Sincronía de las Oscilaciones Cerebrales

Resumen

Actividad docente dirigida a ejemplificar la sincronía de la actividad eléctrica cerebral registrada mediante electroencefalografía. Se introduce la Transformada de Hilbert como una de las herramientas matemáticas para calcular la fase instantánea y el Phase Locking Value (PLV) como un estadístico para estimar el nivel de sincronía de fase.                          

Contexto

Actividad diseñada para las materias de Neurociencia de estudiantes de nivel Licenciatura del área biológica o psicobiológica en las que se exploren las técnicas para estudiar la actividad cerebral, como la electroencefalografía. 
Antes de iniciar con el código es necesario familiarizarse con Matlab. Si nunca antes se ha utilizado este programa, se recomienda iniciar con el curso MATLAB Onramp, creado por Renee Coetsee.

Enlace: https://matlabacademy.mathworks.com/es/details/matlab-onramp/gettingstarted

El código utilizado a continuación requiere la app, Signal Processing de Matlab.

Objetivos de la Actividad

Los alumnos estimarán la sincronía de fase, mediante la Transformada de Hilbert (TH), entre dos señales de actividad eléctrica cerebral.

Materiales de Enseñanza

Los alumnos accederán al código para extraer la fase instantánea de dos señales reales registradas durante el sueño del Grupo Dinámica Neural del Centro de Ciencias de la Complejidad de la UNAM.

Mediante este ejemplo, en el que se utiliza el Live Script de Matlab, se introduce a los alumnos para que estimen y observen la representación gráfica de la sincronía de fase instantánea entre las señales. La implementación de esta actividad pretende acercar a los estudiantes al entorno computacional necesario en el área de neurociencias para entender algunas de las herramientas de análisis más utilizadas en la electroencefalografia cuantitativa.

El ejemplo de señal de dos electrodos registrados por 7 minutos están en los archivos: elec1 y elec2

Notas para los Educadores usando la Actividad

Mediante el ejemplo propuesto, en el que se utiliza la sección Live Script de Matlab, se introduce a los alumnos para que de manera gráfica vean el procedimiento para calcular la sincronía de fase entre las señales. La implementación de esta actividad pretende acercar a los estudiantes al entorno computacional necesario en el área neurocientífica que les permite interactuar con conceptos necesarios para entender más profundamente una técnica como la electroencefalografía cuantitativa.

Evaluación

Dado que el objetivo es que los alumnos comprendan el concepto de sincronía de la actividad cerebral a través de la Transformada de Hilbert se les pide que propongan una pregunta de investigación en la que se mida la sincronía cerebral y justifiquen su respuesta.

Recursos adicionales

Referencias:
-Bastos AM, Schoffelen JM. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front Syst Neurosci. 2016;9:175.
-Fries P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends Cogn Sci. 2005;9(10):474-480. 
-Lachaux JP, Rodriguez E, Martinerie J, Varela FJ. Measuring phase synchrony in brain signals. Hum Brain Mapp. 1999;8:194-208.
-Le Van Quyen M, Foucher J, Lachaux JP, Rodriguez E, Lutz A, Martinerie J, Varela FJ. Comparison of Hilbert transform and wavelet methods for the analysis of neuronal synchrony. J Neurosci Methods. 2001;111(2):83-98.
-Muñoz-Torres Z, Corsi-Cabrera M, Velasco F, Velasco AL. Amygdala and hippocampus dialog with neocortex during human sleep and wakefulness. Sleep. 2023;(1):1-13.
-Singer W. Neuronal synchrony: a versatile code for the definition of relations? Neuron. 1999;24(1):49-65.

Páginas WEB de utilidad para el análisis de señales cerebrales:

https://sincxpress.com/  Sitio web amigable (pero en inglés) con múltiples tutoriales y libros de análisis de señales cerebrales, matemática, álgebra, código computacional y más, realizado por Mike X Cohen.

https://sccn.ucsd.edu/eeglab/index.php  EEGLAB, herramienta interactiva de Matlab, muy útil para el análisis inicial de señales cerebrales, desarrollada por el Swartz Center for Computational Neuroscience de la University of California, San Diego

Esta actividad fue creada como parte del Taller con MATLAB Septiembre 2023.