 1103. Bibcode : 2018NatCo...9.1103V . doi : 10.1038/ s41467-018-02820-0 . PMC 5856824. PMID 29549239 .
- ↑ Herculano-Houzel S (2009). " El cerebro humano en números: un cerebro de primate escalado linealmente" . Frontiers in Human Neuroscience . 3 : 31. doi : 10.3389/neuro.09.031.2009 . PMC 2776484. PMID 19915731 .
- ↑ Tatum WO, Husain AM, Benbadis SR (2008). Manual de interpretación de EEG . Demos Medical Publishing.
- 1 2 Nunez PL, Srinivasan R (1981). Campos eléctricos del cerebro: La neurofísica del EEG . Oxford University Press. ISBN 978-0-19-502796-9.
- ↑ Klein S, Thorne BM (3 de octubre de 2006). Psicología biológica . Nueva York, NY: Worth. ISBN 978-0-7167-9922-1.
- ↑ Whittingstall K, Logothetis NK (octubre de 2009). "El acoplamiento de banda de frecuencia en el EEG de superficie refleja la actividad de picos en la corteza visual del mono" . Neuron . 64 ( 2): 281–289 . doi : 10.1016/j.neuron.2009.08.016 . PMID 19874794. S2CID 17650488 .
- ↑ Towle VL, Bolaños J, Suarez D, Tan K, Grzeszczuk R, Levin DN, et al. (enero de 1993). "La ubicación espacial de los electrodos de EEG: localización de la esfera que mejor se ajusta a la anatomía cortical". Electroencefalografía y Neurofisiología Clínica . 86 (1): 1– 6. doi : 10.1016/0013-4694(93)90061-Y . PMID 7678386 .
- ↑ "Directriz siete: una propuesta de montajes estándar para su uso en EEG clínico. Sociedad Estadounidense de Electroencefalografía". Journal of Clinical Neurophysiology . 11 (1): 30– 36. Enero de 1994. doi : 10.1097/00004691-199401000-00008 . PMID 8195424 .
- ^ Aurlien H, Gjerde IO, Aarseth JH, Eldøen G, Karlsen B, Skeidsvoll H, et al. (Marzo de 2004). "Actividad de fondo del EEG descrita por una gran base de datos computarizada". Neurofisiología clínica . 115 (3): 665– 673. doi : 10.1016/j.clinph.2003.10.019 . PMID 15036063 . S2CID 25988980 .
- ↑ Yao D (noviembre de 2001). "Un método para estandarizar una referencia de registros de EEG del cuero cabelludo a un punto en el infinito". Medición fisiológica . 22 (4): 693– 711. Bibcode : 2001PhyM...22..693Y . doi : 10.1088/0967-3334/22/4/305 . PMID 11761077. S2CID 250847914 .
- ↑ Nunez PL, Pilgreen KL (octubre de 1991). "El laplaciano spline en neurofisiología clínica: un método para mejorar la resolución espacial del EEG". Journal of Clinical Neurophysiology . 8 (4): 397– 413. doi : 10.1097/00004691-199110000-00005 . PMID 1761706. S2CID 38459560 .
- ↑ Taheri BA, Knight RT, Smith RL (mayo de 1994). " Un electrodo seco para el registro de EEG" . Electroencefalografía y neurofisiología clínica . 90 (5): 376–383 . doi : 10.1016/0013-4694(94)90053-1 . PMID 7514984. Archivado del original el 22 de diciembre de 2019. Recuperado el 10 de diciembre de 2019 .
- ↑ Alizadeh-Taheri B (1994). Matriz de electrodos de cuero cabelludo micromecanizados activos para el registro de señales EEG (tesis doctoral). Universidad de California, Davis. pág. 82. Bibcode : 1994PhDT........82A .
- ↑ Hockenberry J (agosto de 2001). "Los próximos genios" . Revista Wired . Archivado del original el 5 de abril de 2009.
- 1 2 3 4 Slipher GA, Hairston WD, Bradford JC, Bain ED, Mrozek RA (2018). "Elastómeros de silicona conductores rellenos de nanofibras de carbono como interfaces bioelectrónicas suaves y secas" . PLOS ONE . 13 (2) e0189415. Bibcode : 2018PLoSO..1389415S . doi : 10.1371/journal.pone.0189415 . PMC 5800568. PMID 29408942 .
