Development of nonlinear techniques based on time-frequency representation and information theory for the analysis of EEG signals to assess different states of consciousness

Abstract

Electroencephalogram (EEG) recordings provide insight into the changes in brain activity associated with various states of anesthesia, epilepsy, brain attentiveness, sleep disorders, brain disorders, etc. EEG's are complex signals whose statistical properties depend on both space and time. Their randomness and non-stationary characteristics make them impossible to be described in an accurate way with a simple technique, requiring analysis and characterization involves techniques that take into account their non-stationarity. For that, new advanced techniques in order to improve the efficiency of the EEG based methods used in the clinical practice have to be developed. The main objective of this thesis was to investigate and implement different methods based on nonlinear techniques in order to develop indexes able to characterize the frequency spectrum, the nonlinear dynamics and the complexity of the EEG signals recorded in different state of consciousness. Firstly, a new method for removing peak and spike in biological signal based on the signal envelope was successfully designed and applied to simulated and real EEG signals, obtaining performances significantly better than the traditional adaptive filters. Then, several studies were carried out in order to extract and evaluate EEG measures based on nonlinear techniques in different contexts such as the automatic detection of sleepiness and the characterization and prediction of the nociceptive stimuli and the assessment of the sedation level. Four novel indexes were defined by calculating entropy of the Choi-Williams distribution (CWD) with respect to time or frequency, by using the probability mass function at each time instant taken independently or by using the probability mass function of the entire CWD. The values of these indexes tend to decrease, with different proportion, when the behavior of the signals evolved from chaos or randomness to periodicity and present differences when comparing EEG recorded in eyes-open and eyes-closed states and in ictal and non-ictal states. Measures obtained with time-frequency representation, mutual information function and correntropy, were applied to EEG signals for the automatic sleepiness detection in patients suffering sleep disorders. The group of patients with excessive daytime sleepiness presented more power in ¿ band than the group without sleepiness, which presented higher spectral and cross-spectral entropy in the frontal zone in d band. More complexity in the occipital zone was found in the group of patients without sleepiness in ß band, while a stronger nonlinear coupling between the occipital and frontal regions was detected in patients with excessive daytime sleepiness, in ß band. Time-frequency representation and non-linear measures were also used in order to study how adaptation and fatigue affect the event-related brain potentials to stimuli of different modalities. Differences between the responses to infrequent and frequent stimulation in different recording periods were found in series of averaged EEG epochs recorded after thermal, electrical and auditory stimulation. Nonlinear measures calculated on EEG filtered in the traditional frequency bands and in higher frequency bands improved the assessment of the sedation level. These measures were obtained by applying all the developed techniques on signals recorded from patients sedated, in order to predict the responses to pain stimulation such as nail bad compression and endoscopy tube insertion. The proposed measures exhibit better performances than the bispectral index (BIS), a traditional indexes used for hypnosis assessment. In conclusion, nonlinear measures based on time-frequency representation, mutual information functions and correntropy provided additional information that helped to improve the automatic sleepiness detection, the characterization and prediction of the nociceptive responses and thus the assessment of the sedation level.

El registro de la señal Electroencefalografíca (EEG) proporciona información sobre los cambios en la actividad cerebral asociados con varios estados de la anestesia, la epilepsia, la atención cerebral, los trastornos del sueño, los trastornos cerebrales, etc. Los EEG son señales complejas cuyas propiedades estadísticas dependen del espacio y del tiempo. Sus características aleatorias y no estacionarias hacen imposible que el EEG se describa de forma precisa con una técnica sencilla requiriendo un análisis y una caracterización que implica técnicas que tengan en cuenta su no estacionariedad. Todo esto aumenta la necesidad de desarrollar nuevas técnicas avanzadas con el fin de mejorar la eficiencia de los métodos utilizados en la práctica clínica que son basados en el análisis de EEG. En esta tesis se han investigado y aplicado diferentes métodos utilizando técnicas no lineales con el fin de desarrollar índices capaces de caracterizar el espectro de frecuencias, la dinámica no lineal y la complejidad de las señales EEG registradas en diferentes estados de conciencia. En primer lugar, se ha desarrollado un nuevo algoritmo basado en la envolvente de la señal para la eliminación de ruido de picos en las señales biológicas. Este algoritmo ha sido aplicado a señales simuladas y reales obteniendo resultados significativamente mejores comparados con los filtros adaptativos tradicionales. Seguidamente, se han llevado a cabo varios estudios con el fin de extraer y evaluar las medidas de EEG basadas en técnicas no lineales en diferentes contextos. Se han definido nuevos índices mediante el cálculo de la entropía de la distribución de Choi-Williams (DCW) con respecto al tiempo o la frecuencia. Se ha observado que los valores de estos índices tienden a disminuir, en diferentes proporciones, cuando el comportamiento de las señales evoluciona de caótico o aleatorio a periódico. Además, se han encontrado valores diferentes de estos índices aplicados a la señal EEG registrada en diferentes estados. Diferentes medidas basadas en la representación tiempo-frecuencia, la función de información mutua y la correntropia se han aplicado al EEG para la detección automática de la somnolencia en pacientes que sufren trastornos del sueño. Se ha observado en la zona frontal que la potencia en la banda θ es mayor en los pacientes con somnolencia diurna excesiva, mientras que la entropía espectral y la entropía espectral cruzada en la banda δ es mayor en los pacientes sin somnolencia. En el grupo sin somnolencia se ha encontrado más complejidad en la zona occipital, mientras que el acoplamiento no lineal entre las regiones occipital y frontal ha resultado más fuerte en pacientes con somnolencia diurna excesiva, en la banda β. La representación tiempo-frecuencia y las medidas no lineales se han utilizado para estudiar cómo la adaptación y la fatiga afectan a los potenciales cerebrales relacionados con estímulos térmicos, eléctricos y auditivos. Analizando el promedio de varias épocas de EEG grabadas después de la estimulación, se han encontrado diferencias entre las respuestas a la estimulación frecuente e infrecuente en diferentes períodos de registro. Todas las técnicas que se han desarrollado, se han aplicado a señales EEG registradas en pacientes sedados, con el fin de predecir las respuestas a la estimulación del dolor. Un conjunto de medidas calculadas en señales EEG filtradas en diferentes bandas de frecuencia ha permitido mejorar la evaluación del nivel de sedación. Las medidas propuestas han presentado un mejor rendimiento comparado con el índice bispectral, un indicador de hipnosis tradicional. En conclusión, las medidas no lineales basadas en la representación tiempofrecuencia, funciones de información mutua y correntropia han proporcionado informaciones adicionales que contribuyeron a mejorar la detección automática de la somnolencia, la caracterización y predicción de las respuestas nociceptivas y por lo tanto la evaluación del nivel de sedación.