detecção e análise do potencial evocado p300...xi figura 3.13 ‐ healthy: 0‐20 hz, ensaio...
TRANSCRIPT
Departamento de Engenharia Electrotécnica
Detecção e análise do Potencial Evocado P300
Por
Diogo Manuel Pimenta Barreiros
Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para a obtenção do grau de Mestre em Engenharia Electrotécnica e de Computadores
Orientador: Professor Doutor Manuel Duarte Ortigueira
Lisboa
2008
i
AGRADECIMENTOS
O desenvolvimento deste trabalho e o produto final, que resultou nesta dissertação,
não teriam a mesma exactidão e valor sem a intervenção de algumas pessoas a quem gostaria
de, prontamente, agradecer.
Durante a preparação desta dissertação, fui encorajado e aconselhado por vários
amigos cuja leitura e comentários contribuíram para a correcção do esboço preliminar.
Em primeiro lugar, gostaria de agradecer ao Professor Doutor Manuel Ortigueira,
pelas suas valiosas sugestões críticas, orientação ao longo de todo este trabalho e elucidação
sobre questões técnicas.
Em segundo lugar, agradeço de uma forma especial ao meu colega e amigo Diogo
Leitão, sempre presente nesta caminhada, e cujos comentários, clarificações técnicas e
companhia me ajudaram a concluir com sucesso este estudo.
Gostaria, também, de agradecer aos meus colegas e amigos, João Martins (pelo apoio
e confiança), Pedro Baía, Diogo Lourenço, Gonçalo Cândido, Gonçalo Nunes, Maria Pereira,
João Simão e Jerónimo Cunha pela companhia, presença e força não só neste trabalho mas ao
longo destes anos que passaram.
Por último, quero agradecer o apoio e confiança por parte da minha família, Pai, Mãe,
irmãos e à Susana, por ter estado sempre ao meu lado para me acompanhar no
desenvolvimento deste trabalho e cuja atenção e apoio me foram preciosos.
ii
iii
À minha família e,
À Susana.
iv
v
ÍNDICE ÍNDICE .................................................................................................................................................. V
RESUMO ............................................................................................................................................. VI
ABSTRACT ..................................................................................................................................... VIII
LISTA DE FIGURAS .......................................................................................................................... X
LISTA DE TABELAS .................................................................................................................... XIII
LISTA DE ACRÓNIMOS ............................................................................................................. XIV
CAPÍTULO 1 – INTRODUÇÃO ......................................................................................................... 1
INTRODUÇÃO ...................................................................................................................................... 1
ELECTROENCEFALOGRAMA (EEG) ................................................................................................... 6
RITMOS CEREBRAIS ........................................................................................................................... 7
EQUIPAMENTO DE ELECTROENCEFALOGRAFIA ............................................................................... 8
POTENCIAIS EVOCADOS ................................................................................................................... 10
ORGANIZAÇÃO DA TESE .................................................................................................................. 16
CAPÍTULO 2 – TÉCNICAS MATEMÁTICAS ...............................................................................17
2.1 INTRODUÇÃO À DECOMPOSIÇÃO EM MODOS EMPÍRICOS - EMD ........................................ 17
2.2 DESMODULAÇÃO AR ........................................................................................................... 25
2.3 ÔNDULAS - INTRODUÇÃO ..................................................................................................... 29
2.4 O ESPECTROGRAMA ............................................................................................................. 32
2.5 JANELAS MÚLTIPLAS ............................................................................................................ 33
CAPÍTULO 3 – RESULTADOS .........................................................................................................34
3.1 INTRODUÇÃO ........................................................................................................................ 34
3.2 JANELAS MÚLTIPLAS ........................................................................................................... 37
3.3 EMD E ÔNDULAS - FILTRAGEM ........................................................................................... 38
3.4 P300 - LATÊNCIA.................................................................................................................. 43
3.5 ANÁLISE TEMPO-FREQUÊNCIA: DESMODULAÇÃO AR ........................................................ 49
3.6 ANÁLISE TEMPO-FREQUÊNCIA: MÉTODO DESENVOLVIDO ................................................ 55
3.7 ANÁLISE TEMPO-FREQUÊNCIA: DESMODULAÇÃO AR ........................................................ 72
3.8 ANÁLISE TEMPO-FREQUÊNCIA: ESPECTROGRAMA ............................................................ 77
CAPÍTULO 4 – CONCLUSÕES E TRABALHO FUTURO ...........................................................84
Conclusões ........................................................................................................................................ 84
PERSPECTIVAS DE TRABALHO FUTURO ........................................................................................... 86
vi
RESUMO
Este trabalho consite no estudo de sinais que resultaram de electroencefalogramas
feitos a um doente com Alzheimer e um indíviduo saudável, de forma a estudar o potencial
evocado auditivo P300, potencial esse que permite retirar indicadores da maneira como o
doente é afectado a nível auditivo e quais as diferenças para alguém saudável.
Esta análise foi feita a nível espectral, através de técnicas como o Empirical Mode
Decomposition (EMD) e as Wavelts (ôndulas), técnicas essas que decompõem o sinal em
várias componentes no domínio da frequência, permitindo uma filtragem das gamas de
frequêcia de interesse e, reconstruindo o sinal “optimizado”, detectar o P300 e retirar os seus
valores de latência.
Por outro lado, fez-se uma análise tempo-frequência desses mesmos sinais, através da
aplicação de quatro métodos: (1) desmodulação AR e observação dos gráficos resultantes, (2)
um algoritmo desenvolvido (explicação no capítulo 3, secção 3.6), (3) desmodulação AR mas
desta vez correlacionando os dados resultantes, e um outro método denominado (4)
Spectrogram. Da aplicação dos três primeiros métodos, resultaram, dados relativos à
frequência e amplitude dos sinais, através dos quais foi possível retirar alguns indicadores
relativamente á forma como se relacionam , variam, e de que maneira cada um deles
influencia o outro.
Tendo em conta estes métodos de análise, os dados foram também avaliados através
da construção de tabelas e gráficos, correlacionando-se os diferentes resultados alcançados, de
forma a encontrar ou detectar um comportamento específico e distinto entre o doente com
Alzheimer e o sujeito saudável.
PALAVRAS - CHAVE:
Potenciais Evocados Auditivos, P300, Análise Espectral, EMD, Wavelets, Spectogram.
vii
viii
ABSTRACT This thesis consist in the study of electroencephalografic signals of an Alzheimer
disease person and on other Healthy subject in order to analyse and study the evoked potential
P300, which allows to extract indicators that can explain how is an Alzheimer disease
individual affected on its auditory system and what are the differences to an Healthy.
It was performed a spectral analysis through the application of several tecniques such
as the Empirical Mode Decompotition (EMD) and Wavelets, which decompose the signal into
different components in the frequency domain, allowing to filter the frequency range of
interest and therefore reconstruct the “optimized” signal, detect the P300 and collect its
latency values.
On the other hand, it was performed a time-frequency analysis of that same signals,
applying four methods: (1) AR demodulation and its graphics observation, (2) a developed
algorithm (explanation in chapter 3, section 3.6), (3) AR demodulation making a correlation
with its output data and one last method (4) the Espectrogram. From the first three methos,
information regarding frequency and signal amplitude were pulled out showing how these
parameters influence each other and how theyalternate/vary along time.
Having those methods in concern, their data was evaluated and examined through the
creation of several tables and graphics, correlating data in order to discover and detect a
specific behaviour (frequency, amplitude and latency) between an Alzheimer disease and a
Healthy subject.
KEY WORDS:
Auditory Evoked Potential, P300, Spectral Analysis, EMD, Wavelets, Spetrogram.
ix
x
LISTA DE FIGURAS FIGURA 1.1 ‐ HANS BERGER ..................................................................................................................................... 1 FIGURA 1.2 - PRIMEIRO EEG REGISTADO POR HANS BERGER, APROXIMADAMENTE EM 1928 ............. 2 FIGURA 1.3 ‐ SISTEMA AUDITIVO HUMANO ............................................................................................................ 3 FIGURA 1.4 ‐ OSSÍCULOS E CÓCLEA DO OUVIDO HUMANO..................................................................................... 3 FIGURA 1.5 ‐ MOVIMENTO DA MEMBRANA BASICAL PARA TRÊS FREQUÊNCIAS PURAS DIFERENTES (250 Hz, 1000 Hz e 4000 Hz) .................................................................................................................................................. 4 FIGURA 1.6 ‐ IDENTIFICAÇÃO DAS FREQUÊNCIAS DE RESSONÂNCIA E DAS ZONAS ONDE ESTAS OCORREM, AO LONGO DA MEMBRANA BASILAR ............................................................................................................................ 5 FIGURA 1.7 ‐ DIAGRAMA DE BLOCOS GERAL DO PROCEDIMENTO DA AQUISIÇÃO DE UM SINAL DIGITAL ............. 6 FIGURA 1.10 ‐ ONDA ALFA ......................................................................................... Error! Bookmark not defined. FIGURA 1.11 ‐ ONDA BETA ....................................................................................................................................... 8 FIGURA 1.8 ‐ ONDA DELTA ....................................................................................................................................... 7 FIGURA 1.9 ‐ ONDA TETA ........................................................................................... Error! Bookmark not defined. FIGURA 2.1 ‐ SINAL DE TESTE ORIGINAL ................................................................................................................ 18 FIGURA 2.2 ‐ SINAL ORIGINAL, ENVOLVENTE SUPERIOR, INFERIOR E SINAL MÉDIO ............................................. 19 FIGURA 2.3 ‐ SINAL DE TESTE ORIGINAL E O RESÍDUO H1 ..................................................................................... 19 FIGURA 2.4 ‐ SINAL ORIGINAL, ENVOLVENTE SUPERIOR, INFERIOR E SINAL MÉDIO – ITERAÇÃO 3 ...................... 20 FIGURA 2.5 ‐ SINAL ORIGINAL, ENVOLVENTE SUPERIOR, INFERIOR E SINAL MÉDIO – ITERAÇÃO 5 ...................... 21 FIGURA 2.6 ‐ SINAL ORIGINAL SEM COMPONENTE DA 1ª IMF .............................................................................. 21 FIGURA 2.7 ‐ SINAL ORIGINAL E O RESÍDUO R1 ..................................................................................................... 23 FIGURA 2.8 ‐ FLUXOGRAMA DO MODO DE PROCESSAMENTO DO MÉTODO DE DECOMPOSIÇÃO EM MODOS EMPÍRICOS: EMD ................................................................................................................................................... 28 FIGURA 3.1 ‐ SEQUÊNCIA DA ANÁLISE DE RESULTADOS ........................................................................................ 34 FIGURA 3.2 ‐ JANELAS MÚLTIPLAS: ANÁLISE ESPECTRAL APRESENTANDO A AMPLITUDE DE CADA UMA DAS GAMAS DE FREQUÊNCIA IDENTIFICADAS, PARA O DOENTE COM ALZHEIMER VS. SAUDÁVEL (HEALTHY) .......... 37 FIGURA 3.3 ‐ FLUXOGRAMA QUE APRESENTA O PROCESSAMENTO DOS VÁRIOS SINAIS RECORRENDO AO EMD E SELECCIONANDO APENAS AS IMF QUE SE ENCONTRAM NO INTERVALO DA LARGURA DE BANDA PRETENDIDA. ............................................................................................................................................................................... 39 FIGURA 3.4 ‐ ALZHEIMER: 0‐20 HZ. A AZUL O SINAL ORIGINAL E A VERMELHO SINAL LIMPO. ............................. 40 FIGURA 3.5 ‐ HEALTHY: 0‐20 HZ, ENSAIO Nº 20. A AZUL O SINAL ORIGINAL E A VERMELHO O SINAL LIMPO. ..... 41 FIGURA 3.6 ‐ ALZHEIMER: 0‐10 HZ, ENSAIO Nº 16. A AZUL O SINAL ORIGINAL E A VERMELHO SINAL LIMPO. .... 41 FIGURA 3.7 ‐ HEALTHY: 0‐10 HZ, ENSAIO Nº 20. A AZUL O SNAL ORIGINAL E A VERMELHO SINAL LIMPO. .......... 42 FIGURA 3.8 ‐ HEALTHY: 0‐10 HZ, ENSAIO Nº 20. A AZUL O SNAL ORIGINAL E A VERMELHO SINAL LIMPO. .......... 43 FIGURA 3.9 ‐ ALZHEIMER: 0‐20 HZ, ENSAIO Nº 1. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO ENCONTRADO QUE IDENTIFICA A COMPONENTE N100. ........................................................................ 44 FIGURA 3.10 ‐ HEALTHY: 0‐20 HZ, ENSAIO Nº20. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO ENCONTRADO QUE IDENTIFICA A COMPONENTE N100. ........................................................................ 44 FIGURA 3.11 ‐ ALZHIEMER: 0‐10 HZ, ENSAIO Nº16. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO ENCONTRADO QUE IDENTIFICA A COMPONENTE N100. ................................................. 45 FIGURA 3.12 ‐ HEALTHY: 0‐10 HZ, ENSAIO Nº11. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO ENCONTRADO QUE IDENTIFICA A COMPONENTE N100. ........................................................................ 45
xi
FIGURA 3.13 ‐ HEALTHY: 0‐20 HZ, ENSAIO Nº20. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO ENCONTRADO QUE IDENTIFICA A COMPONENTE N100. ........................................................................ 47 FIGURA 3.14 ‐ FLUXOGRAMA DO PROCESSAMENTO DOS SINAIS PELO MÉTODO DA DESMODULAÇÃO AR E QUE RECORRE AO EMD ................................................................................................................................................. 50 FIGURA 3.15 ‐TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF’S. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE. .......................................................................................................... 51 FIGURA 3.16 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE. ................................................................................................................. 52 FIGURA 3.17 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE. ................................................................................................................. 52 FIGURA 3.18 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE .................................................................................................................. 53 FIGURA 3.19 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE. ................................................................................................................. 54 FIGURA 3.20 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E A VERMELHO A AMPLITUDE. ................................................................................................................. 54 3.21 ‐ FLUXOGRAMA DO MÉTODO DESENVOLVIDO QUE RECORRE AO EMD E À DESMODULAÇÃO AM/FM. ...... 56 FIGURA 3.22 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO .............................................................................................................................................................. 59 FIGURA 3.23 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO .............................................................................................................................................................. 59 FIGURA 3.24 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA FREQUÊNCIA ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU) ................................................................................................................................... 60 FIGURA 3.25 ‐ HEALTHY: GRÁFICOS QUE COMPARAM O VALOR DA FREQUÊNCIA ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU)..................................................................................................................................................... 60 FIGURA 3.26 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO .............................................................................................................................................................. 64 FIGURA 3.27 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA AMPLITUDE ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU) ................................................................................................................................... 64 FIGURA 3.28 ‐ HEALTHY: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO .............................................................................................................................................................. 65 FIGURA 3.29 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA AMPLITUDE ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU) ................................................................................................................................... 65 FIGURA 3.30 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA (MAGNITUDE) DO SUJEITO SAUDÁVEL .............. 78 FIGURA 3.31 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA (MAGNITUDE) DO PACIENTE COM ALZHEIMER . 78 FIGURA 3.32 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA PARA VÁRIAS IMF’S DE UM SINAL (8 HZ, 6 HZ, 4.5 HZ, 3.5 HZ, 2 HZ E 1 HZ) ......................................................................................................................................... 80 FIGURA 3.33 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA PARA VÁRIAS IMF’S DE UM SINAL (6.5 HZ, 4.5 HZ, 3 HZ, e 1 H) ............................................................................................................................................................ 81
xii
FIGURA 3.34 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA PARA VÁRIAS IMF’S DE UM SINAL (7.5 HZ, 6,5 HZ, 5.5 HZ, 3.0 HZ, 2.5 HZ E 2 HZ) ................................................................................................................................ 82 FIGURA 3.35 ‐ SPECTROGRAM: ANÁLISE TEMPO‐FREQUÊNCIA PARA VÁRIAS IMF’S DE UM SINAL (9.5 HZ, 8 HZ, 6.5 HZ, 5.5 HZ, 5.5 HZ E 2.5 HZ) ............................................................................................................................. 83
xiii
LISTA DE TABELAS TABELA 3.1 ‐ DISTRIBUIÇÃO DAS MEDIDAS DE LATÊNCIA (MS) DO P300, AMPLITUDE MÉDIA E VALORES MÁXIMOS E MINIMOS PARA CADA UM DOS PARÂMETROS; VALORES PARA O PACIENTE COM ALZHEIMER E INDIVÍDUO SAUDÁVEL PARA ANÁLISE DE 10 HZ E 20 HZ. ..................................................................................... 46 TABELA 3.2 ‐ DIFERENÇAS DE LATÊNCIA ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ]. ............................................................................................................................................ 46 TABELA 3.3 ‐ DIFERENÇAS DE AMPLITUDE ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ] ............................................................................................................................................. 46 TABELA 3.4 ‐ DISTRIBUIÇÃO DAS MEDIDAS DE LATÊNCIA (MS) DO P300, AMPLITUDE MÉDIA E VALORES MÁXIMOS E MÍNIMOS PARA CADA UM DOS PARÂMETROS; VALORES PARA O PACIENTE COM ALZHEIMER E INDIVÍDUO SAUDÁVEL PARA ANÁLISE DE 20 HZ. 47 TABELA 3.5 ‐ DIFERENÇAS DE LATÊNCIA ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ]. ................................................................................................ Error! Bookmark not defined. TABELA 3.6 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS FIGURAS ANTERIORES DESTE PACIENTE COM ALZHEIMER ................................................................................................................................................... 53 TABELA 3.7 ‐ HEALTHY: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS ANTERIORES ......................... 55 TABELA 3.8 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS DESTE PACIENTE ............... 57 TABELA 3.9 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS DESTE PACIENTE ............... 58 TABELA 3.10 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 61 TABELA 3.11 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS ........................................ 62 TABELA 3.12 ‐ RESUMO DO GRÁFICO ANTERIOR .................................................................................................. 62 TABELA 3.13 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 63 TABELA 3.14 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 69 TABELA 3.15 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS ........................................ 69 TABELA 3.16 ‐ RESUMO DO GRÁFICO ANTERIOR .................................................................................................. 70 TABELA 3.17 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 71 TABELA 3.18 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 73 TABELA 3.19 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS ........................................ 74 TABELA 3.20 ‐ RESUMO DO GRÁFICO ANTERIOR .................................................................................................. 74 TABELA 3.21 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO ........................................................................................................ 75 TABELA 3.22 – ALZHEIMER, VALORES DO CAMPO “DIFERENÇA” EM PERCENTAGEM. COMPARAÇÃO ENTRE OS DOIS MÉTODOS APRESENTADOS: MÉTODO DESENVOLVIDO E DESMODULAÇÃO AR. ......................................... 76 TABELA 3.23 – ALZHEIMER, VALORES DO CAMPO “DIFERENÇA” EM PERCENTAGEM. COMPARAÇÃO ENTRE OS DOIS MÉTODOS APRESENTADOS: MÉTODO DESENVOLVIDO E DESMODULAÇÃO AR. ......................................... 76 TABELA 3.24 – DIFERENÇA, EM PERCENTANGEM, ENTRE O PACIENTE COM ALZHEIMER E SAUDÁVEL PARA O 2º MÉTODO ................................................................................................................................................................ 77
xiv
LISTA DE ACRÓNIMOS A/D – Analog/Digital
AM – Amplitude Modulation
AR – Auto Regressivo
EEG – Electroencephalogram
EMD – Empirical Mode Decomposition
EF – Estímulos frequentes
ER – Estímulos raros
FFT – Fast Fourier Transform
FM – Frequency Modulation
IMF – Intrinsic Mode Function
MTM – Multi Taper Method
PE – Potencial Evocado
PEA - Potencial Evocado Auditivo
PEALL – Potencial Evocado Auditivo de Longa Latência
P300 – Potencial Evocado que ocorre 300 milisegundos após um estímulo
REM – Rapid Eye Movement
TCO – Transformada Contínua de Ôndula
xv
LISTA DE SÍMBOLOS V – Volt
µV – microVolt
Hz – Hertz
ms – milisegundo
t – tempo
τ – instante no tempo
s – escala
∑ – Somatório
∫ – Integral
dt – derivada
α – variável de controlo no EMD
x(t) – Sinal original
M(t) – envolvente dos máximos
m(t) – envolvente dos mínimos
m1 – sinal média
h1 – primeira iteração do EMD
h11 – sinal de teste
c1 – primeira IMF
rn – resíduo n
xvi
1
CAPÍTULO 1– INTRODUÇÃO
INTRODUÇÃO
Em 1875, Richard Caton, um fisiologista Britânico, publicou o primeiro documento
contendo registos de actividade eléctrica no córtex cerebral de um animal. Caton constatou
que “fracas correntes de várias direcções passam pelo multiplicador quando se colocam
eléctrodos na parte externa da superfície do cérebro, ou um eléctrodo na massa cinzenta, e um
na superfície do crânio”. A amplitude destas oscilações eléctricas era tão baixa, que a
descoberta de Caton se revela ainda mais incrível, se tivermos em conta que estes registos
foram identificados há cerca de 133 anos, altura em que os amplificadores electrónicos eram
uma utopia. Caton realizava experiências e investigava a actividade eléctrica do cérebro de
animais como o gato, o macaco e o coelho, utilizando para tal eléctrodos não-polarizados
ligados a um galvanómetro. Durante os anos que se seguiram, foram conduzidas muitas
experiências e realizados muitos registos de electroencefalogramas (EEG) em animais
mostrando as alterações na actividade espontânea e nos potenciais evocados através de
estímulos externos.