- 1 2 3 Wang F, Li G, Chen J, Duan Y, Zhang D (agosto de 2016). "Nuevos electrodos semisecos para aplicaciones de interfaz cerebro-computadora". Journal of Neural Engineering . 13 (4) 046021. Bibcode : 2016JNEng..13d6021W . doi : 10.1088/1741-2560 / 13/4/046021 . PMID 27378253. S2CID 26744679 .
- ↑ "Electrodos EEG híbridos g.SAHARA" . g.tec medical engineering GmbH. Archivado del original el 14 de abril de 2026. Consultado el 8 de enero de 2026 .
- ^ Fiedler P, Griebel S, Pedrosa P, Fonseca C, Vaz F, Zentner L, et al. (1 de enero de 2015). "EEG multicanal con novedosos electrodos secos de Ti/TiN" . Sensores y Actuadores A: Físicos . 221 : 139– 147. Código bibliográfico : 2015SeAcA.221..139F . doi : 10.1016/j.sna.2014.10.010 . ISSN 0924-4247 .
- ↑ "Auriculares EEG secos | Productos | CGX" . CGX 2021. Archivado del original el 13 de febrero de 2020. Consultado el 13 de febrero de 2020 .
- ↑ "Tecnología EEG en seco" . CGX LLC. Archivado del original el 13 de febrero de 2020. Recuperado el 13 de febrero de 2020 .
- ↑ Kondylis ED, Wozny TA, Lipski WJ, Popescu A, DeStefino VJ, Esmaeili B, et al. (2014). " Detección de oscilaciones de alta frecuencia mediante electrodos de profundidad híbridos en registros de EEG intracraneales clínicos estándar" . Frontiers in Neurology . 5 : 149. doi : 10.3389/fneur.2014.00149 . PMC 4123606. PMID 25147541 .
- ↑ Murakami S, Okada Y (septiembre de 2006). " Contribuciones de las neuronas neocorticales principales a las señales de magnetoencefalografía y electroencefalografía" . The Journal of Physiology . 575 (Pt 3): 925–936 . doi : 10.1113/jphysiol.2006.105379 . PMC 1995687. PMID 16613883 .
- ^ Clerc M, Leblond J, Marmorat JP, Papageorgakis C (2016), Resultado de singularidad para un problema de recuperación de conductividad inversa con aplicación a EEG , Università Degli Studi Di Trieste, EUT Edizioni Università di Trieste, doi : 10.13137/2464-8728/13165 , archivado desde el original el 10 de abril de 2018. , consultado el 3 de junio de 2025
- ↑ Anderson J (22 de octubre de 2004). Psicología cognitiva y sus implicaciones (Tapa dura) (6.ª ed.). Nueva York, NY: Worth. pág. 17. ISBN 978-0-7167-0110-1.
- ↑ "Auriculares inalámbricos EEG y fNIRS g.Nautilus" . g.tec medical engineering GmbH. Archivado del original el 10 de abril de 2026. Consultado el 8 de enero de 2026 .
- ↑ Creutzfeldt OD, Watanabe S, Lux HD (enero de 1966). "Relaciones entre fenómenos de EEG y potenciales de células corticales individuales. I. Respuestas evocadas después de la estimulación talámica y epicortical". Electroencefalografía y neurofisiología clínica . 20 (1): 1– 18. doi : 10.1016/0013-4694(66)90136-2 . PMID 4161317 .
- ↑ Buzsaki G (2006). Ritmos del cerebro . Oxford University Press. ISBN 978-0-19-530106-9.
- ↑ Tatum WO (marzo de 2014). "Conferencia Ellen R. Grass: EEG extraordinario". The Neurodiagnostic Journal . 54 (1): 3– 21. doi : 10.1080/21646821.2014.11079932 . PMID 24783746 .
- 1 2 Kirmizi-Alsan E, Bayraktaroglu Z, Gurvit H, Keskin YH, Emre M, Demiralp T (agosto de 2006). "Análisis comparativo de potenciales relacionados con eventos durante Go/NoGo y CPT: descomposición de marcadores electrofisiológicos de inhibición de respuesta y atención sostenida". Brain Research . 1104 (1): 114– 128. doi : 10.1016/j.brainres.2006.03.010 . PMID 16824492 . S2CID 18850757 .
