Monitorización simultánea de comportamiento y señalización

ANTEPROYECTO
Monitorización simultánea de comportamiento y señalización
biológica eléctrica
Alumno: Alicia García Sastre
Tutor: Pablo Varona Martínez
Grupo de Neurocomputación Biológica (GNB)
Escuela Politécnica Superior
Universidad Autónoma de Madrid
1. MOTIVACIÓN
La monitorización simultanea del comportamiento de un sistema biológico y el registro de
las señales eléctricas que genera su sistema nervioso brinda nuevas posibilidades en en
el contexto de la biomedicina y en concreto en neurociencia y neuroetología. Ejemplos de
la necesidad de esta monitorización son:
-
Monitorización mediante video encefalografma (EEG) durante largos periodos de
tiempo, que permite estudiar a pacientes de epilepsia, en momentos previos a un
ataque, durante y posteriormente, lo que posibilita un mejor diagnóstico tanto de
los posbiles síntomas como de la clasficación y causa de la enfermedad (Press,
2014).
-
Estudio de la correlación entre comportamiento de los peces eléctricos y la
actividad eléctrica que generan en distintos contextos (Chamorro et al., 2012).
-
Registros de encefalografía (EEG) para interfaces cerebro-máquina con
monitorización de la actividad ocular, con el objeto de detectar artefactos en el
EEG y el filtrado de ruido producido por el movimiento de los ojos, o de
caracterizar el foco de observación durante el registro.
-
Otras aplicaciones en las que se registra el entorno y el comportamiento, así como
la señalización biológica del sistema, con el objeto de un estudio de varios factores
simultaneos que pueden influir en un experimento científico (Hänninen and Pastell,
2009; Ojeda et al., 2014). Esta técnica de investigación tiene múltiples campos de
uso, tanto en seres humanos como en animales.
Igualmente esta monitorización simultánea de actividad eléctrica y comportamiento se
puede utilizar en el diseño de ciclos cerrados de estimulación respuesta atendiendo a
eventos detectectados tanto en los registros electrofisiologícos como en el vídeo
(Chamorro et al., 2012).
2. OBJETIVOS
En este proyecto se propone el diseño de una herramienta para monitorizar, sincronizar y
caracterizar de forma simultánea señales biológicas y de comportamiento registradas con
electrodos y cámaras. Se propone la validación de esta herramienta en dos ámbitos
distintos: el estudio de la neuroetología de los peces eléctricos y el moviento ocular
durante registros de EEG para interfaces cerebro-máquina.
Los peces de la especie Gnathonemus Petersii poseen emisores y receptores de campos
eléctricos que usan para la comunicación con otros individuos de su especie
(electrorrecepción) y la obtención de información del medio y los objetos presentes en él
(electrolocalización (von der Emde and Fetz, 2007)). En este trabajo, se utilizará este
especie animal como objeto para la validación de la herramiénta de monitorización
simultanea en vídeo de las acciones del pez y también las señales eléctricas que emite
con el objetivo de su correlación. Por otro lado, se utilizarán registros simultáneos de EEG
adquiridos con el caso EMOTIV EPOCH y de la actividad ocular registrada con una
cámara de eye-tracking para su sincronización y estudio (García Moran, 2015).
Una vez obtenidas las dos señales, se procederá al desarrollo de una aplicación software
para la sincronización de ambas. Hay que tener en cuenta que la frecuencia de sampleo
del vídeo y de la actividad eléctrica son, en general muy distintas. Por otro lado, la
sincronización requiere que haya un evento común en ambas señales.
3. METODOLOGÍA Y PLAN DE TRABAJO
Familiarización con la bibliografía y el software de adquisición de actividad eléctrica
y de monitorización de vídeo. (3 semanas)
Adquisición de las señales de vídeo y eléctrica (3 semanas)
- La adquisición de la señal eléctrica se realizará mediante un DAQ y una
plataforma hardware – software desarrollada con anterioridad en el marco de un
proyecto fin de master (Lareo Fernández, 2014) para los registros de pez eléctrico.
Para los registros de EEG se utilizará el casco EMOTIV EPOCH
(http://www.emotiv.com).
- La toma de muestras empezará con un pulso luminoso, que provocará una
distorsión visible tanto en la señal eléctrica como en el vídeo, lo que permitirá
disponer de un punto de inicio para su sincronización.
Diseño y desarrollo de una aplicación de sincronización y visualización de ambas
señales (1 mes)
- Procesamiento de la señal de vídeo mediante las bibliotecas de software libre
OpenCV (http://opencv.org).
- Implementación de la sincronización de ambas señales.
- Representación gráfica simulatenea de las señales usando las liberías QT
(http://www.qtsoftware.de/oxShop).
Validación de resultados (2 meses)
- Validación de los resultados obtenidos con dos tipos de datos distintos:
o Comportamiento del pez eléctrico y la señal eléctrica emitida por sus
órganos eléctricoemisores.
o Registro de videoencefalograma y movimiento ocular.
Escritura de la memoria del proyecto fin de carrera (1 mes)
4. MEDIOS A UTILIZAR
-
Plataforma hardware – software en tiempo real para la adquisición de la señal
eléctrica del pez, casco de EEG EMOTIV EPOCH
Cámara de vídeo logitech
Cámara de eye tracker Tobii
Ordenador con un IDE instalado para la programación en C de la herramienta
Pecera con ejemplar de pez Gnathonemus Petersii
5. BIBLIOGRAFÍA
Chamorro, P., Muñiz, C., Levi, R., Arroyo, D., Rodríguez, F. B., and Varona, P. (2012).
Generalization of the dynamic clamp concept in neurophysiology and behavior. PLoS
One 7, 1–10. doi:10.1371/journal.pone.0040887.
Von der Emde, G., and Fetz, S. (2007). Distance, shape and more: recognition of object
features during active electrolocation in a weakly electric fish. J. Exp. Biol. 210, 3082–
95. doi:10.1242/jeb.005694.
García Moran, Á. (2015). Diseño de interfaces cerebro-máquina controlados mediante
registros de EEG.
Hänninen, L., and Pastell, M. (2009). CowLog: open-source software for coding behaviors
from digital video. Behav. Res. Methods 41, 472–476. doi:10.3758/BRM.41.2.472.
Lareo Fernández, Á. (2014). Estudio del procesamiento de información en peces
eléctricos mediante técnicas lazo cerrado de estimulacón en tiempo real. 160.
Ojeda, A., Bigdely-Shamlo, N., and Makeig, S. (2014). MoBILAB: an open source toolbox
for analysis and visualization of mobile brain/body imaging data. Front. Hum.
Neurosci. 8, 121. doi:10.3389/fnhum.2014.00121.
Press, D. (2014). Long-term video EEG monitoring for diagnosis of psychogenic
nonepileptic seizures. 1979–1986.