Seguiram-se muitos outros cientistas que levaram a cabo o mesmo tipo de experiências com
animais na procura de respostas sobre a actividade cerebral.
FIGURA 1.1 ‐ HANS BERGER
No entanto, só em 1929, Hans Berger, um psiquiatra alemão, que
trabalhava na cidade de Jena, anunciou ao mundo científico e médico
que:
Era possível registar diferenças de potencial fracas geradas pelo
cérebro humano (50 – 100 Vμ ), sem a necessidade de abrir o crânio,
e obter os registos em papel;
Esta actividade mudava de características de acordo com o estado
funcional do cérebro, tais como no sono, na anestesia, na hipoxia
(falta de oxigénio) e em certas doenças nervosas, como na epilepsia;
Foi o p
Electroenc
FI
Ape
seu primei
legitimou o
levariam a
Berger for
foram reat
ritmos no
lóbulo occ
estudos e
desenvolvi
SISTEMA
O so
propaga-se
pormenor a
as através
separa o ou
redor.
DETE
primeiro a
cefalografia.
IGURA 1.2 - PR
esar de tod
iro docume
o seu trabal
a cabo o me
ram aceites
tados em f
registo dos
cipital do c
descobert
imento de n
A AUDIT
om não é m
e desde a fo
aquilo que
do canal a
uvido exter
ECÇÃO E ANÁ
a designar
. Os registo
RIMEIRO EEG
dos os seus
ento oficial
lho. Só mai
esmo tipo d
pela comu
força. Uma
EEG, osci
córtex cereb
tas posteri
novas e mais
IVO mais do que
onte sonora
acontece. O
auditivo até
no do intern
ÁLISE DO PO
o estud
s chamam-s
REGISTADO P
estudos, re
sobre EEG
is tarde, em
e experiênc
unidade cie
das prime
ilações regu
bral, os qu
iores, os
s eficazes té
e uma agita
até aos nos
O pavilhão a
é ao ouvido
no, vai entã
TENCIAL EVO
2
do e regi
se electroen
POR HANS BER
evelações, e
G, a comun
m 1934, por
cias, Adrian
ntífica e os
eiras contrib
ulares entre
uais se desi
quais viera
écnicas para
ação das par
ssos ouvido
auricular re
o interno. O
ão vibrar, so
OCADO AUD
istos fisiol
ncefalogram
RGER, APROXI
esforços e d
nidade cien
intermédio
n e Matthew
s estudos d
buições des
os 10 – 12
ignam por
am a con
a o registo d
rtículas no
os. Na figura
cebe as ond
O tímpano,
olidário com
DITIVO P300
lógicos do
mas (EEG).
IMADAMENTE
da publicaçã
ntífica não r
o de dois inv
ws, é que as
da actividad
stes estudos
2 Hz, regist
“Ondas A
ntribuir par
de EEG.
nosso redo
a 1.3 podem
das sonoras
a pequena
m as molécu
o cérebro
.
E EM 1928
ão, em 192
reconheceu
vestigadore
s experiênci
de cerebral
s revelou c
tados a part
Alfa”. Segue
ra o estud
or. Essa agi
mos ver em
, encaminha
a membrana
ulas do ar n
por
29, do
u nem
es que
ias de
EEG
certos
tir do
em-se
do e
itação
m mais
ando-
a que
no seu
CAPÍT
ossíc
tal c
visto
aume
trans
cócle
press
cócle
frequ
trans
como
de im
TULO 1
Essas vibr
culos: o mar
omo ilustra
os como um
entando a p
smite a sua
ea), tendo, p
são global e
ea (hidrodin
uências que
smissão é ef
Vimos, en
o onda de p
mpulsos eléc
rações vão
rtelo, a bigo
ado na figu
ma espécie
ressão das o
vibração a
por isso, de
em 22 vezes
nâmica) par
e compõem
fectuada por
ntão, que a
pressão que
ctricos que
FIGURA 1
então ser t
orna e o estr
ura 1.4. Est
de amplifi
ondas sonor
uma memb
e aumentar
s. Desta form
ra que as c
um certo s
r intermédio
energia da
se propaga
o cérebro u
FIGURA 1.4 ‐ OS
3
1.3 ‐ SISTEMA AU
transmitida
ribo, ligado
tes três oss
ficadores. D
ras em cerc
brana 17 vez
a pressão e
ma, é possí
élulas ciliad
om e transm
o do nervo a
as ondas so
primeiro no
utiliza para c
SSÍCULOS E CÓCLE
UDITIVO HUMAN
s para o in
os em cadeia
sículos são
De facto, el
a de 1,3 vez
zes mais pe
em 17 vezes
ível obter a
das do ouv
mitir essa in
auditivo, so
onoras come
o ar e depoi
construir a i
EA DO OUVIDO H
NO
nterior da c
a, entre o tím
muito imp
les actuam
zes. O terce
equena (a ja
s. Resulta, a
agitação ne
ido interno
nformação
ob a forma d
eça por ser
is num fluíd
imagem son
HUMANO
INTROD
cóclea atrav
mpano e a j
portantes, p
como uma
eiro ossículo
anela oval à
assim, um a
ecessária no
possam id
ao cérebro.
de impulsos
r de origem
do, acaband
nora corresp
UÇÃO
vés dos três
janela oval,
odendo ser
a alavanca,
o, o estribo,
à entrada da
aumento de
o interior da
dentificar as
. A referida
eléctricos.
m mecânica,
do na forma
pondente.
s
,
r
,
,
a
e
a
s
a
,
a
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
4
Tal como já foi mencionado, as vibrações das partículas do meio ambiente são
transmitidas para o interior da cóclea pela actuação do tímpano e dos três ossículos. No
entanto, existe todo um processo posterior envolvente. A cóclea tem a forma de um caracol,
possuindo duas cavidades (scala tympani e scala vestibuli), unidas apenas no extremo e
separadas pelo chamado “ducto coclear”. As vibrações são então transmitidas à cóclea pela
janela oval, viajam até ao helicotrema pela scala vestibuli, e retornam pela scala tympani até à
base, sendo depois absorvidas pela janela redonda, tal como ilustrado na figura anterior.
Ao percorrerem o interior da cóclea, essas vibrações irão fazer com que a membrana
basilar oscile. Para melhor entendermos essas oscilações, deveremos "desenrolar" o "caracol"
e focarmo-nos na figura 1.5 (seguinte). As linhas brancas sobre o fundo azul representam a
membrana basilar "desenrolada" que, como sabemos, suporta o órgão de Corti, no qual se
encontram as células ciliadas. A excitação sonora, transmitida ao interior da cóclea através da
janela oval, provocará a oscilação da membrana basilar. Contudo, a "forma" dessa oscilação
irá depender do tipo de som produzido.
FIGURA 1.5 ‐ MOVIMENTO DA MEMBRANA BASICAL PARA TRÊS FREQUÊNCIAS PURAS DIFERENTES (250 Hz, 1000 Hz e 4000 Hz). O EIXO DAS ABCISSAS REPRESENTA O TEMPO.
É possível verificar que os movimentos da membrana basilar têm formas muito
características para sons com uma só frequência. Além disso, existe sempre uma zona em que
a amplitude dos movimentos é maior. Nessa zona, os cílios serão mais excitados, dando uma
indicação ao cérebro do conteúdo frequencial do som escutado. Repare-se também que, à
medida que a frequência aumenta, as zonas da membrana basilar onde a excitação é maior
estão cada vez mais próximas da base da cóclea. Na figura seguinte é possível observar as
CAPÍTULO 1 INTRODUÇÃO
5
zonas onde se localizam os máximos da excitação ao longo da membrana basilar para as
diversas frequências. É interessante notar que os limites correspondem aos da gama audível,
verificando-se, também, um aumento da espessura da membrana basilar desde o seu início até
ao helicotrema [18].
FIGURA 1.6 ‐ IDENTIFICAÇÃO DAS FREQUÊNCIAS DE RESSONÂNCIA E DAS ZONAS ONDE ESTAS OCORREM, AO LONGO DA MEMBRANA BASILAR
AQUISIÇÃO DE SINAIS BIOMÉDICOS
Os sinais biomédicos são portadores de informação importante e útil à compreensão do
modo como se comportam os sistemas vivos. Contudo, não é possível extrair essa informação
de forma directa dos sinais originais, uma vez que podem existir outros sinais biológicos
presentes e/ou ruído aditivo, simultaneamente. Sendo assim, é necessário efectuar algum tipo
de processamento, de forma a fazer sobressair a informação relevante e daí se retirarem
parâmetros importantes que quantifiquem o comportamento do sistema em estudo e possam
definir um grau de patologia para procedimentos clínicos, tais como diagnóstico, terapia ou
reabilitação.
Estes sinais biomédicos são detectados e capturados por sensores, principalmente
eléctrodos, ao passo que os sinais não-eléctricos são primeiramente convertidos por
transdutores em sinais eléctricos, para serem facilmente tratados, transmitidos e armazenados.
O sinal analógico é convertido num sinal digital, utilizando um conversor A/D, ou seja,
é transformado numa série de números, discretizados no tempo e em amplitude, que
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
6
facilmente podem ser tratados por processadores digitais. Idealmente, este tipo de conversão
pode ser definido em dois passos: por um lado, num processo de amostragem, que converte o
sinal contínuo num conjunto de amostras, e, por outro, num processo de quantificação que,
por seu turno, atribui um valor de amplitude a cada uma das amostras. Ambos os processos
modificam as características do sinal. O processo de aquisição do sinal e a sua amostragem
estão representados na seguinte figura:
FIGURA 1.7 ‐ DIAGRAMA DE BLOCOS GERAL DO PROCEDIMENTO DA AQUISIÇÃO DE UM SINAL DIGITAL
No entanto, é importante salientar que o processo de aquisição do sinal deve preservar a
informação contida no sinal original. Este é um ponto crucial quando se gravam sinais
biomédicos, cujas características são normalmente tidas em conta por médicos como índices
de patologias, e por isso não podem ter distorções de sinal de forma a não afectar o
diagnóstico [1].
ELECTROENCEFALOGRAMA (EEG)
Electroencefalografia é a medida neurofisiológica da actividade eléctrica do cérebro
que consiste no registo de sinais captados por eléctrodos colocados no escalpe e, em casos
raros, no córtex cerebral. O resultado dos dados recolhidos denomina-se electroencefalograma
(EEG) e representa um sinal eléctrico proveniente de um vasto número de neurónios. O EEG
é um aparelho de teste ao cérebro e a sua grande utilidade clínica é a possibilidade de
correlacionar os vários sinais registados para retirar conclusões. A corrente eléctrica não é
registada, mas antes a diferença de potencial de certos locais do cérebro. O EEG é capaz de
detectar variações de actividade eléctrica no cérebro ao nível dos milissegundos [9].
CAPÍT
RITM
•
TULO 1
MOS CERE
Fusos –
e são ge
envolve
Ritmo A
indivídu
frequênc
um indiv
Ritmos
sono RE
está rela
delta dão
Ondas D
algumas
destas os
origem d
quando a
EBRAIS
são oscilaç
erados no tá
as células r
Alfa – apes
os saudáve
cias varia en
víduo se enc
Beta – esta
EM (Rapid
acionado co
o lugar a on
Delta – ond
evidências
scilações de
dos picos d
a membran
ções, ondas
álamo. Este
reticulares ta
sar de ser
eis, a sua o
ntre 8-13 H
contra acord
F
as ondas var
Eye Movem
om o aparec
ndas mais rá
F
das cujo int
s que relaci
eve-se a dua
de baixo p
a é hiperpo
7
cerebrais qu
es ritmos es
alâmicas e c
o ritmo ma
origem é, n
Hz. Estas ond
dado e relax
FIGURA 1.8 ‐ ON
riam num in
ment). O de
cimento das
ápidas.
FIGURA 1.9 ‐ ON
tervalo de f
ionam este
as correntes
patamar, e u
olarizada. A
ue estão na
stão intimam
células tálam
ais proemin
no entanto,
das sobrepõ
xado, com o
NDA ALFA
ntervalo ent
esaparecime
s ondas bet
NDA BETA
frequências
tipo de osc
s iónicas: um
uma corren
A criação de
origem da
mente ligad
mo-corticai
nente estar
, desconhec
õem-se aos
os olhos fech
tre 13 e 22 H
ento das on
a. Tanto os
se situa en
cilações com
ma corrente
nte de iões
estes ritmos
INTROD
frequência
dos com o c
s.
presente em
cida. A su
fusos. Surg
hados.
Hz, surgind
ndas delta e
s fusos com
ntre 0,5-4 H
m o tálamo
e de cálcio,
positivos,
é quebrada
UÇÃO
de 7-14 Hz
circuito que
m todos os
a gama de
gem quando
do durante o
e dos fusos
mo as ondas
Hz. Existem
. A origem
que está na
aumentada
a assim que
z
e
s
e
o
o
s
s
m
m
a
a
e
hou
ao
cria
• Rit
disp
cór
apr
nas
EQUIPAM
Os
medida (el
para o pr
Processam
populações
DETE
uver uma co
seu estado
anças, sono
tmo Teta –
paro e sincr
rtex. Estes r
rendizagem,
s áreas centr
MENTO DE
equipamen
léctrodos, am
rocessamen
mento Rápid
s localizaçã
ECÇÃO E ANÁ
orrente de d
de repouso
profundo e
estas ondas
ronismo de
ritmos são
, especialme
rais durante
ELECTRO
ntos modern
mplificador
nto de dad
do (do inglê
ão de dipólo
ÁLISE DO PO
despolarizaç
o. Este tipo
e algumas pa
FIGURA 1.
s variam nu
muitos neu
associados
ente no lobo
e estados de
FIGURA 1
ENCEFALO
nos de EEG
res e restant
dos [técnica
ês, Fast Fo
os, etc.].
TENCIAL EVO
8
ção que con
o de ondas
atologias.
.10 ‐ ONDA DEL
um intervalo
urónios, prov
à navegaç
os temporai
alerta e de
1.11 ‐ ONDA TET
OGRAFIA
G baseiam-s
te material d
as de ima
ourier Tran
OCADO AUD
nduz o poten
são usadas
LTA
o entre os 4–
vavelmente
ão espacial
is. Surgem
atenção.
