Benítez-Fernández A, Vázquez-Seisdedos CR, Socarrás-Hernández BN

Idioma: Español
Referencias bibliográficas: 13
Paginas: 1-13
Archivo PDF: 589.89 Kb.

RESUMEN

Introducción: Las irregularidades en los movimientos oculares constituyen un indicador importante para diagnosticar determinadas enfermedades neurodegenerativas. La electrooculografía es la técnica más difundida para medir dichos movimientos oculares. Durante la realización de una prueba visual, el paciente puede realizar movimientos de cabeza indeseados que añaden perturbaciones a la señal electrooculográfica, modificando su morfología y, por tanto, alterando determinados parámetros diagnósticos.
Objetivo: Desarrollar un método para corregir el efecto del desplazamiento angular horizontal de la cabeza en la señal electrooculográfica.
Método: Se detalla un modelo matemático utilizado en la Universidad de Oriente desde marzo de 2021 a diciembre de 2021, para la implementación de la corrección en dos tipos de señales electrooculográficas artificiales con diferentes movimientos de cabeza horizontales.
Resultados: Se evalúo cualitativamente el comportamiento del método utilizado a través de su implementación en señales generadas artificialmente en MATLAB. Finalmente se caracterizaron los efectos de la corrección en los parámetros diagnósticos de la señal electrooculográfica.
Conclusiones: El método implementado demostró su validez para casos específicos, en el que se logra para dos tipos de señales eliminar los errores introducidos por el desplazamiento de la cabeza. La corrección mejora el error introducido en la amplitud de la señal electrooculográfica sin corregir y mantiene inalterables, a falta de un análisis más profundo, los demás parámetros diagnósticos.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Casamento-Moran A, Yacoubi B., Wilkes BJ, Hess CW, Foote KD, Okun MS, Christou, EA. Quantitative separation of tremor and ataxia in essential tremor. Ann Neurol. 2020; 88(2): 375-387. DOI: https://doi.org/10.1002/ana.257811.

2. Agarwal S, Singh V, Rani A, Mittal AP. Hardware efficient denoising system for real EOG signal processing. J Intell Fuzzy Syst. 2017; 32(4):2857-62. DOI: http://dx.doi.org/10.3233/JIFS-1692282.

3. Stern JA, Brown TB, Wang L, Russo MB. Eye and head movements in the acquisition of visual information. Psychologia. 2005; 48(2):133-45.

4. Fuller JH. Head movement propensity. Exp Brain Res. 1992; 92(1):152-64. DOI: https://doi.org/10.1007/bf002303914.

5. Khasnobish A, Chakravarty K, Chatterjee D, Sinha A. Wavelet based head movement artifact removal from electrooculography signals. 2017 Proc. En: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2017. IEEE; 2017. Disponible en: https://ieeexplore.ieee.org/document/7952303/5.

6. Pérez Guzmán RE, Céspedes Pérez A, García Bermúdez RV, Pérez Céspedes A. Estimulador visual y auditivo para pruebas clínicas de electrooculografía basado en la plataforma Arduino. Rev Cubana Cienc Inform. 2017; 11(3):77-91.

7. López A, Ferrero F, Villar JR, Postolache O. High-Performance Analog Front-End (AFE) for EOG Systems. Electronics. 2020; 9(6):970. DOI: https://doi.org/10.3390/electronics90609707.

8. Rodríguez-Labrada R, Velázquez-Pérez L, Auburger G, Ziemann U, Canales-Ochoa N, Medrano-Montero J, et al. Spinocerebellar ataxia type 2: measures of saccade changes improve power for clinical trials. Mov Disorders. 2016; 31(4):570-8. DOI: https://doi.org/10.1002/mds.265328.

9. Sánchez FH, Romaguera TV, Seisdedos CRV. Sistema de estimulación y registro del movimiento ocular con el empleo de la videoculografía infrarroja. MEDISAN [Internet]. 2020 [citado 23/02/2022]; 24(3):515-28. Disponible en: http://scielo.sld.cu/pdf/san/v24n3/1029-3019-san-24-03-515.pdf9.

10. Benitez Fernández A, Dávila Galiana RB, Socarrás Hernández BN, Rodríguez JMH, Seisdedos CRV. Generador de estímulos visuales para el análisis de movimientos oculares usando el sistema de medición biomédica SMB-EV(r). En: XVIII Convención y Feria Informática 2020, VII Simposio Internacional de Electrónica: Diseño, Aplicaciones, Técnicas Avanzadas y Retos Actuales. La Habana; 2020. Cuba; 2020.

11. Fadraga-Acosta Y, Vázquez-Seisdedos CR, Valdés-Pérez FE. Herramienta para el Análisis de Movimientos Oculares Sacádicos. En: V Latin American Congress on Biomedical Engineering CLAIB, La Habana; 2011 May 16-21. La Habana: CLAIB; 2011.

12. Becerra-García RA, García-Bermúdez RV, Joya-Caparrós G, Fernández-Higuera A, Velázquez-Rodríguez C, Velázquez-Mariño M, et al. Data mining process for identification of non-spontaneous saccadic movements in clinical electrooculography. Neurocomputing [Internet]. 2017 [citado 23/02/2022]; 250:28-36. DOI: https://doi.org/10.1016/j.neucom.2016.10.07712.

13. Vázquez-Seisdedos CR, Fadraga-Acosta Y, Valdés-Pérez FE. Delineación de Movimientos Oculares Sacádicos: Desempeño en Presencia de Ruido. En: V Latin American Congress on Biomedical Engineering CLAIB, Habana, 2011 May 16-21. La Habana: CLAIB; 2011.