- ↑ Frohlich J, Senturk D , Saravanapandian V, Golshani P, Reiter LT, Sankar R, et al. (diciembre de 2016). "Un biomarcador electrofisiológico cuantitativo del síndrome de duplicación 15q11.2-q13.1" . PLOS ONE . 11 (12) e0167179. Bibcode : 2016PLoSO..1167179F . doi : 10.1371/journal.pone.0167179 . PMC 5157977. PMID 27977700 .
- ↑ Kisley MA, Cornwell ZM (noviembre de 2006). "Actividad neuronal gamma y beta evocada durante un paradigma de filtrado sensorial: efectos de la estimulación auditiva, somatosensorial y transmodal" . Neurofisiología Clínica . 117 (11): 2549–2563 . doi : 10.1016/j.clinph.2006.08.003 . PMC 1773003. PMID 17008125 .
- ↑ Kanayama N, Sato A, Ohira H (mayo de 2007). "Efecto intermodal con ilusión de mano de goma y actividad en banda gamma". Psicofisiología . 44 (3): 392– 402. doi : 10.1111/j.1469-8986.2007.00511.x . PMID 17371495 .
- ↑ Gastaut H (1952). "[Estudio electrocorticográfico de la reactividad del ritmo rolándico]". Revue Neurologique . 87 (2): 176– 182. PMID 13014777 .
- 1 2 Oberman LM, Hubbard EM, McCleery JP, Altschuler EL, Ramachandran VS, Pineda JA (julio de 2005). "Evidencia de EEG de disfunción de neuronas espejo en trastornos del espectro autista". Investigación cerebral. Investigación cognitiva del cerebro . 24 (2): 190– 198. doi : 10.1016/j.cogbrainres.2005.01.014 . PMID 15993757 .
- ↑ Cahn BR, Polich J (marzo de 2006). " Estados y rasgos de meditación: estudios de EEG, ERP y neuroimagen". Psychological Bulletin . 132 (2): 180– 211. doi : 10.1037/0033-2909.132.2.180 . PMID 16536641. S2CID 2151810 .
- ↑ Gerrard P, Malcolm R (junio de 2007). " Mecanismos del modafinilo: una revisión de la investigación actual" . Neuropsychiatric Disease and Treatment . 3 (3): 349– 364. PMC 2654794. PMID 19300566 .
- ↑ Niedermeyer E (junio de 1997). "Ritmos alfa como fenómenos fisiológicos y anormales" . Revista Internacional de Psicofisiología . 26 ( 1–3 ): 31–49 . doi : 10.1016/S0167-8760(97)00754-X . PMID 9202993 .
- ↑ Feshchenko VA, Reinsel RA, Veselis RA (julio de 2001). "Multiplicidad del ritmo alfa en humanos normales". Journal of Clinical Neurophysiology . 18 (4): 331– 344. doi : 10.1097/00004691-200107000-00005 . PMID 11673699 .
- ↑ Pfurtscheller G, Lopes da Silva FH (noviembre de 1999). "Sincronización y desincronización EEG/MEG relacionadas con eventos: principios básicos". Neurofisiología clínica . 110 (11): 1842– 1857. doi : 10.1016/S1388-2457(99)00141-8 . PMID 10576479. S2CID 24756702 .
- ↑ Anderson AL, Thomason ME (noviembre de 2013). "Plasticidad funcional antes de la cuna: una revisión de imágenes funcionales neuronales en el feto humano". Neuroscience and Biobehavioral Reviews . 37 (9 Pt B): 2220– 2232. doi : 10.1016/j.neubiorev.2013.03.013 . PMID 23542738. S2CID 45733681 .
- ↑ "El Laboratorio MacIver" . Universidad de Stanford. Archivado del original el 23 de noviembre de 2008. Consultado el 16 de diciembre de 2006 .
- ↑ Loison V, Voskobiynyk Y, Lindquist B, Necula D, Longrois D, Paz J, et al. (1 de enero de 2024). "Mapeo de estados de anestesia general basado en fases de transición del electroencefalograma" . NeuroImage . 285 120498. doi : 10.1016/j.neuroimage.2023.120498 . ISSN 1053-8119 . PMC 10792552. PMID 38135170 .