TA
se em dois
de registo) e
agem, Tran
nsform), est
DITIVO P300
ncial da me
nos estudo
–8 Hz e estã
e no hipocam
l e a forma
na zona tem
blocos: (1)
e (2) a tecno
nsformadas
tatística de
embrana de
os que imp
ão envolvid
mpo e atrav
as de memó
mporal e tam
) um sistem
ologia neces
de Fourie
comparaçã
novo
licam
das no
vés do
ória e
mbém
ma de
ssária
er de
ão de
CAPÍTULO 1 INTRODUÇÃO
9
1.5.1 POSICIONAMENTO DOS ELÉCTRODOS
Os eléctrodos são colocados no escalpe depois de aplicado um gel condutor. A
colocação dos eléctrodos é determinada pelo sistema internacional designado por 10/20. A
distribuição pressupõe o posicionamento de 20 eléctrodos pelo escalpe de forma precisa. O
“10” e o “20” refere-se às distâncias de eléctrodos adjacentes que são ou 10% ou 20% da
distância total da frente-trás ou direita-esquerda do crânio. Neste sistema, cada área do crânio
tem uma letra para identificar o lobo cerebral e um número para identificar o hemisfério. As
letras F, T, C, P e O significam Frontal, Temporal, Central , Parietal e Ocipital
respectivamente. Convém, no entanto, referir que não existe um lobo central “C” sendo que
este é apenas usado para identificação. No caso da letra “z”, esta refere-se a um eléctrodo
colocado na linha central, como se pode ver na figura abaixo.
FIGURA 1.12 – SISTEMA 10‐20 DO EEG
1.5.2 LIMITAÇÕES DO EEG
O EEG tem várias limitações. Os eléctrodos colocados no escalpe não são
suficientemente sensíveis para registar potenciais individuais, a unidade eléctrica do sinal do
cérebro (potencial eléctrico gerado apenas por um neurónio) [9]. As limitações do EEG
restringen-nos a um estudo das camadas superficiais do cérebro, pois esta técnica só capta
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
10
atividade elétrica em grupos de neurônios das camadas I e II do córtex que se difunde na
camada dendrítica, e, além disso, encontra ainda a resistência ôhmica das meninges, crânio e
pele.
POTENCIAIS EVOCADOS
Quando um sujeito é submetido a estímulos visuais, auditivos ou sensoriais,
desencadeia-se nos hemisférios cerebrais um processo de recolha, transmissão e
processamento de informação que corresponde a diferentes etapas de percepção. Depois de
estimulados, diversos neurónios ou grupos de neurónios respondem sincronamente, estando o
seu potencial activo, ao mesmo tempo que se gera um potencial passível de ser medido à
superfície do escalpe. Os potenciais evocados são, então, respostas eletrofisiológicas do
córtex cerebral a estímulos sensoriais externos. Existem três diferentes tipos de potenciais
evocados: visuais, auditivos e somatosensoriais. No entanto, estes potenciais, registados após
o estímulo, demonstram ser muito menores que os potenciais espontâneos. Uma vez que o
potencial gerado por estímulos é reduzido, e de forma a tornar possível a medição dos
potenciais evocados (PE), é habitual repetir várias vezes o mesmo estímulo [normalmente
entre 50 a 200 vezes, dependendo do tipo de estímulo e do ruído (ruído eléctrico – provocado
pelos equipamentos de electroencefalografia, e ruído biológico – artefactos produzidos pelo
simples piscar de olhos, focar de um objecto ou mudança de concentração do paciente. Todas
estas situações reflectem-se numa actividade cerebral patente nos registos de
electroencefalografia, que nada têm a ver com o estudo do estímulo desejado comportando-se
como ruído). Os potenciais evocados de um determinado estímulo apresentam também picos
de diferentes amplitudes, os quais se designam por componentes. Cada uma destas
componentes está relacionada com uma ou mais etapas de processamento de informação e
caracteriza-se pela sua latência (intervalo de tempo entre o estímulo e a componente). Para se
proceder a medições de PE, é necessário que o intervalo de tempo entre dois estímulos
consecutivos seja suficientemente grande para que não se sobreponham às respostas
neuronais. Por outro lado, e de forma a obter resultados mais exactos, os vários estímulos
devem ser feitos nas mesmas condições que o estímulo-piloto. No que respeita a estímulos
que necessitam de uma actividade cognitiva maior (maior latência), a exactidão dos resultados
CAPÍTULO 1 INTRODUÇÃO
11
não será tão promissora quanto outro tipo de estímulo, visto que o indivíduo tem dificuldade
em manter a mesma atitude cognitiva perante o estímulo desde o início até ao final do exame.
A utilização de métodos de avaliação da audição associados aos métodos
comportamentais tem-se tornado cada vez mais frequente no campo da Audiologia Clínica,
contribuindo para o aumento da precisão no diagnóstico dos distúrbios auditivos centrais.
O estudo do Potencial Evocado Auditivo (PEA) é um dos meios actualmente utilizados
e que reflecte as mudanças neuroeléctricas que ocorrem ao longo da via auditiva, desde a
cóclea e nervo auditivo, até ao córtex cerebral, em resposta a um estímulo ou evento acústico.
Além de permitir a investigação da audição periférica do indivíduo, avalia a integridade
das vias auditivas centrais, a sua maturação durante o processo de desenvolvimento e as
disfunções causadas por diversas doenças. Além disso, esta metodologia permite seguir o
curso da actividade cerebral no tempo (com a precisão de milissegundos) e portanto obter
conhecimento, não somente do produto final do processamento, como também da sequência,
tempo e estágios de processos específicos.
Segundo McPherson (1996), as mudanças do desenvolvimento observadas nos PEA
estão relacionadas, não apenas com elementos anatómicos e funcionais, mas também com
padrões organizacionais que ocorrem com o comportamento e a aprendizagem. Neste
contexto, destacamos a contribuição dos Potenciais Evocados Auditivos de Longa Latência
(PEALL) na investigação de algumas habilidades cognitivas envolvidas no processamento da
informação (atenção, discriminação e memória). Os principais potenciais (ondas) descritos
são: N1, P2, N2 e P3 - [2], [3], [5], [7], [8] e [10].
1.5.3 POTENCIAIS EVOCADOS – P300
O P3 ou P300 é a onda mais tardia que aparece após o complexo N1-P2-N2 (três
primeiras ondas que aparecem em sequência e apresentam polaridade negativa - positiva -
negativa) como uma resposta ligada a aspectos fundamentais da função mental: percepção e
cognição. Por ser um potencial mais influenciado pelo uso funcional que o indivíduo faz do
estímulo é considerado endógeno e também chamado de potencial cognitivo.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
12
O P300 é gerado de forma consciente, numa tarefa de discriminação entre estímulos
acústicos diferentes, denominada “paradigma oddball” ou “paradigma do alvo”. Neste tipo
de tarefas apresentam-se estímulos com algumas diferenças entre si (intensidade, duração
ou qualquer característica física) para que uns estímulos sejam mais frequentes (80% -
90% dos ensaios) e outros sejam raros ou inesperados (10% - 20%), mas apresentados
numa ordem aleatória e imprevisível para o sujeito. São apresentados ao indivíduo dois
tipos diferentes de estímulos acústicos por meio de auscultadores binaurais: (1) os chamados
estímulos frequentes (EF), que ocorrem num intervalo de tempo constante, e (2) os chamados
estímulos raros (ER), que são introduzidos de modo aleatório entre os primeiros. O indivíduo
é orientado a manter-se atento e contar mentalmente o número de ER que conseguir
reconhecer e discriminar. Podem ser usados tons puros diferenciados pela frequência (EF -
1000Hz e ER - 2000Hz) ou ainda estímulos de fala diferenciados pelo traço de sonoridade
(EF - /pa/ e ER - /ba/), como estímulos acústicos.
Embora seja considerado um método objectivo de avaliação, o P300 pode sofrer a
interferência de alguns factores que contribuem para a variabilidade das suas medidas
(latência e amplitude de onda). As variáveis relacionadas com o teste e que podem introduzir
alguma perturbação são: parâmetros usados no teste (intensidade, frequência e tipo de
estímulo acústico, filtro, tipo de tarefa, intervalo inter-estímulo, entre outros); as condições de
registo (hora do dia) e sujeito (idade, sexo, habilidade cognitiva e temperatura do corpo).
Além das variáveis já conhecidas e, portanto, controladas pelos examinadores, chamam-
nos a atenção para a "subjectividade" envolvida na identificação e marcação da onda P300,
que ocorre pela falta de um ou mais critérios de análise bem definidos e padronizados.
Os trabalhos encontrados na literatura usam metodologias diferentes tanto para
identificar o P300 (considerando a morfologia, a reprodutibilidade da onda e o intervalo de
latência), como para marcar as suas medidas de latência e amplitude esperadas pela faixa
etária avaliada (considerando o ponto de máxima amplitude da onda, média entre duas
replicações, ponto mais próximo a 300 ms, ponto da onda mais replicável). Alguns termos
utilizados, como "o pico mais alto", "a maior onda", "o primeiro pico", "a onda mais
proeminente ou mais bem formada", entre outros, podem levar a interpretações diferentes
entre diversos examinadores, gerando resultados diferentes entre os trabalhos.
A latência típica da P300 situa-se entre os 300 e os 500 ms e a sua amplitude média
situa-se em torno dos 10 microVolt (µV). É uma onda mais facilmente detectável na
CAPÍTULO 1 INTRODUÇÃO
13
região centroparietal do crânio (Pz e Cz), tendo a sua origem no córtex frontal e no
hipocampo, e parece estar relacionada com a resposta de orientação.
A amplitude de P300 é maior para os estímulos raros a que o sujeito atende (target),
pelo que se pode interpretar como sendo um indicador ou reflexo de variáveis como a
falta de expectativa do sujeito relativamente ao estímulo ou da significação e relevância
que o sujeito atribuiu a esse estímulo (independentemente dos requisitos da tarefa). A
P300, no entanto, não parece ser uma componente unitária, sendo talvez mais correcto
falar-se num “complexo P300”. Nesse complexo de componentes, na verdade, tem-se
distinguido uma P3a da P3b (P300 original). De facto, se se introduzir um terceiro
estímulo numa tarefa oddball, funcionando como evento novo, inesperado ou
surpreendente, pode-se observar uma componente positiva distinta da P300, que
apresenta uma latência menor (à volta dos 250 ms) e cuja distribuição no crânio tem uma
orientação mais frontal. Esta componente designa-se por P3a (frontal) para se distinguir
da P300 clássica (P3b), mais tardia e com uma distribuição mais parietal. A P3a tem
estado ligada a processos que implicam a captura da atenção de forma automática e
involuntária perante eventos salientes, ou seja, enquanto a P3b depende não só da tarefa
como também da expectativa de aparecimento do estímulo, a P3a está, de alguma forma,
dependente da probabilidade de aparecimento do estímulo (captura de atenção) mas não
varia com a tarefa que a desempenhar. O complexo P300 é normalmente precedido de
uma deflexão negativa denominada N2 (onda que surge por volta dos 200 ms face ao
aparecimento do estímulo estranho) e está assim associado aos mecanismos
neurocerebrais de processamento da atenção e da memória imediata, como a captura de
atenção, a atenção selectiva e a actualização do contexto da memória de trabalho ou
memória imediata [2], [3], [5], [7], [8],[10] e [17].
1.5.4 P300 E ALZHEIMER
A onda P300 é afectada de diversas maneiras (várias desordens psiquiátricas e
neuronais, as quais estão intrinsecamente relacionadas com mudanças dos níveis de vários
neurotransmissores) sendo de esperar que para cada uma das doenças se obtenham diferentes
valores de amplitude e latência. A mudança mais proeminente em termos auditivos na doença
de Alzheimer é um aumento da latência correspondendo a uma insuficiência de memória e de
capacidade de concentração/atenção. O P300 é, também, uma das formas de diagnóstico da
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
14
latência do estímulo auditivo nos doentes com Alzheimer. Por outro lado, esta latência
também pode ser maior em indivíduos cujo risco de adquirir Alzheimer seja maior [3].
CAPÍTULO 1 INTRODUÇÃO
15
OBJECTIVOS E CONTRIBUIÇÃO
O principal objectivo da dissertação é verificar que tipo de diferenças existem antes e
depois de um indivíduo ser sujeito a um estímulo auditivo, através de registos
electroencefalográficos que contêm informação referente ao pico positivo do Potencial
Evocado Auditivo P300. Através da análise deste pico é possível verificar alguns dos
parâmetros-chave para este estudo e retirar alguns indicadores.
As diferenças que se pretendem verificar dizem respeito à frequência e amplitude, à
forma como um indivíduo que sofre da doença de Alzheimer é afectado ao nível do
processamento auditivo e sob que forma isto se reflecte na gama de frequências
predominantes nos seus registos electroencefalográficos, antes e depois do estímulo.
O principal contributo do trabalho reside na forma como se aborda a análise feita aos
registos, recorrendo-se a algoritmos que nos permitem fazer uma análise mais detalhada e que
nos possibilitam olhar sob outro prisma para esses mesmos sinais. Desta forma, tentar-se-á
detectar diferenças que possam reflectir um tipo de comportamento, em frequência e
amplitude, para os dois sujeitos em questão.
Resumindo, pretende-se responder às seguintes questões:
I. De que forma se poderá detectar de forma mais eficiente o potencial evocado
auditivo P300, dado que os sinais apresentam ruído?
II. De que forma varia a sua latência (intervalo entre momento do estímulo e o
pico positivo do P300) e de que maneira a latência e amplitude estão
relacionados (para os dois indivíduos independentes um do outro e entre um e
outro)?
III. De que forma a frequência e a amplitude variam ao longo do tempo nos sinais
dos dois sujeitos?Para estes dois parâmetros, verificar de que forma o facto de
um sujeito ter Alzheimer interfere no comportamento dos mesmos.
A resposta a estas três questões irá contribuir para um melhor entendimento da forma
como os doentes com Alzheimer são afectados a nível auditivo, quais os parâmentros a ter em
conta numa análise feita a um potencial doente e de que forma se pode detectar de forma
eficiente esses mesmos parâmetros nos registos clínicos.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
16
ORGANIZAÇÃO DA TESE
A dissertação encontra-se organizada em quatro capítulos. São introduzidos os
conceitos de respostas evocadas, os diversos ritmos cerebrais, electroencefalograma, o
equipamento utilizado e as limitações e Potencial Evocado P300. São, também, apresentados
os objectivos desta dissertação.
No capítulo 2 são apresentadas algumas técnicas que nos permitem estudar os sinais
electroencefalográficos. São apresentados alguns detalhes da forma como essas técnicas
desempenham a sua análise sobre os sinais.
No capítulo 3 é feita a análise dos resultados obtidos. Estes resultados estão divididos
segundo as várias técnicas utilizadas para estudar os sinais dos dois sujeitos (um com
Alzheimer e outro saudável). Apresentam-se estes resultados em diversas tabelas, onde os
dados são correlacionados e apresentados indicadores relevantes para o estudo do P300.
O quarto e último capítulo é dedicado às conclusões da dissertação e às perspectivas
futuras em termos de investigação.
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
17
CAPÍTULO 2– TÉCNICAS MATEMÁTICAS
2.1 INTRODUÇÃO À DECOMPOSIÇÃO EM MODOS EMPÍRICOS - EMD
A Decomposição em Modos Empíricos (EMD) é um método de análise de sinais não-
estacionários. Este método decompõe um dado sinal em componentes elementares
denominadas Modos Intrínsecos, as Intrinsic Mode Functions, IMF [11]. Estes sinais
elementares, obtidos através do processo de decomposição do sinal, são específicos do sinal
que se analisa, dado que o EMD é um método adaptativo.
Cada modo intrínseco representa uma oscilação simples. Por outro lado, essa oscilação
será simétrica em relação ao valor médio local [11].
A definição de IMF está em muito relacionada com a definição de envolvente e esta
depende, por sua vez, da função de interpolação que se está a usar. No caso do EMD original,
de Huang, é utilizada a interpolação de “Spline Cúbico” (Spline - Um spline é uma curva
definida matematicamente por dois ou mais pontos de controlo. Os pontos de controlo que
ficam na curva são chamados de nós. A categoria dos splines por interpolação, são splines
cuja curva passa por todos os pontos de controlo.) No caso de serem utilizados diferentes
tipos de interpoladores, os resultados obtidos serão também eles diferentes [11].
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
18
FIGURA 2.1 ‐ SINAL DE TESTE ORIGINAL
Com a definição de IMF dada, pode-se decompor qualquer função da seguinte maneira:
1. toma-se o sinal, o sinal de teste (sinal da figura acima);
2. identificam-se os seus extremos (máximos e mínimos);
3. interpolam-se esses extremos usando um spline cúbico.
4. Desta forma, obtêm-se as envolventes superior e inferior, que devem ter um número
de pontos pelo menos igual ao do sinal (ver figura 2.2). Após isso, determina-se o
sinal médio, que corresponde à diferença entre as duas envolventes, a envolvente dos
máximos M(t), e a envolvente dos mínimos m(t). O sinal média é designado por m1(a
vermelho na figura 2.2).
CAPÍT
obtid
de h
mínim
TULO 2
F
Por último
do anteriorm
Idealment
1 deveria t
mos negativ
FIGURA 2.2 ‐ SI
o, é calculad
mente m1. Es
FIG
te, o resíduo
tê-la tornad
vos [6]. Sen
INAL ORIGINAL
da a diferen
sta diferenç
GURA 2.3 ‐ SIN
o h1 deveria
o simétrica
ndo assim, e
19
L, ENVOLVENTE
nça entre o s
ça correspon
AL DE TESTE O
a satisfazer
a, com todo
e dado que
E SUPERIOR, IN
sinal origina
nde à prime
RIGINAL E O RE
as condiçõe
os os máxim
h1 não satis
TÉCNICA
NFERIOR E SINA
al, o sinal de
ira iteração
ESÍDUO H1
es de uma I
mos estando
sfaz estes re
AS MATEMÁ
AL MÉDIO
e teste, e o s
h1:
IMF, pois a
o positivos
equisitos, es
ÁTICAS
sinal médio
construção
e todos os
ste processo
o
o
s
o
é repetido
processos
No próxim
Após
vezes, h1k t
tal como d
F
DETE
o número
de filtragem
mo passo, é t
s filtragens
torna-se um
escrito em [
FIGURA 2.4 ‐ SI
ECÇÃO E ANÁ
de vezes n
m subsequen
tratada com
s sucessivas
ma IMF, isto
[6],
NAL ORIGINAL
ÁLISE DO PO
necessário
ntes, h1 pod
mo o sinal a a
h11 = h
s desta ma
o é,
h1k = h
L, ENVOLVENTE
TENCIAL EVO
20
para tornar
de ser tratad
analisar, log
h1 - m11,
aneira, apre
hk-1 - m1k ,
E SUPERIOR, IN
OCADO AUD
r o sinal ex
do apenas c
go,
sentadas na
FERIOR E SINA
DITIVO P300
xtraído h1 n
como uma
as figuras
L MÉDIO – ITER
numa IMF.
IMF tempo
seguintes,
RAÇÃO 3
. Nos
orária.
(2.1)
até k
(2.2)
CAPÍT
e, en
a prim
TULO 2
FIGURA
ntão, é desig
meira comp
A 2.5 ‐ SINAL OR
gnada como
ponente IMF
FIGU
RIGINAL, ENVO
c1
F extraída d
URA 2.6 ‐ SINAL
21
OLVENTE SUPER
1 = h1k ,
do sinal, da
L ORIGINAL SEM
RIOR, INFERIOR
figura 2.1, e
M COMPONENT
TÉCNICA
R E SINAL MÉDI
e representa
TE DA 1ª IMF
AS MATEMÁ
O – ITERAÇÃO
ada na figur
ÁTICAS
5
(2.3)
ra seguinte:
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
22
No entanto, um dos aspectos críticos surge quando se pretendem definir critérios de
paragem à extracção de uma IMF. Ao longo dos anos foram sendo usados dois critérios:
1. Determinação do critério de paragem, usando um tipo de teste de convergência de
Cauchy. Este teste exige que a diferença quadrada normalizada entre duas filtragens
sucessivas definida por
SDκ =
∑t=0
T | |hκ-1 (t) - hκ (t)
2
∑t=0
T h
2κ-1
, (2.4)
seja pequena. Se o valor de SDκ for menor que um valor predeterminado, então o processo de
filtragem pára. Contudo, existem duas questões críticas a serem resolvidas: primeiro, a
questão de quão pequeno deve ser o SDκ para que se tenham bons resultados; segundo, o
critério não depende da definição de IMF. A diferença SDκ pode ser pequena, no entanto,
nada garante que a função obtida irá ter o mesmo número de extremos e zeros. Por esta razão,
Huang propôs uma segunda abordagem a este problema. Um número S é pré-seleccionado. O
processo de filtragem só irá parar após a repetição de S vezes do processo, quando o número
de extremos e zeros se mantiver o mesmo e forem iguais ou diferirem pelo menos em uma
unidade. No entanto, surge outra questão que se cinge ao número S a escolher.
Em estudos mais recentes, Huang et al. (2003) usaram muitas alternativas de S para
obter um grupo de vários conjuntos de IMF, do qual foi retirado a média e o nível de
confiança. Após estudos comparativos de vários resultados obtidos Huang et al. construíram
um guia empírico. Para processos de filtragem óptimos, o intervalo do número S deve situar-
se entre 4 e 8.
Agora, assume-se que o critério de paragem foi já escolhido e que c1 é a primeira IMF.
Em geral, c1 deve conter a escala mais ajustada ou a componente com o período mais
pequeno do sinal. Deste modo, c1 pode ser separado do resto do sinal por
r1 = x(t) - c1 , (2.5)
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
23
Dado que o resíduo r1 ainda contém grandes variações de período no sinal, tal como se
mostra na figura seguinte,
FIGURA 2.7 ‐ SINAL ORIGINAL E O RESÍDUO R1
é, então, tratado como sendo o novo sinal e posteriormente sujeito ao mesmo processo de
filtragem. Este processo pode-se repetir com todos os rj seguintes e o resultado é
r2 = r1 - c1, ....., rn = rn-1 - c1 , (2.6)
O processo de filtragem pode ser, então, parado por qualquer um dos seguintes critérios
predeterminados: (1) ou quando a componente cn ou o resíduo rn se tornam tão pequenos que
é menor que o valor predeterminado, (2) ou quando o resíduo rn se torna uma função
monotónica da qual não se conseguem extrair mais IMF. Mesmo que se tenha uma média
igual a zero para o sinal, o resíduo final pode ser diferente de zero. Se os dados tiverem uma
tendência, o resíduo final deverá ser essa tendência. Obtém-se, então,
x(t) = ∑j=1
n cj + rn , (2.7)
Assim, alcança-se a decomposição dos dados em n-modos empíricos e obtém-se o
resíduo rn , que pode ser a média da tendência ou uma constante. Sendo assim, e pelo que se
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
24
viu anteriormente, para aplicar o método EMD (Empirical Mode Decomposition), é apenas
necessário saber a localização dos extremos. A referência de zero em cada componente será
gerada pelo processo de filtragem. [6].
2.1.1 DESMODULAÇÃO AM
No fim do procedimento anterior, obteve-se uma IMF, c1(t) e as suas envolventes,
M(t) e m(t). Se estas envolventes forem simétricas, então, a sua diferença poderá ser a
estimativa do sinal modulado em amplitude:
• c1(t) = A(t).s(t) sendo que A(t) = M(t)-m(t) e s(t) = |s(t)|≤1; (2.8)
Desta forma, obtém-se uma estimativa da amplitude instantânea. No entanto, é possível
encontrar uma estimativa mais correcta de A(t), sinal modulado em amplitude) pelo
seguinte procedimento:
• Em primeiro lugar, faça-se y(t) = |c1(t)|;
• Cálculo dos máximos de y(t).
• Interpolação desses máximos para obter A(t).
2.1.2 DESMODULAÇÃO FM
• Uma vez desmodulada a amplitude, divide-se o sinal original c1(t) por A(t) para
obter o sinal FM (sinal modulado em frequência), s(t),
s(t) = c1(t)A(t) , (2.9)
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
25
2.2 DESMODULAÇÃO AR
2.2.1 DESMODULAÇÃO AR
De início, assume-se que a frequência instantânea de SFM(t), o sinal de 2.2.2) é
um sinal que varia lentamente no tempo, de modo a que se possa considerar
constante em curtos intervalos de tempo. Para além disso, deve-se amostrá-lo para
obter um sinal discreto, que possa ser expresso no formato:
SFM(n) ≈ cos[2πf(n0).n], (2.10)
válido para n0-N≤n≤ n0+N. Assim, assume-se que a frequência é constante para uma
janela com comprimento de 2N+1, em que N é um inteiro positivo.
O estimador de frequência instantânea usado baseia-se na aproximação AR
local. Sabe-se que, se xn = cos(2πfn + φ), com f∈(0,1/2) e φ∈(-π, π), então verifica a
equação AR. De facto, tem-se:
cos[2πf n + ϕ] = cos[2πf(n-1) + ϕ] cos(2πf) - sin[2πf(n-1) + ϕ] sin(2πf) , (2.11)
e
cos[2πf (n-2)+ ϕ] = cos[2πf(n-1) + ϕ] cos(2πf) + sin[2πf(n-1) + ϕ] sin(2πf), (2.12)
Somando as equações (2.4) e (2.5), obtém-se:
cos[2πf n+ ϕ] + cos[2πf (n-2)+ ϕ] = 2cos[2πf(n-1) + ϕ] cos(2πf) , (2.13)
que equivale a:
cos[2πf n + ϕ] - 2cos[2πf(n-1) + ϕ] cos(2πf) + cos[2πf (n-2)+ ϕ] = 0, (2.14)
A equação (2.7) permite-nos considerar que:
xn- 2 cos(2πf) xn-1 + xn-2 = 0, (2.15)
que corresponde a um modelo AR com o polinómio:
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
26
1 - 2cos(2πf)z-1 + z-2 , (2.16)
Este polinómio é obtido utilizando a Recursão de Levinson com os coeficientes
de reflexão: C1 = -cos(2πf) e C2=1. Assim, computando o primeiro coeficiente de
reflexão numa janela centrada na amostra de referência, pode-se obter uma
estimativa da frequência. Para calcular a estimativa do coeficiente de reflexão usou-
se um método de Burg modificado proposto em [16], que permite calcular o primeiro
coeficiente através da expressão:
C1 =
∑2
L-1 xn(xn-1 + xn+1)
2 ∑2
L-1 x2
n
, (2.17)
em que L é o número de amostras disponíveis. Esta fórmula calcula o valor correcto,
desde que se tenha, pelo menos, três amostras. Para um sinal FM, faz-se L=2N+1,
com N a variar de acordo com as aplicações práticas.
Resumindo:
O processo de extracção de IMF descreve-se da seguinte maneira:
1. Encontram-se os máximos e mínimos do sinal;
2. Através da função de interpolação escolhida e através do conhecimento de 1), obtêm-
se a envolvente superior e inferior, M(t) e m(t);
3. Determina-se a média dos dois envolventes: m1(t) = M (t)+m(t)
2 .
4. Subtrai-se essa média do sinal: x(t): = x(t) – α . M (t)+m(t)
2 . Se tiver sido atingido o
limite de resolução, então, foi encontrada uma IMF e passa-se para 5). Caso contrário,
é removido o sinal média m1(t) a x(t), x(t) = x(t) – α.m1(t) e retoma-se o passo 1).
5. Assim que se obtém uma IMF, c1, remove-se essa IMF do sinal: x(t) = x(t) - c1 . Caso
a energia de x(t) não seja quase nula, então, retorna-se a 1).
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
27
Por construção, o número de extremos deve decrescer de uma IMF para a próxima e
espera-se que a decomposição se complete com um número finito de IMF [11].
Nota: Ao extrapolar os sinais (as IMF) pode surgir um efeito de má estimação o que
pode comprometer os resultados adicionando uma conponente que na verdade não
existe e que pode distorcer a IMF gerada. Para atenuar este efeito, introduziu-se uma
variável α, 0< α<1. Esta variável aumenta a duração de tempo da iteração e torna o
algoritmo mais eficaz. Em principio o parâmetro α pode ser arbitrário mas é
aconselhável a sua utilização segundo o seguinte critério: minimizar a energia do sinal
resultante. Este critério leva a que α seja igual ao coeficiente de correlação entre x(t) e
e(t).
No esquema que se segue, encontra-se a forma como se processa o EMD:
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
28
FIGURA 2.8 ‐ FLUXOGRAMA DO MODO DE PROCESSAMENTO DO MÉTODO DE DECOMPOSIÇÃO EM MODOS EMPÍRICOS: EMD
Cálculo dos máximos do sinal
Mk,= 1,2,3...n
Cálculo dos mínimos do sinal
mk,= 1,2,3...n
Extrapolar o primeiro e último extremo relativo
do sinal x(t)
Determinação das envolventes superior e
inferior através da interpolação dos
máximos e mínimos M(t) e m(t)
Cálculo do sinal média entre as duas envolventes
e(t) = M(t)-m(t)
IMF encontrada e guardada num vector de IMF’s
Atingido o limite de
resolução?
Remover a IMF ao sinal x(t),
x(t) = x(t) - IMF
Energia de x(t) quase nula e x(t)
ainda varia?
Decomposição do sinal x(t) em
modos empíricos
Remover a x(t) o sinal média,
x(t) = x(t) – a.e(t)
Não
Sim
Não
Sim
x(t)
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
29
2.3 ÔNDULAS - INTRODUÇÃO
O uso de ôndulas para análise de séries temporais/espaciais tem sofrido um apreciável
incremento na última década, constituindo actualmente uma ferramenta imprescindível em
algumas áreas como as telecomunicações ou o processamento de sinais.
A análise de ôndulas baseia-se na convulsão do sinal em estudo f(t) com sucessivas
funções, representativas de escalas diferentes, as funções de ôndula ψs,τ(t). A forma de cada
uma destas funções é obtida a partir de uma função principal vulgarmente designada por
ôndula mãe ψ(t):
ψs,τ (t) = 1s ψ ⎝⎜
⎛⎠⎟⎞t-τ
s , (2.18)
onde s (>0) representa a escala temporal da perturbação (uma escala menor corresponde a
uma frequência superior) e o parâmetro τ corresponde aos diferentes instantes ao longo do
tempo (translação).
2.3.1 TRANSFORMADA ÔNDULAS CONTÍNUA
Com base na definição de ôndula da introdução anterior encontra-se a versão contínua, a
transformada de ôndulas (γ), definida pela seguinte expressão:
γτ,s = 1s ⌡⌠ ψ ⎝⎜
⎛⎠⎟⎞t-τ
s x(t) dt , (2.19)
O termo em denominador √s corresponde a um factor de normalização da energia de
cada ôndula γ(τ,s) de forma a manter a mesma energia da ôndula mãe. A equação (2.19)
reflecte a principal novidade introduzida pelas ôndulas: a possibilidade de transformar um
sinal num espaço a dois parâmetros (s,τ) que traduz a medida local de amplitude relativa de
variabilidade com a escala s no instante τ. Esta definição contrasta de forma evidente com a
transformada de Fourier que nos fornece apenas a amplitude média para cada escala
(frequência ou período) da variabilidade ao longo do sinal.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
30
As limitações da análise de Fourier clássica e que em última análise constituíram um
forte incentico para o desenvolvimento da análise por ôndulas. Através da análise de Fourier a
informação relativa à evolução temporal do sinal é perdida. Pelo contrário, a aplicação da
transformada de ôndulas permite distinguir as frequências dominantes (escalas e períodos) e a
forma como evoluem ao longo do sinal.
2.3.2 ÔNDULAS DISCRETAS
A transformada contínua com ôndula é altamente redundante (basta notar que uma
função de uma variável é transformada numa função de duas variáveis). Na prática, para obter
algoritmos eficientes para determinar a transformada de uma função g e resconstruir g à custa
dos valores da transformada, devemos restringir os valores dos parâmetros do plano tempo-
escala. Uma escolha usual para essa discretização é a chamada rede diádica , definida por:
a = 2 –j, τ = k2 –j ; j,k . (2.20)
Nesse caso, temos então a seguinte família de funções:
ψj,k = 2 j/2 ψ(2 j t-k); j,k , (2.21)
Naturalmente, pretende-se que, à semelhança do que se passa no caso contínuo, seja
possível:
• Reconstruir f
• Expandir f como sobreposição das funções ψj,k
A decomposição e reconstrução deverão ser processos estáveis, isto é, pouco sensíveis a
pequenas perturbações nos coeficientes.
A Transformada de ôndula apresenta três propriedades que a tornam difícil de usar
directamente na forma de (2.18). A primeira é a redundância da Transformada ôndula
Contínua. Em (2.18), a Transformada de ôndula é calculada deslocando continuamente uma
função contínua de escala sobre um sinal, e do cálculo da correlação entre os esses dois sinais,
o sinal original e o sinal ôndula. Para muitas das aplicações práticas há que remover esta
redundância.
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
31
Mesmo sem esta redundância da TCO (transformada contínua de ôndula) tem-se um
número infinito de ôndulas na Transformada de ôndula e, desta forma, é necessário reduzir
este número. Este é o segundo problema.
O terceiro problema reside no facto de que, para muitas funções, a Transformada de
ôndulas não possui soluções analíticas e apenas pode ser calculada numericamente.
Tal como foi referido anteriormente, a TCO mapeia um sinal a uma dimensão num a
duas dimensões, com uma representação tempo-escala que se apresenta altamente redundante.
Para ultrapassar este problema surgiram as transformadas “ôndulas discretas”. Estas não são
continuamente escaláveis e transladadas mas apenas o podem ser em passos discretos. Isto é
conseguido através da modificação da equação (2.20) para criar,
ψj,k (t) = 1
s j0
ψ⎝⎜⎛
⎠⎟⎞t-k τ0s
j0
s j0
, (2.22)
Embora seja chamada de “ôndula Discreta”, é normalmente uma função contínua. Nesta
equação, j e k são inteiros e s0 >1 é um passo fixo de dilatação. A translação τ0 depende do
factor de dilatação. O efeito de discretizar a ôndula é que o espaço tempo-escala é agora
amostrado em intervalos discretos. Normalmente escolhe-se s0 = 2 resultando no eixo das
frequências uma amostragem diádica. Para o atraso escolhe-se τ0 = 1 para que tenha também
uma amostragem diádica no eixo temporal.
Quando as ôndulas discretas são usadas para transformar um sinal contínuo, o resultado
será uma série de coeficientes de ôndulas, o qual se designa por “Decomposição em Séries de
Ôndulas”. Uma questão importante é saber como se pode reconstruir o sinal. É possível
reconstruir o sinal da Decomposição em Séries de Ôndulas. A condição necessária para uma
reconstrução é ter a energia dos coeficientes das ôndulas entre dois limites positivos, isto é,
A||x|| 2 ≤ ∑j,k
|<f,ψj,k >| 2 ≤ B||x|| 2 , (2.23)
onde ||x|| 2 é a energia de x(t), A > 0, B < ∞ e A, B são independentes de x(t). Quando se
satisfaz esta equação, a família das equações base ψj,k (t) com j, k é referida como um
“quadro” com limites A e B.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
32
Quando A = B o “quadro” é estreito, apertado, e as ôndulas discretas comportam-se
como uma base ortogonal. Quando A ≠ B é possível uma reconstrução exacta à custa de um
duplo “quadro”. Numa transformada ôndula discreta de “quadro” duplo a decomposição de
ôndula é diferente da ôndula de reconstrução.
O último passo é tornar as ôndulas discretas ortogonais, o que apenas se pode fazer com
as ôndulas discretas. As ôndulas discretas podem ser tornadas ortogonais para as suas próprias
dilatações e translações através de escolhas especiais da ôndula -mãe, o que quer dizer que:
⌡⌠ ψj,k ψ*j,k dt =
⎩⎨⎧1 se j = m e k = n 0 se for diferente , (2.24)
Pode-se reconstruir um sinal arbitrário através das funções wavelet de bases
ortogonais, pesadas pelos coeficientes da transformada de ôndula:
x(t) = ∑j,k
γ(j,k) ψ j,k (t) , (2.25)
A Ortogonalidade não é essencial para a representação de sinais. As ôndulas não
necessitam de ser ortogonais e em algumas aplicações a redundância pode ajudar a reduzir a
sensibilidade ao ruído ou a optimizar a invariância da deslocação da transformada. Tal pode
ser visto em [12], [13] e [14].
2.4 O ESPECTROGRAMA
O Espectrograma tem como principal função a visualização da distribuição da energia de um
sinal, expressa a potência por cada unidade de frequência por unidade de tempo.
Resulta num gráfico de 3 dimensões (3D), que apresenta o espectro de energia do
sinal ao longo do tempo.