- 1 2 Jiang X, Bian GB, Tian Z (febrero de 2019). "Eliminación de artefactos de señales EEG: una revisión" . Sensors . 19 ( 5): 987. Bibcode : 2019Senso..19..987J . doi : 10.3390/s19050987 . PMC 6427454. PMID 30813520 .
- 1 2 Alsuradi H, Park W, Eid M (2020). "Investigación sobre neuroháptica basada en EEG: una revisión de la literatura" . IEEE Access . 8 : 49313–49328 . Bibcode : 2020IEEEA...849313A . doi : 10.1109/ACCESS.2020.2979855 . ISSN 2169-3536 . S2CID 214596892 .
- ↑ Dora M, Holcman D (2022). "Eliminación adaptativa de artefactos EEG de un solo canal con aplicaciones a la monitorización clínica" . IEEE Transactions on Neural Systems and Rehabilitation Engineering . 30 : 286–295 . Bibcode : 2022ITNSR..30..286D . doi : 10.1109/TNSRE.2022.3147072 . ISSN 1558-0210 . PMID 35085086 .
- ↑ Dora M, Jaffard S, Holcman D (2024). "El algoritmo WQN para la eliminación de artefactos EEG en ausencia de invariancia de escala". IEEE Transactions on Signal Processing . 72 : 2663–2676 . arXiv : 2307.04155 . Bibcode : 2024ITSP...72.2663D . doi : 10.1109/TSP.2024.3403965 . ISSN 1941-0476 .
- 1 2 Croft RJ, Barry RJ (febrero de 2000). "Eliminación de artefactos oculares del EEG: una revisión". Neurofisiología clínica . 30 (1): 5– 19. doi : 10.1016/S0987-7053(00)00055-1 . PMID 10740792. S2CID 13738373 .
- ↑ Epstein CM (1983). Introducción al EEG y potenciales evocados . JB Lippincott Co. ISBN 978-0-397-50598-2.
- ↑ Chen X, Xu X, Liu A, Lee S, Chen X, Zhang X, et al. (15 de julio de 2019). "Eliminación de artefactos musculares del EEG: una revisión y recomendaciones" . IEEE Sensors Journal . 19 (14): 5353– 5368. Bibcode : 2019ISenJ..19.5353C . doi : 10.1109/JSEN.2019.2906572 . ISSN 1558-1748 . S2CID 116693954 .
- ↑ Kaya I (18 de mayo de 2022), "Un breve resumen del manejo de artefactos EEG" , en Asadpour V (ed.), Interfaz cerebro-computadora , Inteligencia artificial, vol. 9, IntechOpen, arXiv : 2001.00693 , doi : 10.5772/intechopen.99127 , ISBN 978-1-83962-522-0, S2CID 209832569 , archivado del original el 20 de diciembre de 2022 , recuperado el 20 de diciembre de 2022
- ^ Montez T, Poil SS, Jones BF, Manshanden I, Verbunt JP, van Dijk BW, et al. (febrero de 2009). "Correlaciones temporales alteradas en las oscilaciones alfa parietal y theta prefrontal en la enfermedad de Alzheimer en etapa temprana" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 106 (5): 1614–1619 . Bibcode : 2009PNAS..106.1614M . doi : 10.1073/pnas.0811699106 . PMC 2635782 . PMID 19164579 .
- ↑ Panachakel JT, Ramakrishnan AG (2021). "Decodificación del habla encubierta a partir del EEG: una revisión exhaustiva" . Frontiers in Neuroscience . 15 642251. doi : 10.3389/fnins.2021.642251 . PMC 8116487. PMID 33994922 .
- 1 2 3 Rapp PE, Keyser DO, Albano A, Hernandez R, Gibson DB, Zambon RA, et al. (2015). "Detección de lesiones cerebrales traumáticas mediante métodos electrofisiológicos" . Frontiers in Human Neuroscience . 9 : 11. doi : 10.3389/fnhum.2015.00011 . PMC 4316720. PMID 25698950 .
- ↑ Franke LM, Walker WC, Hoke KW, Wares JR (agosto de 2016). "Distinción en las oscilaciones lentas del EEG entre la lesión cerebral traumática leve crónica y el TEPT". International Journal of Psychophysiology . 106 : 21–29 . doi : 10.1016/j.ijpsycho.2016.05.010 . PMID 27238074 .