CAPÍTULO 2 TÉCNICAS MATEMÁTICAS
33
2.5 JANELAS MÚLTIPLAS
Multiplica-se sucessivamente a série temporal por uma janela antes de realizar a
transformada de Fourier para reduzir a fuga espectral (potência da frequência real que se
dispersa para frequências vizinhas). Sem a janela, a parte de alta frequência do espectro pode
tender para uma fuga espectral. Contudo, o uso de uma única janela, em geral, pondera
desigualmente os pontos de dados e tende a aumentar a variância estatística da estimativa
espectral. Sempre que, apenas uma janela for utilizada, haverá um balanço entre a resistência
à fuga espectral e a variância da estimativa espectral.
Thomson (1982) introduziu a técnica de análise espectral por janelas múltiplas
(Multiple Taper Method - MTM). Os dados são multiplicados não apenas por uma, mas por
várias janelas resistentes à fuga espectral, e cada janela amostra diferentemente a série. A
informação estatística perdida pela primeira janela é recuperada pela segunda, e assim
sucessivamente. A estimativa de janelas múltiplas não é então limitada pelo balanço entre a
fuga espectral e a variância como a estimativa por uma única janela. Este método utiliza
janelas ortogonais para obter estimativas aproximadamente independentes do espectro de
potência e então combiná-las numa estimativa. Esta estimativa exibe mais graus de liberdade
e permite uma quantificação mais fácil da tendência e do compromisso da variância,
comparada à análise convencional de Fourier. O MTM tem a capacidade de detectar
oscilações de pequena amplitude numa série temporal curta sem a necessidade de filtrar o
sinal. O método também possui um teste estatístico interno, teste-F (distribuição F), para obter
o nível de significância das periodicidades encontradas [15].
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
34
CAPÍTULO 3– RESULTADOS Este capítulo apresenta os resultados obtidos e a análise dos dados recolhidos usando
diversos métodos no decorrer da dissertação.
3.1 INTRODUÇÃO
Esta secção apresenta um breve resumo dos vários métodos de análise. O esquema
seguinte ilustra a sequência de técnicas utilizadas:
FIGURA 3.1 ‐ SEQUÊNCIA DA ANÁLISE DE RESULTADOS
Aqui são apresentados breves resumos de cada uma das secções seguintes:
3.2 Nesta secção, é feita a análise dos sinais do paciente com Alzheimer e do sujeito
saudável, através do uso do algoritmo de janelas múltiplas ;
3.3 Nesta secção, é feita a filtragem e remoção de ruído do sinais do paciente com
Alzheimer e do sujeito saudável. Este processo de remoção de ruído consiste na
aplicação do algoritmo EMD aos vários sinais. Adicionalmente, as IMF que
CAPÍTULO 3 ANÁLISE DE RESULTADOS
35
resultaram do processamento anterior são seleccionadas de acordo com o seguinte
critério:
• dado um intervalo de frequências (0-20 Hz), verifica-se se cada uma delas se
encontra dentro desse intervalo definido. Se sim, então essas IMF são
“guardadas”; se não, são descartadas. Após este processo é feita a reconstrução
do sinal utilizando as seleccionadas.
3.4 Nesta secção, é feita a análise do P300 usando sinais limpos (sinais que resultam do
método de 3.3 e aplicação de ôndulas) - Através do conhecimento prévio do instante
no tempo em que deverá surgir o P300, desenhou-se um pequeno algoritmo que obtém
os máximos dos vários sinais e também os gráficos correspondentes. Destes
resultados, obteve-se um gráfico que mostra uma média dos tempos, em
milissegundos, do aparecimento do pico de onda P300, para os pacientes com
Alzheimer e saudáveis. Estudou-se, também, a relação entre a latência e a amplitude
do potencial evocado P300.
3.5 Nesta secção, é feita a análise Tempo-Frequência: Desmodulação AR – usando a
desmodulação AR e recorrendo ao EMD, obtiveram-se gráficos que representam a
evolução da frequência ao longo do tempo. Através da observação destes gráficos,
extrairam-se alguns indicadores (apresentados na secção) relevantes quanto ao
comportamento da frequência e amplitude.
3.6 Nesta secção, é feita a análise Tempo-frequência: Método desenvolvido - Análise
tempo-frequência feita através da construção de um algoritmo que “actua” sobre cada
uma das IMF, desmodulando cada uma delas dando origem a um sinal AM e outro
FM. Com o auxílio de funções do EMD, calculam-se os máximos da onda FM e, com
a informação de todos os máximos, calculam-se as distâncias entre os vários máximos
(neste caso os períodos ao longo do sinal). O processamento dos dados é feito através
de grupos de três pontos. O objectivo deste algoritmo é calcular clusters, grupos de
frequências extraindo dos mesmos a frequência média. Desta forma, obtém-se uma
análise tempo-frequência que não consiste na frequência instantânea, mas num troço
composto pelas diversas frequências médias , de cada cluster, e pressupondo sempre a
existência de uma certa margem de erro.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
36
3.7 Nesta secção, é feita a análise Tempo-Frequência: Desmodulação AR – Análise
tempo-frequência feita através da construção de um algoritmo que “actua” sobre cada
uma das IMF. O objectivo é encontrar a frequência central de cada uma das IMF e
retirar o seu período de modo construir uma janela. Encontrado o tamanho da janela
(1300 vezes o valor do período – 1300 foi um valor escolhido heurísticamente),
divide-se o tamanho do sinal por n secções. É, então, aplicada a cada uma das secções
a desmodulação AR que faz a análise do tempo e da frequência.
3.8 Nesta secção, é feita a análise tempo-frequência: Espectrograma - Análise tempo-
frequência feita através do método Spectrogram do programa Matlab, que “actua”
sobre cada uma das IMF calculando o valor de cada frequência ao longo do tempo.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
37
3.2 JANELAS MÚLTIPLAS
Através do uso do algoritmo de janelas múltiplas, efectuou-se uma análise na
frequência, cujo objectivo foi separar o sinal nas diferentes gamas de frequência, obtendo,
assim, diferentes clusters. Desta forma, e embora não seja uma análise muito exacta, mostra,
de certa forma, as diferenças das várias bandas de frequência entre o doente com Alzheimer e
o sujeito saudável. No gráfico abaixo estão representadas essas diferenças e é possível
observar que o doente com Alzheimer apresenta em média maior energia nas frequências
entre os zero e os quatro Hertz. No entanto, em todas as outras bandas de frequência as
amplitudes do indivíduo saudável facilmente se impõem em contraste com a repentina e
acentuada descida das amplitudes do doente com Alzheimer.
FIGURA 3.2 ‐ JANELAS MÚLTIPLAS: ANÁLISE ESPECTRAL APRESENTANDO A AMPLITUDE DE CADA UMA DAS GAMAS DE FREQUÊNCIA IDENTIFICADAS, PARA O DOENTE COM ALZHEIMER VS. SAUDÁVEL (HEALTHY)
De qualquer modo, é possível verificar que os valores de amplitude do doente com
Alzheimer, na banda de frequências entre os zero e os quatro Hertz, é bastante superior à
mesma banda para o sujeito saudável. Fazendo-se uma comparação, e num total entre as três
primeiras bandas de frequência, aquelas que reflectem a existência do P300 (Delta, Teta e
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
38
Alfa), o valor em amplitude da frequência do sujeito saudável é muito superior ao do doente
com Alzheimer. Resumindo, o doente com Alzheimer parece só ter predominância na banda
de frequência Delta e o sujeito saudável altos níveis nas bandas de frequências Delta, Teta e
Alfa. Este método foi utilizado de forma semelhante em [5].
3.3 EMD E ÔNDULAS - FILTRAGEM
Filtragem e remoção de ruído dos sinais dos pacientes com Alzheimer e saudável. Este
processo de remoção de ruído consiste na aplicação do algoritmo EMD aos vários sinais.
Adicionalmente, as IMF que resultaram do processamento anterior são seleccionadas de
acordo um critério o qual está desmonstrado no diagrama da página seguinte:
CAPÍTULO 3 ANÁLISE DE RESULTADOS
39
FIGURA 3.3 ‐ FLUXOGRAMA QUE APRESENTA O PROCESSAMENTO DOS VÁRIOS SINAIS RECORRENDO AO EMD E SELECCIONANDO APENAS AS IMF QUE SE ENCONTRAM NO INTERVALO DA LARGURA DE BANDA PRETENDIDA.
Retirar a média do sinal a x(t)
Aplicação do método
Decomposição em modos empíricos
(vector com IMF’s)
Análise espectral ,na frequência, da
IMF
Determinação da largura de banda
da IMFLB = [f1;f2] Hz]
IMF seleccionadae guardada num
vector.
Encontra-se LB dentro do intervalo
LB*= [0;20] Hz?IMF descartada
Ùltima IMF?
Somar as IMF’s seleccionadas e obter sinal limpo.
x(t)
Não
Sim
Não
Sim
X(t)
Dest
seleccionad
pretendem
representad
Assim
tornando-s
sinais do p
para a anál
Beta, espec
seguida sã
Hertz (0-20
o sinal opti
PACIENT
DETE
a forma, te
das, corresp
analisar e q
do todo este
m sendo, ob
se mais fáci
paciente com
lise do P30
cialmente d
ão apresenta
0 Hz) e 0-1
imizado:
TE COM A
FIGURA 3.4 ‐
ECÇÃO E ANÁ
em-se a cer
ponde a um
que são de i
e processo d
btém-se um
il a detecçã
m Alzheime
0 se situam
do ritmo Tet
ados alguns
0 Hz. Nas v
ALZHEIME
ALZHEIMER: 0
ÁLISE DO PO
rteza de que
m sinal lim
interesse pa
de selecção
m sinal mais
ão do P300
er como para
m entre os 0-
ta (4-8 Hz)
s resultados
várias figur
ER:
‐20 HZ. A AZUL
TENCIAL EVO
40
e o sinal re
mpo que co
ara o estudo
de IMF.
s claro, em
0. Este proc
a o saudáve
-20 Hz, freq
, todas as o
s para um
ras, o azul r
L O SINAL ORIG
OCADO AUD
esultante fin
onsiste apen
do P300. N
que as alta
cedimento f
el. Dado que
quências do
outras comp
intervalo d
epresenta o
GINAL E A VERM
DITIVO P300
nal, soma d
nas nas fre
Na figura 3.3
as frequênc
foi executad
e as frequên
os ritmos De
ponentes for
de frequênci
o sinal origin
MELHO SINAL L
de todas as
quências qu
3, em cima,
ias são filtr
do tanto pa
ncias de inte
elta, Teta, A
ram filtrada
ias entre 0
nal e o verm
IMPO.
IMF
ue se
, está
radas,
ara os
eresse
Alfa e
as. De
e 20
melho
CAPÍT
SUJE
resul
PAC
TULO 3
EITO SAU
FIGURA 3.5 ‐
Para um in
ltados:
CIENTE CO
FIGURA 3.6 ‐
UDÁVEL:
‐ HEALTHY: 0‐20
ntervalo de
OM ALZH
ALZHEIMER: 0
0 HZ, ENSAIO N
frequências
HEIMER:
0‐10 HZ, ENSAIO
41
Nº 20. A AZUL O
s entre 0 e 1
O Nº 16. A AZU
O SINAL ORIGIN
10 Hertz (0-
L O SINAL ORIG
ANÁLISE
NAL E A VERME
-10 Hz) obt
GINAL E A VERM
E DE RESULT
ELHO O SINAL L
iveram-se o
MELHO SINAL L
TADOS
LIMPO.
os seguintes
LIMPO.
s
SUJEITO
FIGU
Com
frequência
fácil, uma
encontra. E
maior pico
Clini
P300 e per
sinal auditi
uma má in
induzir a fa
No c
embora, o
DETE
O SAUDÁV
URA 3.7 ‐ HEALT
mo se pode o
que não sã
vez que es
Esta detecçã
o positivo, o
icamente, o
rmite conclu
ivo, maior l
nterpretação
alsas conclu
caso das ôn
sinal optim
ECÇÃO E ANÁ
EL:
THY: 0‐10 HZ, E
observar no
ão de intere
ste sobressa
ão é feita de
o P300.
o facto de s
uir se um d
latência, ou
o dos regist
usões relativ
ndulas, os s
mizado não s
ÁLISE DO PO
ENSAIO Nº 20. A
os gráficos
esse, leva a
ai. Suaviza
e forma visu
se obterem
eterminado
u mesmo se
tos e a sele
vas a patolo
sinais obtido
eja tão regu
TENCIAL EVO
42
A AZUL O SNAL
acima, o fa
a que a dete
o sinal, in
ual observan
sinais limp
indivíduo d
este tem te
ecção de um
ogias que um
os são muit
ular como u
OCADO AUD
L ORIGINAL E A
acto de se r
ecção do pi
ndicando co
ndo o sinal
pos ajuda n
demora mai
ndência a te
ma localizaç
m doente po
to semelhan
sando o EM
DITIVO P300
A VERMELHO SI
removerem
ico positivo
om mais rig
a vermelho
na detecção
is ou menos
er Alzheime
ção errada
ossa ter.
ntes sem gr
MD.
INAL LIMPO.
component
o P300 seja
gor onde es
o que eviden
o mais efica
s a processa
er. Muitas v
do P300 p
randes vari
tes de
mais
ste se
ncia o
az do
ar um
vezes,
odem
ações
CAPÍT
3.4
no s
mom
apare
Estes
longo
dispo
ms d
revel
ms.
máxi
mom
enco
utiliz
apres
de fr
Regi
TULO 3
FIGURA 3.8
P300 - L
Nesta fase
ujeito saud
mento em q
ecimento de
s 300 ms re
o de todo o
oníveis do d
dum total de
lar 300 ms
Desta form
imo, encont
mento em q
ntrado no
zando o EM
sentada, tam
equências a
stos - EMD
8 ‐ HEALTHY: 0‐
LATÊNCIA
e efectuou-s
dável. A ab
que ocorre
este pico se
epresentam
o sistema au
doente com
e 1300 ms d
após o estí
ma, podem-s
trado num
que o estí
mesmo in
MD. A mes
mbém, uma
analisadas.
D:
10 HZ, ENSAIO
se um estud
bordagem a
e o pico p
encontre à
o tempo qu
uditivo, des
m Alzheimer
de todo o si
ímulo, então
se observar
intervalo c
ímulo teori
ntervalo. E
ma análise
análise da
43
Nº 20. A AZUL
o sobre a la
a este estud
positivo do
volta de 30
ue o sujeito
scrito anteri
r e do sujei
inal. Sendo
o, nestes sin
r os gráfico
ompreendid
icamente d
Estes gráfic
é feita aos
relação entr
L O SNAL ORIGI
atência dos s
do baseou-s
os P300. A
00 ms após o
o demora a
iormente, at
ito saudáve
assim, e sa
nais, este p
os abaixo,
do entre os
deveria apa
cos corresp
s gráficos o
re latência e
ANÁLISE
NAL E A VERM
sinais no do
se no conh
A literatura
o paciente s
processar o
té ao cérebr
l, este estím
abendo que
pico deverá
que aprese
850 e os
arecer e a
pondem ao
optimizados
e amplitude
E DE RESULT
ELHO SINAL LIM
oente com A
hecimento a
a aponta p
ser sujeito a
o estímulo
ro. No caso
mulo foi da
o pico do
evidenciar-
ntam a ver
1100 ms, a
vermelho
os sinais o
s aplicando
e consoante
TADOS
MPO.
Alzheimer e
a priori do
para que o
ao estímulo.
auditivo ao
o dos sinais
ado aos 600
P300 se irá
-se aos 900
rde o valor
a amarelo o
o mínimo
optimizados
ôndulas. É
o intervalo
e
o
o
.
o
s
0
á
0
r
o
o
s
É
o
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
44
PACIENTE COM ALZHEIMER ( 0-20 Hz)
FIGURA 3.9 ‐ ALZHEIMER: 0‐20 HZ, ENSAIO Nº 1. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO
ENCONTRADO QUE IDENTIFICA A COMPONENTE N100.
SUJEITO SAUDÁVEL (0-20 Hz)
FIGURA 3.10 ‐ HEALTHY: 0‐20 HZ, ENSAIO Nº20. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO
ENCONTRADO QUE IDENTIFICA A COMPONENTE N100.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
45
PACIENTE COM ALZHEIMER ( 0-10 Hz)
FIGURA 3.11 ‐ ALZHIEMER: 0‐10 HZ, ENSAIO Nº16. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO
ENCONTRADO QUE IDENTIFICA A COMPONENTE N100.
.
PACIENTE SAUDÁVEIL (0-10 HZ)
FIGURA 3.12 ‐ HEALTHY: 0‐10 HZ, ENSAIO Nº11. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO
ENCONTRADO QUE IDENTIFICA A COMPONENTE N100.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
46
TABELA 3.1 ‐ DISTRIBUIÇÃO DAS MEDIDAS DE LATÊNCIA (MS) DO P300, AMPLITUDE MÉDIA E VALORES MÁXIMOS E MINIMOS PARA CADA UM DOS PARÂMETROS; VALORES PARA O PACIENTE COM ALZHEIMER E INDIVÍDUO SAUDÁVEL
PARA ANÁLISE DE 10 HZ E 20 HZ.
TABELA 3.2 ‐ DIFERENÇAS DE LATÊNCIA ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ].