- 1 2 "Estudio: El EEG puede ayudar a diferenciar el TEPT de una lesión cerebral traumática leve" . www.research.va.gov . Archivado del original el 9 de octubre de 2019. Recuperado el 9 de octubre de 2019 .
- ↑ "Juegos mentales" . The Economist. 23 de marzo de 2007. Archivado del original el 12 de diciembre de 2009. Consultado el 12 de agosto de 2010 .
- 1 2 3 Li S (8 de agosto de 2010). "La lectura de la mente está en el mercado" . Los Angeles Times . Archivado del original el 3 de septiembre de 2010.
- ↑ Fruhlinger J (9 de octubre de 2008). "Brains-on with NeuroSky and Square Enix's Judecca mind-control game" . Engadget. Archivado del original el 30 de octubre de 2010. Recuperado el 2 de diciembre de 2010 .
- ↑ "Nuevos juegos impulsados por ondas cerebrales" . Physorg.com. Archivado del original el 6 de junio de 2011. Consultado el 2 de diciembre de 2010 .
- ↑ Snider M (7 de enero de 2009). "Entrenan a los fans de 'Star Wars' con un juguete para usar la Fuerza" . USA Today . Archivado del original el 23 de octubre de 2012. Consultado el 1 de mayo de 2010 .
- ↑ "Noticias: NeuroSky actualiza su SDK y permite juegos basados en el parpadeo y las ondas cerebrales" . Gamasutra. 30 de junio de 2010. Archivado del original el 22 de febrero de 2017. Consultado el 2 de diciembre de 2010 .
- ↑ Fiolet E. "NeuroSky MindWave lleva la interfaz cerebro-computadora a la educación" . www.ubergizmo.com . Ubergizmo. Archivado del original el 12 de diciembre de 2017. Recuperado el 18 de mayo de 2015 .
- ↑ "NeuroSky MindWave establece un récord mundial Guinness por "El objeto más grande movido mediante una interfaz cerebro-computadora"" . NeuroGadget.com . NeuroGadget. Archivado del original el 15 de octubre de 2013 . Consultado el 2 de junio de 2011 .
- ↑ "¡Lanzamiento de producto! Neurosync: la interfaz cerebro-computadora más pequeña del mundo" . www.prnewswire.com . 15 de julio de 2015. Archivado del original el 9 de diciembre de 2018. Consultado el 21 de julio de 2017 .
- ↑ "APP – Macrotellect" . o.macrotellect.com . Archivado del original el 23 de enero de 2017. Consultado el 8 de diciembre de 2016 .
- ↑ "Notificación previa a la comercialización 510(k)" . www.accessdata.fda.gov . Archivado del original el 12 de noviembre de 2021. Consultado el 12 de noviembre de 2021 .
- ↑ Bell J, ed. (8 de enero de 2021). "BioSerenity recibe la aprobación de la FDA para su sistema de dispositivo portátil de EEG" . NeuroNews International . Archivado del original el 12 de noviembre de 2021. Recuperado el 12 de noviembre de 2021 .
- ↑ Keiper A (2006). "La era de la neuroelectrónica" . New Atlantis . 11. The New Atlantis: 4–41 . PMID 16789311. Archivado del original el 12 de febrero de 2016.
- ↑ Wan F, da Cruz JN, Nan W, Wong CM, Vai MI, Rosa A (junio de 2016). "El entrenamiento de neurofeedback alfa mejora el rendimiento de BCI basado en SSVEP" . Journal of Neural Engineering . 13 (3) 036019. Bibcode : 2016JNEng..13c6019W . doi : 10.1088/1741-2560/13/3/036019 . PMID 27152666. S2CID 206099640 .
- ↑ "La mente domina la materia: las ondas cerebrales controlan a Asimo" . Japan Times . 1 de abril de 2009. Archivado del original el 3 de abril de 2009.
- ↑ Natu N (21 de julio de 2008). "Esta prueba cerebral revela la verdad" . The Times of India . Consultado el 14 de abril de 2021 .