TABELA 3.3 ‐ DIFERENÇAS DE AMPLITUDE ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ]
Latência média (ms)
Amplitude média (µV)
Latência máxima (ms)
Latência mínima (ms)
Amplitude máxima (µV)
Amplitude mínima (µV)
Registos(%)
Healthy (20 Hz) 366 22,0 494 255 37,0 7,18 90 Healthy (10 Hz) 375 16,0 525 256 29,0 4,76 90 Alzheimer (20 Hz) 423 16,0 543 338 28,0 7,26 90 Alzheimer (10 Hz) 442 15,0 600 342 27,0 2,15 90
Latência Healthy (20
Hz) Healthy (10
Hz) Alzheimer (20 Hz) Alzheimer (10 Hz) HEALTHY (20 Hz) 0 9,11 57,3 76,3 Healthy (10 Hz) 9,11 0 48,3 67,2
Alzheimer (20 Hz) 57,3 48,3 0,00 19,0 Alzheimer (10 Hz) 76,3 67,2 19,0 0,00
Amplitude Healthy (20
Hz) Healthy (10
Hz) Alzheimer (20 Hz) Alzheimer (10 Hz)Healthy (20 Hz) 0,00 5,73 5,34 7,01 Healthy (10 Hz) 5,73 0 0,38 1,27
Alzheimer (20 Hz) 5,34 0,38 0,00 1,66 Alzheimer (10 Hz) 7,01 1,27 1,66 0,00
CAPÍTULO 3 ANÁLISE DE RESULTADOS
47
Registos - Ôndulas:
SUJEITO SAUDÁVEL (0-20 Hz)
FIGURA 3.13 ‐ HEALTHY: 0‐20 HZ, ENSAIO Nº20. A LINHA AMARELA REPRESENTA OS 300 MS APÓS O ESTÍMULO AUDITIVO, O TEMPO DE PROCESSAMENTO DO SOM; A VERDE A IDENTIFICAÇÃO DO P300; A VERMELHO O MÍNIMO
ENCONTRADO QUE IDENTIFICA A COMPONENTE N100.
TABELA 3.4 ‐ DISTRIBUIÇÃO DAS MEDIDAS DE LATÊNCIA (MS) DO P300, AMPLITUDE MÉDIA E VALORES MÁXIMOS E MÍNIMOS PARA CADA UM DOS PARÂMETROS; VALORES PARA O PACIENTE COM ALZHEIMER E INDIVÍDUO SAUDÁVEL
PARA ANÁLISE DE 20 HZ.
TABELA 3.5 ‐ DIFERENÇAS DE LATÊNCIA ENTRE OS DOIS INDIVÍDUOS PARA AS DUAS GAMAS DE FREQUÊNCIA, [0;10 HZ] E [0;20 HZ].
Latência média (ms)
Amplitude média (µV)
Latência máxima (ms)
Latência mínima (ms)
Amplitude máxima (µV)
Amplitude mínima (µV)
Registos(%)
Healthy (20 Hz) 354,313 21,7897 490 170 39,4925 5,6618 90 Alzheimer (20 Hz) 415,11 500 350 90
Latência Healthy (20
Hz) Alzheimer (20 Hz)Healthy (20 Hz) 0 60,797 Alzheimer (20 Hz) 60,797 0
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
48
3.4.1 CONCLUSÕES Através da análise da tabela 3.1, pode-se verificar que a latência média do sujeito
saudável (Healthy), nas duas gamas de frequência, é bastante inferior às latências médias
obtidas para o paciente com Alzheimer. No entanto, os valores de ambos os indivíduos
encontram-se dentro dos valores expectáveis e encontrados na literatura, 350 a 700 ms após o
estímulo. Tais resultados traduzem um maior atraso no sincronismo dos diferentes neurónios
por parte do indivíduo com Alzheimer. No caso da amplitude, que se traduz na intensidade da
actividade cerebral, os valores do sujeito saudável (Healthy) são superiores aos do sujeito com
Alzheimer, o que sugere que este responda mais activamente e de forma mais eficaz ao
estímulo.
No entanto, também é possível verificar que os valores de latência e amplitude variam
para o mesmo indivíduo nas duas gamas de frequência, [0;10 Hz] e [0;20 Hz]. No caso do
sujeito saudável, o caso concreto da latência não se altera muito e os seus valores não
apresentam uma grande variação mas, pelo contrário, os valores de amplitude já diferem
substancialmente, variando de aproximadamente 16 µV, 10 Hz, para 21 µV , 20 Hz. Conclui-
se que o processo de optimização do sinal retira também algum detalhe ao sinal, podendo-se
perder informação de interesse, e, neste caso uma melhor ou pior avaliação clínica da
actividade cerebral de um indivíduo. Contudo, o mesmo não acontece com os registos do
paciente com Alzheimer, que se mantêm quase inalterados na amplitude mas que variam mais
na latência do P300. Apesar disto, verifica-se que, no geral, os valores máximos de latência
pertencem ao doente e que as amplitudes pertencem ao sujeito saudável. Tal significa que, o
número de neurónios a reagir a um estímulo, no caso do doente, é inferior ao sujeito saudável
o que se traduz numa menor actividade cerebral – amplitude – e que demoram mais tempo a
reagir a esse estímulo – latência.
As diferenças entre os dois indivíduos, em termos de latência, nas duas gamas de
frequência estão expressas na tabela 3.2, acima representada. Observando-se essa tabela,
verifica-se que para as duas gamas de frequência, 10Hz e 20 Hz, as latências do doente são
superiores em, aproximadamente, 60 e 70 ms, respectivamente. Estas mesmas diferenças, nas
duas gamas de frequência e para o mesmo sujeito, são pouco relevantes.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
49
No caso da Amplitude, tabela 3.3, essa diferença é superior na gama de frequências até
aos 20 Hz. No caso de 10 Hz é pouco acentuada.
Por outro lado fez-se o mesmo estudo para os sinais optimizados utilizando ôndulas.
Os resultados obtidos são muito semelhantes aos do método de optimização de sinal anterior,
EMD, onde as diferenças de latência entre os dois sujeitos no intervalo de frequências [0;20
Hz] são muito próximas, 57 ms e 60 ms respectivamente. No que respeita a amplitude, apenas
são apresentados os valores do sujeito saudável pois os do doente não apresentavam
coerência. Contudo, os valores de amplitude encontrados para o sujeito saudável (amplitude
média, amplitude máxima e mínima) são quase idênticos.
3.5 ANÁLISE TEMPO-FREQUÊNCIA: DESMODULAÇÃO AR
Nesta fase faz-se uma análise tempo-frequência usando a desmodulação AR, que
recorre ao EMD para extracção das IMF. A forma como estas foram seleccionadas está
descrita na figura 3.3. Desta forma, obtiveram-se dados relativos à variação da frequência e
amplitude das diferentes IMF ao longo do tempo (1300 ms), para os diferentes sinais. Após a
obtenção das figuras que mostram este comportamento, foi possível analisá-las e retirar
alguns indicadores. Dado que nem todos os registos do paciente com Alzheimer nem do
sujeito saudável têm o mesmo número de IMF por ensaio, foram separados todos os que
tinham seis IMF, sete IMF e oito IMF em diferentes pastas de arquivo. Deste modo, podem-se
comparar IMF de diferentes registos da mesma maneira (exemplo: comparar a quinta (5ª) IMF
do registo nº 2 do sujeito saudável com a quinta (5ª) IMF do registo nº 3. No caso de não
serem separadas desta forma, iríamos, na realidade, estar a comparar a quinta (5ª) IMF de um
total de seis IMF com a sexta (6ª) IMF de um total de sete IMF). Em resumo, fez-se uma
análise tempo-frequência a partir da qual resultaram várias figuras e, portanto, a análise aqui
feita baseia-se no método de observação destas imagens e na extracção de alguns indicadores.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
50
FIGURA 3.14 ‐ FLUXOGRAMA DO PROCESSAMENTO DOS SINAIS PELO MÉTODO DA DESMODULAÇÃO AR E QUE RECORRE AO EMD
Retirar a média do sinal x(t)
Cálculo da frequência central
f0 da IMF
Aplicação do método
Decomposição em modos empíricos
(vector com IMF’s)
f0 ? 0 e IMF ? última IMF ?
Cálculo da Janela,Janela = T(=1/fc)*a
x(t) = |x(t)|
x(t)
Desmodulação AM e FM
Análise tempo-frequência usando a Desmodulação AR (FM, Janela)
Última IMF ?
Não
Não
Sim
Sim
Guarda sinal num vector
Gráficos tempo-frequência
CAPÍTULO 3 ANÁLISE DE RESULTADOS
51
PACIENTE COM ALZHEIMER:
Eis alguns exemplos para os registos do paciente com Alzheimer para os diferentes
grupos de IMF (sete, oito e nove IMF):
FIGURA 3.15 ‐TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF’S. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO
E A VERMELHO A AMPLITUDE.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
52
FIGURA 3.16 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E
A VERMELHO A AMPLITUDE.
FIGURA 3.17 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF’S; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E
A VERMELHO A AMPLITUDE.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
53
CONCLUSÕES (Paciente com Alzheimer)
Alzheimer - Quando a frequência aumenta a amplitude diminui (Normalmente num intervalo entre os ]600;1000[) - Quando a frequência diminui a amplitude aumenta (Normalmente num intervalo entre os ]600;1000[) - Estas alterações são mais notáveis na antepenúlitma e penúltima IMF's - A última IMF quase não sofre alterações - Na penúltima IMF, a haver alguma alteração é a amplitude a aumentar e a frequência a diminuir com maior incidência no intervalo ]700;900[
Indicadores
TABELA 3.6 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS FIGURAS ANTERIORES DESTE PACIENTE COM ALZHEIMER
SUJEITO SAUDÁVEL
Eis alguns exemplos para os registos do sujeito saudável para os diferentes grupos de
IMF (sete, oito e nove IMF):
FIGURA 3.18 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E
A VERMELHO A AMPLITUDE
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
54
FIGURA 3.19 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E
A VERMELHO A AMPLITUDE.
FIGURA 3.20 ‐ TABELA DA ESQUERDA: AS VÁRIAS IMF; TABELA DA DIREITA: ANÁLISE TEMPO‐FREQUÊNCIA CORRESPONDENTE A CADA UMA DAS IMF. A AZUL ENCONTRA‐SE A VARIAÇÃO DA FREQUÊNCIA AO LONGO DO TEMPO E
A VERMELHO A AMPLITUDE.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
55
CONCLUSÕES (Sujeito saudável)
Healthy‐7 IMF's - A frequência varia de maneira mais "suave". - A frequência apresenta maiores valores. - O trajecto da amplitude ao longo do tempo não cresce tantas vezes como no paciente de Alzheimer. - A última IMF quase não sofre alterações
Indicadores
TABELA 3.7 ‐ HEALTHY: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS ANTERIORES
3.6 ANÁLISE TEMPO-FREQUÊNCIA: MÉTODO DESENVOLVIDO
Para o estudo destes sinais foi ainda realizada outra abordagem. Utilizou-se um
método que consiste em calcular, através de um algoritmo desenvolvido (procedimento que
pode ser visto na figura 3.21 abaixo), a média da frequência e da amplitude antes e depois do
estímulo, os 600 ms, de cada uma das IMF e para cada um dos sinais. O objectivo é encontrar
diferenças visíveis entre o que acontece antes e depois do estímulo. Novamente, tal é feito nos
vários grupos de registos; os que contêm um número total de seis IMF, sete IMF, oito IMF ou
nove IMF. Tal pode ser visto nas duas tabelas que se seguem. Este procedimento é feito para
o paciente com Alzheimer e para o sujeito saudável e para cada um dos conjuntos acima
descritos. Como exemplo é apresentada a tabela referente ao paciente com Alzheimer para um
número total de sete IMF para a frequência e amplitude:
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
56
3.21 ‐ FLUXOGRAMA DO MÉTODO DESENVOLVIDO QUE RECORRE AO EMD E À DESMODULAÇÃO AM/FM.
Retirar a média do sinal x(t)
Aplicação do método
Decomposição em modos empíricos
(vector com IMF’s)
Para cada IMF:x(t) = |x(t)|
Desmodulação AM e FM
Determinação dos máximos (mk =
m1, m2...mk=n) do sinal FM
Cálculo do período:
Tk = mk-mk-1
TK muito diferente de
TK-1?
É o primeiro cálculo do período?
Juntar a um vector (vector actual)
Sim
Não
Juntar a um novo vector e não juntar
mais ao vector anterior. Este novo torna-se o vector
actual.
Não
Sim
Último máximo?
Análise espectral e determinação da frequência central geral de cada um
dos vectores criados: fc
Determinação do sinal tempo-
frequência usando os dados, por
secções, de tempo e frequência.
Sim
Não
Y(t)
x(t)
CAPÍTULO 3 ANÁLISE DE RESULTADOS
57
Frequência:
TABELA 3.8 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS (ex:FIGURA 3.19 –DIREITA) DESTE PACIENTE
Com esta tabela é possível perceber de forma mais clara como se procedeu à análise
dos dados encontrados. Na parte esquerda da tabela, que corresponde ao pré-estímulo, temos
para a linha correspondente à primeira IMF uma sequência de valores. Cada um desses
valores corresponde à média da frequência antes do estímulo para um determinado ensaio. Na
mesma tabela encontra-se uma entrada denominada “Média”, que corresponde ao valor médio
da coluna de valores da primeira IMF. Assim se procedeu para as restantes colunas da tabela.
Este procedimento provoca a perda de alguma exactidão, pois consiste numa média sobre
outra média. No entanto, tenta-se com isto uniformizar o que acontece antes e depois do
estímulo. Os valores das tabelas são obtidos a partir do tipo de gráficos da figura 3.19, tabela
da direita.
A entrada da tabela “Status” traduz a diferença absoluta entre o valor médio “Média” antes do
estímulo e depois do estímulo, registando o seu comportamento. Por outro lado, a entrada
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
58
“Diferença” apresenta o valor exacto da diferença de “Status”. Por fim, surge o campo “Em
%” que denota os valores de “Diferença”, em percentagem, para que seja mais perceptivel a
ordem de grandeza dos mesmos.
TABELA 3.9 ‐ ALZHEIMER: INDICADORES RESULTANTES DA ANÁLISE DOS GRÁFICOS (ex:FIGURA 3.19 –DIREITA) DESTE PACIENTE
Apesar de o número total de IMF destes registos ser 7 (sete), a última IMF não foi
guardada, pois a sua informação não é muito relevante.
O mesmo sucede com a tabela 3.9 acima, que corresponde ao estudo da amplitude. Este
procedimento é efectuado para o conjunto de oito IMF e de nove IMF. Após obtidas estas
tabelas, efectuou-se a sua observação e posterior análise para retirar possíveis indicadores do
comportamentos da frequência e da amplitude.
O resultado de tais dados possibilitou a construção dos seguintes gráficos:
CAPÍTULO 3 ANÁLISE DE RESULTADOS
59
FIGURA 3.22 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO (EIXO HORIZONTAL REPRESENTA O NÚMERO DE ENSAIOS)
Estes gráficos, pertencentes ao paciente com Alzheimer, mostram-nos os registos da
tabela acima apresentada antes e depois do estímulo. Os diferentes troços em cada um dos
gráficos, os trajectos, correspondem aos valores da entrada “Média” da tabela 3.8. No entanto,
os trajectos das IMF de maior frequência foram retirados, pois a gama de frequências de
interesse não correspondem a esses registos. Os gráficos correspondentes à amplitude antes e
depois do estímulo são também apresentados:
FIGURA 3.23 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO (EIXO HORIZONTAL REPRESENTA O NÚMERO DE ENSAIOS)
Obtiveram-se, do mesmo modo, outros gráficos que também ajudam na procura de
indicadores relevantes. No caso da frequência:
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
60
FIGURA 3.24 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA FREQUÊNCIA ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU)
Estes gráficos pertencentes ao paciente com Alzheimer apresentam os valores da
entrada “Média” antes e depois do estímulo. Apresenta também o valor da “Diferença”
apresentado na tabela 3.8, acompanhado da linha “Status”. Desta forma, torna-se possível e
mais fácil observar quais as diferenças significativas da frequência.
Da mesma maneira e para o sujeito saudável:
FIGURA 3.25 ‐ HEALTHY: GRÁFICOS QUE COMPARAM O VALOR DA FREQUÊNCIA ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU)
CAPÍTULO 3 ANÁLISE DE RESULTADOS
61
Os gráficos até aqui apresentados, correspondentes ao paciente com Alzheimer – tabela
3.8 e 3.9, figuras 3.22, 3.23 e 3.24 - à excepção deste último (figura 3.25) dizem respeito
apenas ao conjunto com número total de sete IMF. Todavia, foram também obtidos para os
outros conjuntos, de oito e nove IMF, e igualmente para todos os conjuntos do sujeito
saudável.
Após a obtenção de todos estes gráficos, procedeu-se à construção de outras tabelas e
gráficos onde se analisam a frequência e a amplitude de forma independente. Reúnem-se
todos os gráficos de cada um destes parâmetros para retirar alguns indicadores, sempre com o
objectivo de verificar se o comportamento é igual, antes e depois do estímulo. Por fim,
cruzaram-se os vários dados também para fazer emergir que tipo de comportamento e
tendências têm esses parâmetros. Obtiveram-se, então, as seguintes tabelas:
TABELA 3.10 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
Esta tabela apresenta diferenças, em termos de frequência e amplitude, entre o paciente
com Alzheimer e o sujeito saudável. As colunas a verde correspondem às IMF que
apresentam diferenças e/ou que sugerem diferenças de comportamento. O campo “resultado”
mostra o comportamento tendencial dos registos. Com esta tabela pretende-se encontrar
diferenças entre os dois pacientes e em que IMF essas diferenças ocorrem.
Também se construiu outra tabela que reflecte as diferenças entre os vários conjuntos de
IMF (seis, sete e oito IMF; por vezes, nove), tanto do paciente de Alzheimer como do sujeito
saudável.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
62
TABELA 3.11 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS
Esta tabela permite-nos identificar as semelhanças entre os vários conjuntos de IMF e
observar que tipo de comportamento é idêntico ou diferente. O gráfico apresentado abaixo
retrata o número total de entradas cujo valor “Subiu” e cujo valor “Desceu”:
TABELA 3.12 ‐ RESUMO DO GRÁFICO ANTERIOR
Por último, obteve-se um gráfico que reflecte a diferença de comportamento entre a
frequência e a amplitude, novamente, para os vários conjuntos de IMF dos dois pacientes:
CAPÍTULO 3 ANÁLISE DE RESULTADOS
63
TABELA 3.13 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
64
Amplitude:
Nesta parte, mostrar-se-á uma análise cujo procedimento é semelhante. Serão também
apresentados alguns exemplos, tal como para as referências à frequência.