{{cite web}}: CS1 maint: servicio de archivado obsoleto ( enlace ) - ↑ Puranik DA, Joseph SK, Daundkar BB, Garad MV (noviembre de 2009). Perfilado de la firma cerebral en la India: su estatus como ayuda en la investigación y como evidencia corroborativa, según se observa en las sentencias (PDF) . Actas de la XX Conferencia de Ciencias Forenses de toda la India. págs. 815–822 . Archivado del original (PDF) el 3 de marzo de 2016.
- ↑ Gaudet LM (2011). "Huellas cerebrales, evidencia científica y "Daubert": una lección de advertencia de la India". Jurimetrics . 51 (3): 293– 318. ISSN 0897-1277 . JSTOR 41307131 .
- ↑ Casson A, Yates D, Smith S, Duncan J, Rodriguez-Villegas E (2010). "Electroencefalografía portátil. ¿Qué es, por qué es necesaria y qué implica?". IEEE Engineering in Medicine and Biology Magazine . 29 (3): 44– 56. Bibcode : 2010IEMBM..29c..44C . doi : 10.1109 / MEMB.2010.936545 . hdl : 10044/1/5910 . PMID 20659857. S2CID 1891995 .
- ↑ Looney D, Kidmose P, Park C, Ungstrup M, Rank M, Rosenkranz K, et al. (1 de noviembre de 2012). "El concepto de grabación en el oído: monitorización cerebral portátil y centrada en el usuario". IEEE Pulse . 3 (6 ) : 32– 42. Bibcode : 2012IPuls...3f..32L . doi : 10.1109/MPUL.2012.2216717 . PMID 23247157. S2CID 14103460 .
- ↑ Lotte F, Bougrain L, Cichocki A, Clerc M, Congedo M, Rakotomamonjy A, et al. (junio de 2018). "Una revisión de algoritmos de clasificación para interfaces cerebro-computadora basadas en EEG: una actualización de 10 años" . Journal of Neural Engineering . 15 (3): 031005. Bibcode : 2018JNEng..15c1005L . doi : 10.1088/1741-2552/aab2f2 . PMID 29488902 .
- ↑ Shim M, Hwang HJ, Kim DW, Lee SH, Im CH (octubre de 2016). "Diagnóstico de esquizofrenia basado en aprendizaje automático utilizando características EEG combinadas a nivel de sensor y a nivel de fuente". Schizophrenia Research . 176 ( 2–3 ): 314–319 . doi : 10.1016/j.schres.2016.05.007 . PMID 27427557. S2CID 44504680 .
- ↑ Buettner R, Frick J, Rieg T (12 de noviembre de 2019). "Detección de alto rendimiento de la epilepsia en registros de EEG sin crisis: un nuevo enfoque de aprendizaje automático que utiliza subbandas de EEG epilépticas muy específicas" . Actas de ICIS 2019. Archivado del original el 21 de enero de 2021. Recuperado el 13 de enero de 2021 .
- ↑ Ieracitano C, Mammone N, Hussain A, Morabito FC (marzo de 2020). "Un nuevo enfoque multimodal basado en aprendizaje automático para la clasificación automática de registros de EEG en la demencia". Neural Networks . 123 : 176–190 . doi : 10.1016/j.neunet.2019.12.006 . PMID 31884180. S2CID 209510497 .
- ↑ Bhattacharyya A, Pachori RB (septiembre de 2017). "Un enfoque multivariado para la detección de convulsiones EEG específicas del paciente mediante la transformada wavelet empírica". IEEE Transactions on Bio-Medical Engineering . 64 (9): 2003– 2015. Bibcode : 2017ITBE...64.2003B . doi : 10.1109/TBME.2017.2650259 . PMID 28092514. S2CID 3522546 .
- ↑ Saab K, Dunnmon J, Ré C, Rubin D, Lee-Messer C (20 de abril de 2020). "Supervisión débil como un enfoque eficiente para la detección automatizada de convulsiones en electroencefalografía" . npj Digital Medicine . 3 (1) 59. doi : 10.1038/s41746-020-0264-0 . PMC 7170880. PMID 32352037 .
- ↑ Bomela W, Wang S, Chou CA, Li JS (mayo de 2020). "Inferencia y detección en tiempo real de redes EEG disruptivas para convulsiones epilépticas" . Scientific Reports . 10 (1) 8653. Bibcode : 2020NatSR..10.8653B . doi : 10.1038/s41598-020-65401-6 . PMC 7251100. PMID 32457378 .