PACIENTE COM ALZHEIMER:
FIGURA 3.26 ‐ ALZHEIMER: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO (EIXO HORIZONTAL REPRESENTA O NÚMERO DE ENSAIOS)
FIGURA 3.27 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA AMPLITUDE ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU)
CAPÍTULO 3 ANÁLISE DE RESULTADOS
65
SUJEITO SAUDÁVEL:
FIGURA 3.28 ‐ HEALTHY: GRÁFICOS DOS VÁRIOS REGISTOS PARA AS VÁRIAS IMF’S ANTES E DEPOIS DO ESTÍMULO (EIXO HORIZONTAL REPRESENTA O NÚMERO DE ENSAIOS)
FIGURA 3.29 ‐ ALZHEIMER: GRÁFICOS QUE COMPARAM O VALOR DA AMPLITUDE ANTES E DEPOIS DO ESTÍMULO E A DIFERENÇA DESSES MESMOS VALORES INDICANDO SE ESTA DIFERENÇA É POSITIVA OU NEGATIVA (SUBIU;DESCEU)
Como se pode verificar, as diferenças em termos de amplitude entre o paciente com
Alzheimer e o saudável são nítidas. À medida que o número da IMF aumenta no paciente com
Alzheimer, a amplitude aumenta mas o mesmo não se passa com o saudável. Este apresenta,
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
66
em geral, um crescimento da amplitude até à terceira IMF mas de seguida decresce retornando
a crescer após alcançar a penúltima IMF.
Depois de serem apresentados exemplos dos gráficos obtidos serão descritos cada um
deles para cada um dos pacientes e para cada um dos grupos de IMF.
A partir deste ponto, proceder-se-á ao estudo detalhado para cada um dos sujeitos
descrevendo o comportamento dos trajectos (entendendo por trajecto o conjunto dos valores
médios de cada IMF, de cada registo) representados nos diversos gráficos obtidos
PACIENTE COM ALZHEIMER
FREQUÊNCIA:
6 IMF
Alzheimer: o comportamento descrito pelo trajecto das várias IMF é
muito inconstante, com picos e recuos sucessivos antes e depois do
estímulo. No entanto, após os 600 ms este comportamento é
ligeiramente atenuado.
Healthy: apresenta um comportamento mais estável/constante, antes e
depois do estímulo. É possível observar que o trajecto da terceira IMF
apresenta antes e depois um pico.
7 IMF
Alzheimer: os trajectos das várias IMF apresentam valores muito
diferentes. Os seus trajectos estão afastados entre si e o mesmo
acontece depois do estímulo, os seiscentos milissegundos (600 ms).
Healthy: os valores de cada um dos trajectos das várias IMF aparecem
mais semelhantes entre si e também as rectas umas com as outras.
GRÁFICOS DE BARRAS:
6 IMF
Alzheimer: a terceira (3ª) IMF difere ligeiramente do sujeito saudável
(Healthy).
Healthy: A diferença da primeira (1ª) IMF (Antes Vs. Depois) é de seis
unidades, ou seja, o dobro da diferença do paciente com Alzheimer.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
67
7 IMF
Alzheimer/Healthy: Os gráficos são semelhantes. As diferenças de
valores (gráfico Antes Vs. Depois) são menos acentuadas para o sujeito
saudável, com valores mais próximos entre si. As diferenças no
paciente de Alzheimer são mais acentuadas embora as IMF de interesse
não apresentem também grandes alterações. De notar que a quinta (5ª)
IMF, neste caso, decresce e no outro paciente cresce. Os valores são
pequenos e quase idênticos.
AMPLITUDE:
6 IMF
Alzheimer: a amplitude a partir do trajecto da terceira (3ª) IMF é
superior depois dos seiscentos milissegundos (600 ms) embora
ligeiramente. O resto dos trajectos de amplitude mantém-se quase
inalterado.
Healthy: neste caso não existem grandes alterações antes e depois do
estímulo.
• Alzheimer/Healthy: As diferenças entre os valores do trajecto da
terceira (3ª) IMF e sexta (6ª) IMF são notórias. Em ambos os
trajectos, a amplitude no sujeito saudável é maior quando
comparados com os valores do outro indivíduo.
7 IMF
Alzheimer: Os vários trajectos de registos relativos à amplitude
comportam-se de maneira igual antes e depois do estímulo excepto o da
quinta (5ª) IMF. Depois do estímulo este trajecto (da quinta IMF)
apresenta valores de amplitude superiores.
Healthy: antes e depois do estímulo os vários trajectos apresentam
comportamentos semelhantes.
• Alzheimer/Healthy: o sujeito saudável apresenta valores
superiores de amplitude nos trajectos da quarta (4ª) IMF, antes e
depois do estímulo, e quinta (5ª) IMF apenas antes do estímulo.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
68
No entanto, o paciente com Alzheimer apresenta valores
ligeiramente superiores no trajecto da sétima (7ª) IMF.
GRÁFICOS DE BARRAS:
6 IMF
Alzheimer: a partir da terceira (3ª) IMF a valor da média da amplitude
depois do estímulo é sempre superior, ainda que essas diferenças sejam
muito reduzidas. Em ambos os trajectos dos resultados obtidos, antes e
depois do estímulo, a amplitude cresce à medida que o número da IMF
aumenta e esse comportamento descreve o género de um “subir de
escadas”, uma recta linear.
Healthy: neste caso, o comportamento é ascendente até à terceira (3ª)
IMF e a partir daí decresce até à penúltima, voltando a subir. Ao
contrário do indivíduo com Alzheimer, as diferenças de amplitude são
menos acentuadas existindo menos discrepâncias.
7 IMF
Alzheimer: o comportamento volta a ser um crescimento progressivo
da amplitude à medida que o número da IMF aumenta. A partir da
segunda (2ª) IMF, todos os valores de amplitude depois do estímulo são
superiores aos mesmos antes dos 600 ms. Os valores das diferenças de
amplitude são muito pequenos e irrelevantes. Apenas a quinta (5ª) e
sexta (6ª) IMF apresentam valores um pouco maiores.
Healthy: O comportamento é novamente o de uma espécie de sinusóide
cujos valores aumentam até à terceira (3ª) IMF, sendo que, a partir daí,
decrescem até à sexta (6ª) IMF, começando de novo a crescer na sétima
(7ª) IMF.
8 IMF
Alzheimer: o comportamento é o mesmo descrito nos casos anteriores.
As diferenças de amplitude são mais acentuadas na quinta (5ª), sexta
(6ª) e sétima (7ª) IMF.
Healthy: apresenta o mesmo comportamento anteriormente descrito.
Em termos gerais, a amplitude antes dos 600 milissegundos é superior
na maioria dos casos.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
69
TABELAS
TABELA 3.14 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
Esta tabela tenta realçar as diferenças, em termos de frequência e amplitude, entre o
paciente com Alzheimer e o sujeito saudável, antes e depois do estímulo auditivo. Em termos
de frequência, as diferenças incidem mais na primeira (1ª), terceira (3ª) e quinta (5ª) IMF. Na
primeira (1ª) e quinta (5ª) IMF, o valor da frequência do paciente com Alzheimer decresce e o
contrário acontece com o sujeito saudável, que aumenta de valor. Na terceira (3ª) IMF
acontece o contrário: o valor do paciente com Alzheimer aumenta e o do saudável diminui.
Daqui pode concluir-se que existe um maior número de diferenças entre os dois pacientes na
terceira (3ª) e quinta (5ª) IMF.
Existe um maior número de diferenças entre os dois pacientes no que respeita à
amplitude. Pelas colunas a verde, é possível verificar que, em quase todos os casos, a
amplitude cresce para o paciente com Alzheimer e decresce para o saudável. Tais dados
apontam para um tipo de comportamento distinto para cada um dos pacientes face ao mesmo
estímulo.
TABELA 3.15 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
70
O objectivo desta tabela é verificar a coerência dos valores da entrada “Resultado”,
entre os vários conjuntos de IMF, tanto para o paciente com Alzheimer como para o saudável,
diferenças de frequência e amplitude.
O valor da entrada “Resultado” resulta da escolha do valor, “Subiu” ou “Desceu”, que
se encontra em maior quantidade no seio dos três grupos de IMF.
É possível verificar que, na grande maioria das vezes, o valor resultante é “Subiu” nos
dois pacientes. No entanto, também se pode comprovar e completar o que se retirou da última
tabela: o valor resultante da quinta (5ª) e sexta (6ª) IMF é totalmente oposto entre os dois
pacientes. Para o primeiro paciente (Alzheimer) este valor de frequência “Desceu” e para o
indivíduo saudável “Subiu”.
No caso da amplitude, verificam-se, também, diferenças entre os dois indivíduos.
Observando o primeiro paciente, pode-se concluir que continua a predominar o número de
ocorrências do valor “Subiu”. No entanto, para o sujeito saudável o número de ocorrências do
valor “Subiu” e “Desceu” é idêntico (quatro entradas para cada um). Contudo, é de notar as
diferenças do valor de amplitude na quarta (4ª) e quinta (5ª) IMF entre os dois pacientes. Ao
passo que no primeiro este sobe, no outro desce.
É também possível verificar que para o paciente com Alzheimer os valores da quinta
(5ª) e sexta (6ª) IMF de frequência e amplitude diferem. Em frequência, os valores destas IMF
descem e as IMF correspondentes na amplitude crescem. O mesmo acontece para o indivíduo
saudável, cujas valores da quarta (4ª) e quinta (5ª) IMF sobem e os correspondentes em
amplitude diminuem.
TABELA 3.16 ‐ RESUMO DO GRÁFICO ANTERIOR
CAPÍTULO 3 ANÁLISE DE RESULTADOS
71
Estas tabelas resumem o número de vezes em que o valor “Subiu” e “Desceu”
ocorreram na última tabela. Facilmente se verifica que o número de vezes em que as subidas
ocorrem, na frequência, para o sujeito saudável é superior.
TABELA 3.17 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
Com esta tabela pretende-se observar as diferenças entre frequência/amplitude para
cada um dos grupos de IMF e para cada um dos pacientes, verificar se existe um
relacionamento entre os dois parâmetros. A mesma coisa acontece com a sexta (6ª) IMF.
Pode-se verificar que para a quinta (5ª) IMF do paciente com Alzheimer, em todos os
grupos de IMF o valor da frequência é “Desceu” e para a amplitude é “Subiu”. Retira-se,
então, que um tem o comportamento oposto do outro.
Para o outro paciente, a quarta (4ª) IMF mostra que o comportamento predominante é
o oposto ao do paciente com Alzheimer: quando a frequência aumenta a amplitude, em geral,
diminui.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
72
3.7 ANÁLISE TEMPO-FREQUÊNCIA: DESMODULAÇÃO AR
PACIENTE COM ALZHEIMER:
Frequência
6 IMF
Alzheimer: a variação do trajecto da terceira (3ª) IMF ao longo do número
de IMF é muito inconstante o que reflecte valores muitos diferentes entre
os vários registos. O trajecto desenhado pelos registos das IMF inferiores é
mais regular. Depois do estímulo o valor da frequência dilata-se
substancialmente e os vários trajectos de IMF ficam mais separados entre
si. No entanto, o trajecto da quarta (4ª) IMF é o qual apresenta a maior
diferença em termos de valor da frequência.
Healthy: os trajectos apresentam-se algo regulares à excepção do quinto
(5º) trajecto. Após os 600 milissegundos o trajecto de todas as IMF há
excepção da última aumentam o valor da frequência nos vários registos.
Verifica-se uma certa dispersão dos vários trajectos entre si.
7 IMF
Alzheimer: o trajecto de todas as IMF, excepto o primeiro, apresenta-se
mais ou menos regular. Os registos que constituem estes trajectos
apresentam muitas variações, altos e baixos, nos seus valores. Depois do
estímulo, este comportamento tende a atenuar e o ritmo com que variam
diminui. Os trajectos, entre si, dilatam mais ligeiramente e o ritmo
identificado atrás de variações diminui.
Healthy: após os 600 ms o comportamento tende a atenuar ligeiramente e a
terceira (3ª) IMF apresenta valores mais reduzidos nos registos.
.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
73
Gráficos de Barras
6 IMF
Alzheimer: a maioria dos registos das IMF desce a partir da terceira
(3ª) IMF. As maiores diferenças encontram-se na primeira (1ª) e
segunda (2ª) IMF.
Healthy: o comportamento é o mesmo do gráfico do paciente com
Alzheimer. De novo as maiores diferenças encontram-se na 1ª e 2ª
IMF.
7 IMF
Alzheimer: Novamente as maiores diferenças registam-se na primeira
(1ª) e segunda (2ª) IMF e a partir da terceira (3ª), inclusivamente, todas
descem.
Healthy: o gráfico é muito semelhante.
Resumindo: o comportamento antes e depois do estímulo é muito idêntico, não existindo
grandes diferenças.
TABELAS
TABELA 3.18 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
Esta tabela tenta realçar as diferenças, em termos de frequência e amplitude, entre o
paciente com Alzheimer e saudável, antes e depois do estímulo auditivo . Analisando a tabela
anterior, é possível verificar que as maiores diferenças em termos de amplitude se manifestam
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
74
nas IMF de frequência mais baixa, nomeadamente a quinta (5ª), sexta (6ª) e sétima (7ª) IMF.
Observando especificamente a quinta (5ª) IMF do grupo de seis IMF e do grupo de sete IMF é
possível verificar que quando a frequência diminui no registo do paciente de Alzheimer
aumenta por sua vez no sujeito saudável.
Em relação à amplitude, pode-se observar que todos os registos, excepto um,
apresentam uma subida da amplitude por parte das entradas do paciente com Alzheimer e uma
descida por parte do sujeito saudável.
TABELA 3.19 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, PARA VERIFICAR O TIPO DE COMPORTAMENTO DOS VÁRIOS REGISTOS
O objectivo desta tabela é verificar a coerência dos valores, da entrada “Resultado”,
entre os vários conjuntos de IMF, tanto para o paciente com Alzheimer como para o saudável,
diferenças de frequência e amplitude.
Pode-se verificar que na quarta (4ª), quinta (5ª) e sexta (6ª) IMF em ambos os pacientes
a frequência diminui, excepto na quinta (5ª) IMF do sujeito saudável.
No caso da amplitude, e para o paciente com Alzheimer, da segunda (2ª) à sétima (7ª)
IMF a amplitude aumenta. No caso do outro paciente, existem mais registos cujo valor de
amplitude diminui.
TABELA 3.20 ‐ RESUMO DO GRÁFICO ANTERIOR
CAPÍTULO 3 ANÁLISE DE RESULTADOS
75
Em termos de frequência os resultados obtidos para os dois pacientes são muito
semelhantes. No entanto, no caso da amplitude, existe uma discrepância considerável no
paciente doente.
TABELA 3.21 ‐ RESULTADO DOS GRÁFICOS DAS DIFERENÇAS ENTRE OS VALORES, NA FREQUÊNCIA E AMPLITUDE, ANTES E DEPOIS DO ESTÍMULO
Com esta tabela pretende-se observar as diferenças entre frequência/amplitude, para
cada um dos grupos de IMF e para cada um dos pacientes, e verificar se existe um
relacionamento entre os dois parâmetros. A mesma coisa acontece com a sexta (6ª) IMF.
Tal como no caso anteior, pode-se verificar que para a quinta (5ª) IMF do paciente com
Alzheimer, em todos os grupos de IMF o valor da frequência é “Desceu” e para a amplitude é
“Subiu”. Conclui-se o mesmo que anteriormente.
Para o grupo de oito IMF do sujeito saudável, o comportamento da frequência é oposto
ao da amplitude; a frequência aumenta e a amplitude diminui.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
76
Observando a tabela pode-se verificar que o maior número de diferenças se faz notar na
quarta (4ª), quinta (5ª) e sexta (6ª) IMF.
Por fim, pegando nas várias tabelas de amplitude semelhantes à tabela 3.9, e
especificamente no campo “Em %”, calculou-se para os dois métodos apresentados
anteriormente Desmodulação AR e o Desenvolido o seguinte:
Alzheimer Valores
"Diferença" em%
6 IMF 0,094 28,61 5,366 6,977 1,259 0,696 7 IMF 46,22 13,64 8,769 11,48 5,205 19,74 0,8068 IMF 89,75 71,96 15,00 35,19 2,950 27,44 5,754 2,922
Média (1º Método) 45,35 38,07 9,711 17,88 3,138 15,96 3,280 2,922
Média (2º Método) 47,45 37,8 9,700 18,20 2,900 15,85 3,280 2,922
TABELA 3.22 – ALZHEIMER: VALORES DE AMPLITUDE, DO CAMPO “DIFERENÇA”, EM PERCENTAGEM. COMPARAÇÃO ENTRE OS DOIS MÉTODOS APRESENTADOS: MÉTODO DESENVOLVIDO E DESMODULAÇÃO AR.
Esta tabela apresenta os valores do campo “Diferença”, para a amplitude, (ver tabela
3.9) em percentagem para que seja mais perceptível a sua ordem de grandeza. Este cálculo foi
feito para os vários grupos de IMF, grupo com 6 IMF, 7IMF e 8 IMF. Os campos Média (1º
Método e 2º Método) apresentam os valores médios, em percentagem, dos dados dos três
diferentes grupos de IMF. No caso acima, apenas se encontram apresentados os dados
relativos ao primeiro método, apenas mostrando o resultado do campo média do 2º Método.
É possível, no entanto, observar que os valores médios obtidos através dos dois métodos são
semelhantes dando coerência aos mesmos. O mesmo estudo foi feito para o sujeito saudável
obtendo a tabela que se segue:
Healthy Valores
"Diferença" em%
6 IMF 10,607 27,54 13,41 26,46 17,39 8,503 7IMF 15,95 8,914 5,556 3,51 72,05 21,95 1,2308IMF 63,20 8,858 3,948 22,17 52,38 88,42 0,002
Média(1º Método) 29,92 15,10 7,639 17,38 47,27 39,62 0,616Média(2º Método) 23,55 14,74 9,495 24,74 46,34 38,57 6,541
TABELA 3.23 – ALZHEIMER: VALORES DE AMPLITUDE, DO CAMPO “DIFERENÇA”, EM PERCENTAGEM. COMPARAÇÃO ENTRE OS DOIS MÉTODOS APRESENTADOS: MÉTODO DESENVOLVIDO E DESMODULAÇÃO AR.