- ↑ Paesschen WV (marzo de 2018). "El futuro de la detección de convulsiones". The Lancet. Neurology . 17 (3): 200– 202. doi : 10.1016/S1474-4422(18)30034-6 . PMID 29452676. S2CID 3376296 .
- ↑ Chen PC, Liu Y, Peng L (mayo de 2019). "Cómo desarrollar modelos de aprendizaje automático para la atención médica". Nature Materials . 18 (5): 410– 414. Bibcode : 2019NatMa..18..410C . doi : 10.1038/s41563-019-0345-0 . PMID 31000806. S2CID 122563425 .
- ↑ Rudin C (mayo de 2019). "Deje de explicar los modelos de aprendizaje automático de caja negra para decisiones de alto riesgo y utilice modelos interpretables en su lugar" . Nature Machine Intelligence . 1 (5): 206– 215. arXiv : 1811.10154 . doi : 10.1038/s42256-019-0048-x . PMC 9122117. PMID 35603010 .
- ↑ Coenen A, Fine E, Zayachkivska O (2014). "Adolf Beck: un pionero olvidado en electroencefalografía". Journal of the History of the Neurosciences . 23 (3): 276– 286. doi : 10.1080/0964704x.2013.867600 . PMID 24735457 . S2CID 205664545 .
- ↑ Pravdich-Neminsky VV (1913). "Ein Versuch der Registrierung der elektrischen Gehirnerscheinungen". Zentralblatt für Physiologie . 27 : 951–60 .
- ↑ Haas LF (enero de 2003). "Hans Berger (1873–1941), Richard Caton (1842–1926) y la electroencefalografía" . Journal of Neurology, Neurosurgery, and Psychiatry . 74 (1): 9. doi : 10.1136 / jnnp.74.1.9 . PMC 1738204. PMID 12486257 .
- ↑ Millet D (junio de 2002). Los orígenes del EEG . 7.ª Reunión Anual de la Sociedad Internacional para la Historia de las Neurociencias (ISHN). Archivado del original el 8 de septiembre de 2020. Recuperado el 27 de noviembre de 2010 .
- ↑ Gibbs FA, Davis H, Lennox WG (diciembre de 1935). "El electroencefalograma en la epilepsia y en estados de alteración de la conciencia". Archives of Neurology and Psychiatry . 34 (6): 1133. doi : 10.1001/archneurpsyc.1935.02250240002001 .
- ↑ "Beckman Instruments suministra equipos de monitorización médica de vuelos" (PDF) . Resumen de noticias espaciales . 3 de marzo de 1965. págs. 4–5 . Archivado (PDF) del original el 7 de agosto de 2019. Recuperado el 7 de agosto de 2019 .
- ↑ Bozinovski S (2013). "Control de robots mediante señales EEG desde 1988". En Markovski S, Gusev M (eds.). Innovaciones en TIC 2012. Avances en sistemas inteligentes y computación. Vol. 207. Berlín, Heidelberg: Springer. pp. 1–11 . doi : 10.1007/978-3-642-37169-1_1 . ISBN 978-3-642-37169-1.
Lecturas adicionales
- Nunez PL, Srinivasan R (2007). "Electroencefalograma" . Scholarpedia . 2 (2): 1348. Bibcode : 2007SchpJ...2.1348N . doi : 10.4249/scholarpedia.1348 .
- Arns M, Sterman MB (2019). Neurofeedback: Cómo empezó todo . Nijmegen, Países Bajos: Brainclinics Insights. ISBN 978-90-830013-0-2.
Enlaces externos
- Tutorial sobre simulación y estimación de fuentes EEG en Matlab . Archivado del original el 7 de marzo de 2016.
- Tutorial sobre el análisis de la actividad neuronal continua, evocada e inducida: espectros de potencia, análisis de ondículas y coherencia . Archivado del original el 7 de noviembre de 2018.
- Electroencefalografía
- Neurociencia cognitiva
- Neurología diagnóstica
- Electrofisiología
- Neurofisiología
- Neurotecnología
- Electrodiagnóstico
- Interfaz cerebro-computadora
- Matemáticas en medicina