CAPÍTULO 3 ANÁLISE DE RESULTADOS
77
1ª IMF 2ª IMF 3ª IMF 4ª IMF 5ª IMF 6ª IMF 7ª IMF 8ª IMF Healthy (H) Média(2º Método) 23,55 14,74 9,495 24,74 46,34 38,57 6,541
Alzheimer (A) Média(2º Método) 47,45 37,8 9,7 18,2 2,9 15,85 3,28 2,92 Diferença |H‐A|(%) 23,89 23,05 0,204 6,548 43,44 22,72 3,261 2,92
TABELA 3.24 – DIFERENÇA, EM PERCENTANGEM, ENTRE O PACIENTE COM ALZHEIMER E SAUDÁVEL PARA O 2º MÉTODO
A tabela 3.24, acima, apresentra os valores médios encontrados nas tabelas 3.22 e 3.23
para o 2º método e para os dois pacientes. Observando os valores dos dois pacientes é
possível concluir que existe uma clara diferença de valores no que respeita à 5ª IMF e à 6ª
IMF. Dado que, a identificação do potencial evocado P300 se evidencia nas IMF de baixa
frequência, nomeadamente a 5ª, 6ª, 7ª e 8ª, o valor encontrado da 1ª IMF e que aprensenta um
valor significativo, não terá grande utilidade prática.
3.8 ANÁLISE TEMPO-FREQUÊNCIA: ESPECTROGRAMA
Este método de análise tempo-frequência recorre ao algoritmo da biblioteca do Matlab
Spectrogram. Com a utilização desta função pretende-se estudar a variação da frequência , das
várias IMF de um registo, ao longo do tempo (1300 ms) do sinal e também completar o
estudo feito através dos métodos anteriores, indicando-nos alguns parâmetros que possam
apresentar um comportamento semelhante ou, evidenciar algo diferente e que não era
detectável pelas outras análises como por exemplo o comportamento da frequência ao longo
do tempo.
No uso do método Espectrograma, os parâmetros usados foram os seguintes: (1) o
sinal FM resultante da desmodulação AM/FM, (2) o tamanho da janela de Hamming, (3) o
número noverlap [o sinal é dividido em K segmentos. O noverlap é o número (N) de pontos
de cada segmento que irá constituir o segmento seguinte], (4) o número de pontos para
calcular a transformada de Fourier e (5) a frequência de amostragem.
De seguida, irão ser apresentados gráficos relativos à aplicação deste método aos
sinais originais que não foram sujeitos ao algoritmo de EMD, e, sendo assim, sem separação
do sinal em IMF.
SUJEITO
FIG
PACIENT
FIGURA
DETE
SAUDÁVE
GURA 3.30 ‐ SPE
TE COM A
A 3.31 ‐ SPECTR
ECÇÃO E ANÁ
EL:
ECTROGRAM: A
ALZHEIME
ROGRAM: ANÁ
ÁLISE DO PO
ANÁLISE TEMPO
ER:
LISE TEMPO‐FR
TENCIAL EVO
78
O‐FREQUÊNCIA
REQUÊNCIA (M
OCADO AUD
A (MAGNITUDE
MAGNITUDE) DO
DITIVO P300
E) DO SUJEITO S
O PACIENTE CO
SAUDÁVEL
OM ALZHEIMER
R
CAPÍT
gráfi
Alzh
prim
segun
as re
cada
SUJE
8 H
apres
TULO 3
Todos o
co do ind
heimer no qu
meiro, a mag
ndo indivíd
stantes.
Por outr
uma das IM
EITO SAUD
Tendo em
Hz] respect
sentam-se o
s gráficos
divíduo sau
ue respeita
gnitude da fr
duo esta se
ro lado, pod
MF (método
DÁVEL
m conta que
ivamente,
os seguintes
obtidos res
udável apre
à magnitud
requência ap
parece acum
dem-se anal
o EMD - fig
e o que inte
ritmos nor
gráficos:
79
ultaram nes
esenta um
de da frequê
presenta-se
mular e con
lisar os sin
gura 3.3).
eressa obser
rmalmente
ste tipo de
comportam
ência nas fre
com altos n
ndensar num
nais resultan
rvar são os
associados
ANÁLISE
figuras. Po
mento difer
equências s
níveis até ao
m intervalo
ntes da apli
ritmos Delt
s ao poten
E DE RESULT
ode-se obse
rente do su
superiores a
os 40 Hz se
[0;20 Hz]
icação deste
ta e Teta, [0
ncial evoc
TADOS
ervar que o
ujeito com
a 20 Hz. No
endo que no
suprimindo
e método a
0 4 Hz] e [4
cado P300,
o
m
o
o
o
a
4
,
FIGURA 3.32
Pod
estímulo. A
entanto, su
DETE
2 ‐ SPECTROGRA
de-se observ
A magnitud
urgem algun
ECÇÃO E ANÁ
AM: ANÁLISE T
var que não
de da frequê
ns casos que
ÁLISE DO PO
TEMPO‐FREQUÊHZ,
o existem d
ência compo
e nos permit
TENCIAL EVO
80
ÊNCIA PARA VÁ2 HZ E 1 HZ)
diferenças d
orta-se de m
tem tirar ou
OCADO AUD
ÁRIAS IMF’S DE
detectáveis
maneira sem
utras conclu
DITIVO P300
E UM SINAL (8
entre o pré
melhante em
sões:
HZ, 6 HZ, 4.5 H
-estímulo e
todo o sina
Z, 3.5
e pós-
al. No
CAPÍT
FIGUR
muda
comp
verm
detec
3.32.
anter
igual
frequ
PAC
TULO 3
RA 3.33 ‐ SPECT
Nestes c
ança acentu
preendem o
melho escur
ctadas estas
O mais c
. O facto d
riores anális
lmente conc
uência, entre
CIENTE CO
TROGRAM: ANÁ
casos, a sit
uada na m
os ritmos de
ro estão as
ocorrência
comum é oc
de esse ser
ses tempo-fr
cluir que n
e o pré e pó
OM ALZHE
ÁLISE TEMPO‐F
tuação é di
magnitude d
elta e teta. A
s zonas cu
as, tal não ac
correrem grá
o comport
frequência, e
não existem
ós-estímulo.
EIMER
81
FREQUÊNCIA PH)
iferente poi
do interval
Após observ
uja frequên
contece com
áficos e com
tamento pa
em cuja freq
m diferenças
PARA VÁRIAS IM
is parece e
lo de frequ
vação, facilm
ncia tem m
m muita freq
mportament
adrão vem
quência qua
s significati
ANÁLISE
MF’S DE UM SIN
existir a pa
uências [0
mente se ve
maior energ
quência.
tos tal como
ao encontr
ase não se a
ivas em ter
E DE RESULT
NAL (6.5 HZ, 4.5
artir dos 60
10 Hz], n
erifica tal oc
gia. Apesar
o apresentad
o do que c
altera. Podem
rmos de ma
TADOS
5 HZ, 3 HZ, e 1
00 ms uma
no qual se
corrência: a
r de serem
do na figura
conclui nas
mos, então,
agnitude de
a
e
a
m
a
s
,
e
FIGURA 3.34
Pod
estímulo e
todo o sina
DETE
4 ‐ SPECTROGRA
de-se obser
pós-estímu
al. Surgem,
ECÇÃO E ANÁ
AM: ANÁLISE T
rvar novam
ulo. A magn
igualmente
ÁLISE DO PO
TEMPO‐FREQUÊ3.0 HZ,
mente que n
nitude da fr
e, alguns cas
TENCIAL EVO
82
ÊNCIA PARA VÁ, 2.5 HZ E 2 HZ)
não existem
requência c
sos que nos
OCADO AUD
ÁRIAS IMF’S DE)
m diferença
omporta-se
permitem t
DITIVO P300
E UM SINAL (7.
as detectáve
de maneira
tirar outras c
5 HZ, 6,5 HZ, 5
eis entre o
a semelhant
conclusões:
.5 HZ,
o pré-
te em
:
CAPÍT
FIGUR
600 m
no q
facilm
energ
3.34.
anter
igual
frequ
TULO 3
RA 3.35 ‐ SPECT
Tal com
ms existe u
qual se com
mente, zona
gia. Contud
O mais c
. O facto d
riores anális
lmente conc
uência, entre
TROGRAM: ANÁ
mo para o su
uma mudanç
mpreendem
as de um ve
do, este fenó
comum é oc
de esse ser
ses tempo-fr
cluir que n
e o pré e pó
ÁLISE TEMPO‐F
ujeito saudá
ça acentuad
m os ritmos
ermelho ma
ómeno não s
correrem grá
o comport
frequência, e
não existem
ós-estímulo.
83
FREQUÊNCIA PHZ, 5.5 HZ E 2
ável, a situa
da na magn
s delta e te
ais denso, ca
se repete mu
áficos e com
tamento pa
em cuja freq
m diferenças
ARA VÁRIAS IM2.5 HZ)
ação é difer
nitude do int
eta. Tal co
arregado, co
uito frequen
mportament
adrão vem
quência qua
s significati
ANÁLISE
MF’S DE UM SIN
rente pois p
tervalo de f
omo anterio
orresponden
ntemente.
tos tal como
ao encontr
ase não se a
ivas em ter
E DE RESULT
NAL (9.5 HZ, 8 H
parece que a
frequências
ormente, ve
ndo às zona
o apresentad
o do que c
altera. Podem
rmos de ma
TADOS
HZ, 6.5 HZ, 5.5
a partir dos
[0-10 Hz],
erificam-se,
as de maior
do na figura
conclui nas
mos, então,
agnitude de
s
,
,
r
a
s
,
e
84
CAPÍTULO 4– CONCLUSÕES E TRABALHO FUTURO
Neste capítulo, apresentam-se as conclusões finais deste trabalho, bem como as
avaliações a algumas questões apresentadas no início deste documento. Resumem-se as ideias
e contribuições principais do trabalho, e consideram-se igualmente temas de investigação
complementares ao trabalho aqui realizado.
CONCLUSÕES
No estudo deste trabalho três tópicos foram abordados:
I. De que maneira se poderá detectar de forma mais efectiva o potencial evocado
auditivo P300?
II. De que forma varia a sua latência e de que maneira a latência e amplitude
estão relacionados (para os dois indivíduos independentes um do outro e entre
um e outro)?
III. De que forma a frequência e a amplitude variam ao longo do tempo nos sinais
dos dois sujeitos?
Relativamente à primeira questão, conclui-se que quer o uso do método EMD quer o
de ôndulas ajudam numa melhor identificação do potencial evocado P300. No entanto, o
método EMD mostrou ser mais preciso e não sujeito a percas de componentes do sinal no
domínio da frequência como as ôndulas.
Quanto ao estudo da latência e sua relação com a amplitude, conclui-se que o doente
com Alzheimer responde (sincronismo de um grupo de neurónios de forma a gerar uma
diferença de potencial sufucientemente forte que possa ser medida pelos eléctrodos
posicionados no escalpe) mais tarde ao estímulo auditivo e que intensidade da sua actividade
cerebral, manifestada pela amplitude , é menor. O contrário aplica-se ao sujeito saudável que
responde e processa de forma mais rápida os estímulos auditivos e que apresenta maior
actividade cerebral. Este estudo realizou-se para os dois sujeitos e para duas gamas de
frequências diferentes, de forma a controlar que tipo de informação se poderia estar a perder
aquando da rejeição das frequências que se encontram fora desse intervalo. No entanto, os
CAPÍTULO 4 CONCLUSÕES E TRABALHO FUTURO
85
resultados obtidos foram praticamente idênticos. Os valores encontrados reflectem os
resultados encontrados noutros estudos da latência do potencial evocado auditivo P300.
Quanto à análise Tempo-Frequência, foram efectuados quatro estudos distintos que
permitiram a extracção de alguns indicadores:
Aplicando a Decomposição em Modos Empíricos (EMD) e após análise dos serus
dados resultantes, foram extraídos alguns indicadores que sugerem que para o doente com
Alzheimer, quando a frequência aumenta, num intervalo ]600;1000[ ms, a amplitude diminui,
sendo que, o contrário também acontece: a frequência diminui e a amplitude aumenta. Este
comportamento está, no entanto, mais presente na antepenúltima e penúltima IMF. Contudo, a
haver alguma alteração na penúltima IMF, esta corresponderá ao aumento da amplitude e um
decréscimo do valor da frequência, para um intervalo entre os ]700;900[ ms. No caso do
sujeito saudável, a frequência varia de forma mais “suave”, apresentando maiores valores.
Por outro lado, conclui-se que não existem muitas diferenças no domínio da
frequência entre os dois pacientes mas que no caso da amplitude as diferenças são evidentes e
isto para os diferentes métodos de análise tempo-frequência utilizados.
Relativamente ao método de análise tempo-frequência Espectrograma, este foi
primeiro aplicado aos vários sinais dos dois pacientes sem qualquer tipo de optimização do
sinal e os resultados mostram que existe uma grande diferença no que respeita às altas
frequências, nomeadamente no intervalo [20 - 40 Hz]. Analisando os ritmos Delta e Teta,
conclui-se que não existem diferenças consideráveis relativamente à frequência antes e
depois do estímulo. Existem, no entanto, alguns casos em que é visível uma diferença após o
estímulo.
Também no estudo da frequência, a partir dos resultados de 3.2, conclui-se que o
paciente Healthy tem mais actividade na gama de frequências do ritmo Delta e Teta sendo que
o seu ritmo Teta apresenta maior energia que o indivíduo com Alzheimer.
Resumindo: O doente com Alzheimer apresenta maior latência no processar do
estímulo auditivo, menor amplitude do pico P300, não existem diferenças consideráveis no
domínio da frequência antes e depois do estímulo e a amplitude, resultante do sinal AM,
aumenta à medida que o número da IMF aumenta, o que significa que à medida que a
frequência diminui a amplitude aumenta.
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
86
PERSPECTIVAS DE TRABALHO FUTURO
No presente trabalho foram identificados vários aspectos complementares que permitem
traçar linhas de investigação futuras, abrangendo:
O estudo dos vários sinais, usando os vários métodos descritos, mas para número
alargado de sujeitos com Alzheimer e outros saudáveis. Aumentando o número de amostras
os resultados seriam mais fiéis em relação aos indicadores extraídos.
Estudar os mesmos sinais usando diferentes métodos de remoção de ruído e análise
tempo-frequência comparando com os métodos usados neste trabalho.
Também seria de interesse correlacionar os dados relativos à amplitude, frequência e
latência de diferentes formas procurando assim novas diferenças significativas na forma
como estes parâmetros se relacionam.
Por último, seria interessante efectuar o mesmo estudo para outros eléctrodos de
interesse do sistema de medida do EEG.
CAPÍTULO 4 CONCLUSÕES E TRABALHO FUTURO
87
DETECÇÃO E ANÁLISE DO POTENCIAL EVOCADO AUDITIVO P300
88
BIBLIOGRAFIA
[1]. Mainardi, L. T., Cerutti, S. & Bianchi, A. M., Medical Devices and Systems, Third
Edition, editado por Joseph D. Bronzino, 2006.
[2]. Glaucio M. Franco, O Potencial Evocado Cognitivo em Adultos Normais, Arq
Neuropsiquiatr ;59(2-A):198-200, 2001
[3]. Alexander V. Kramarenko, Uner Tan, Validity of the Spectral analysis of Evoked
Potentials in Brain Research, 2007.
[4]. Martin Schurmann, Canan Basar-Eroglu, Vasil Kolev, Erol Basar, A new metric for
analysing single-trial event-related potentials (ERPS): application to human visual P300 delta
response.
[5]. Kevin M. Spencer & John Polich, Postimulus EEG spectral analysis and P300:
Attention, task, and Probability, department of Neuropharmacology, The Scripps Research
Instituite, La Jolla, 92037, USA, 1999.
[6]. Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N.,
Tung, C. C. & Liu, H. H., The Empirical Mode Decomposition and the Hilbert Spectrum for
Nonlinear and Non-stationary time series analysis, The Royal Society, 1996.
[7]. Ben H. Jansen, Senior Member, IEEE, Anand Allam, Prashant Kota, Kathleen
Lachance, Ayokunle Osho, and Karthik Sundaresan, An Exploratory Study of Factors
Affecting Single Trial P300 Detection, IEEE transactions on Biomedical Engineering, Vol.
51, No. 6, June 2004.
[8]. J. Polish, On the relationship between EEG and P300: Individual differences, aging, and
ultradian rhythms, department of Neuropharmacology, The Scripps Research Instituite, 10550
N. Torrey Pines Road, La Jolla, CA 92037, USA.
[9]. Bronzino, J. d. “Principles of Electroencephalography”, The Biomedical Engineering
HandBook: Second Edition. Ed. Joseph D. Bronzino, Boca Raton: CRC Press LLC, 2000.
[10]. Mark T. Agrama, River Region Health System, Vicksburg, Missippi USA, Robert T.
Sataloff, Drexel University College of Medicine, Thomas O. Willcox, Thomas Jefferson
University, Occupational Hearing Loss, Chapter 8 Auditory-Evoked Phenomena: Theory and
Clinical Applications, 2006.
[11]. Rato, R. T., Ortigueira, M. D. & Batista, A. G., “On the HHT, its problems, and some
solutions”, aceite para publicação na revista Mechanical Systems and Signal Processing
[12]. Martin Vetterli and Cormac Herley, Wavelets and Filter Banks: Theory and Design,
IEEE transactions on signal processing , vol. 40, no 9, September 1992.
[13]. Maria Joana Soares, Ôndulas e Análise de Resolução Múltipla, departamento de
Matemática, Universidade do Minho, 1998.
[14]. C.S. Gargour and V. Ramachandran, École de technologie supérieure, University of
Québec, Montréal, Canada H3C 1K3; Concordia University, Montréal, Canada, H3G 1M8 A
Scheme for teaching Wavelets at the Introductory level.
[15]. D. J. Thomson, Proc. IEEE, 70, (1055) 1982.
[16]. Ortigueira, M.D. e Tribolet, J.M., “Global versus local minimization in least-squares AR spectral Estimation”, Signal Processing, Vol.7, Nº 3, December, 1984, pp 267-281.
Endereços na Internet:
[17]. http://www.apagina.pt/arquivo/Artigo.asp?ID=2388 - Janelas da Mente: Os
potenciais evocados (P300)
[18]. http://telecom.inescn.pt/research/audio/cienciaviva/principio_aaudicao.html -
Audição: Princípio de funcionamento (sistema auditivo humano)]