Programul Operațional Sectorial pentru Dezvoltarea Resurselor Umane 2007 – 2013 Proiect POSDRU/88/1.5/S/61178 – Competitivitate și performanță în… [600916]

FONDUL SOCIAL EUROPEAN
Investește în oameni!
Programul Operațional Sectorial pentru Dezvoltarea Resurselor Umane 2007 – 2013
Proiect POSDRU/88/1.5/S/61178 – Competitivitate și performanță în cercetare prin programe doctorale de calitate (ProDOC)

UNIVERSITATEA POLITEHNICA DIN BUCUREȘTI
Facultatea de Inginerie Electrică
Departamentul Măsurări, aparate electrice și convertoare statice

Nr. Decizie Senat …….. … din…………………….

TEZĂ DE DOCTORAT

Cerce tări privind monitorizarea și prelucrarea semnalelor bioelectrice EEG

Research on EEG monitoring and bioelectrical signal processing

Autor: Ing. Andreea -Cătălina ENACHE
COMISIA DE DOCTORAT
Președinte Prof. dr. ing. Valentin Năvrăpescu de la Universitatea Politehnică din București
Conducător de doctorat Prof. d r.ing.Costin Cepișcă de la Universitatea Politehnică din București
Referent Prof. dr. ing. Alexandru Sălceanu
de la Universitatea Tehnică „Gheorghe
Asachi” din Iași
Referent Prof. dr. ing. Nicolae J ula
de la Academia Tehnică Militară din
București
Referent Prof. dr. ing. Sorin Dan
Grigorescu de la Universitatea Politehnică din București
București 2012

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

3

CUPRINS

INTRODUCERE ………………………….. ………………………….. ………………………….. ………………………….. 6
1. MOTIVAȚIA TEZEI ………………………….. ………………………….. ………………………….. ……….. 6
2. STRUCTURA TEZEI ………………………….. ………………………….. ………………………….. ……… 7
CAPITOLUL 1 ………………………….. ………………………….. ………………………….. ………………………….. …9
NOȚIUNI GENERALE DE FIZIOLOGIE ………………………….. ………………………….. …………………….. 9
1.1. NEURONUL ………………………….. ………………………….. ………………………….. ………………….. 9
1.2. SISTEMULUI NERVOS ………………………….. ………………………….. ………………………….. … 12
1.3. POTENȚIALE DE MEMBRANĂ ………………………….. ………………………….. ………………… 16
1.3.1. Potențialul de repaus ………………………….. ………………………….. ………………………….. .. 16
1.3.2. Potențialul de acțiune ………………………….. ………………………….. ………………………….. . 17
1.4. GENERAREA UNDELOR EEG ………………………….. ………………………….. ………………….. 20
CAPITOLUL 2 ………………………….. ………………………….. ………………………….. ………………………….. . 23
PRINCIPII EEG ȘI NOȚIUNI DE BAZĂ ÎN TEHNICA EEG ………………………….. …………………….. 23
2.1. NOȚIUNI GENERALE EEG ………………………….. ………………………….. ………………………. 23
2.2. STRUCTURA APARATULUI EEG ………………………….. ………………………….. …………….. 24
2.3. SCHEME DE MĂSURARE UTILIZATE PENTRU ÎNREGISTRĂRILE EEG. ……………. 25
2.4. ACHIZIȚIONAREA ȘI CONVERSIA A/D A SEMNALELOR EEG ………………………….. 27
2.4.1. Schema generală a unui sistem de achiziție a semnalelor fiziologice ……………………… 27
2.4.2 Aspecte tehnice privitoare la înregistrările EEG ………………………….. ……………………. 28
2.4.3. Parametrii caracteristici semnalului EEG ………………………….. ………………………….. …. 28
CAPITOLUL 3 ………………………….. ………………………….. ………………………….. ………………………….. . 33
TEHNICI DE ÎNREGISTRARE ȘI PRELUCRARE EEG ………………………….. ………………………….. . 33
3.1. TEHNICI DE ÎNREGISTRARE EEG ………………………….. ………………………….. …………… 33
3.2. PRELUCRAREA SEMNALELOR EEG ………………………….. ………………………….. ……….. 34
3.3. FILTRE NUMERICE UTILIZATE ÎN TEHNICA EEG ………………………….. ……………….. 37
3.4. ARTEFACTE ………………………….. ………………………….. ………………………….. ……………….. 38
3.4.1. Tipuri de artefacte ………………………….. ………………………….. ………………………….. …… 39
3.4.2. Metode de eliminarea artefactelor ………………………….. ………………………….. ………….. 42
CAPITOUL 4 ………………………….. ………………………….. ………………………….. ………………………….. … 46
INSTRUMENT VIRTUAL PENTRU ACHIZIȚIA EEG ………………………….. ………………………….. .. 46
4.1. MOTIVAȚIA STUDIULUI ………………………….. ………………………….. …………………………. 46
4.2. NOȚIUNI GENERALE ………………………….. ………………………….. ………………………….. ….. 46

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

4
4.3. PRINCIPIILE DE BAZĂ ALE REALIZĂRII INSTRUMENTULUI VIRTUAL …………… 49
4.4. PREZENTAREA APLICAȚIEI: INSTRUMENT VIRTUAL PENTRU ACHIZIȚIA
SEMNA LELOR EEG ………………………….. ………………………….. ………………………….. ………………. 52
4.5. CONCLUZII ………………………….. ………………………….. ………………………….. ………………… 57
CAPITOLUL 5 ………………………….. ………………………….. ………………………….. ………………………….. . 58
STUDIU DE CAZ I. EVALUAREA EFECTULUI STRESULUI ACUT ASUPRA MEMORIEI
IMPLICITE CONTEXTUALE, CU AJUTORUL SEMNALELOR EEG. ………………………….. ……… 58
5.1. NOȚIUNI GENERALE ………………………….. ………………………….. ………………………….. ….. 58
5.2. MOTIVAȚIA STUDIULUI ȘI PREZENTAREA PROTOCOLULUI ………………………….. 60
5.3. ACHIZIȚIONAREA SEMNALELOR EEG ………………………….. ………………………….. …… 62
5.4. PRELUCRAREA SEMNALELOR EEG ………………………….. ………………………….. ……….. 65
5.5. ANALIZA DATELOR ………………………….. ………………………….. ………………………….. …… 68
5.5.1. Evaluarea cantitativă a memoriei implicite contextuale ………………………….. …………… 68
5.5.2. Localizarea surselor curenților electrici corticali pe durata paradigmei ………………….. 73
5.6. CONCLUZII ………………………….. ………………………….. ………………………….. ………………… 79
CAPITOLUL 6 ………………………….. ………………………….. ………………………….. ………………………….. . 80
STUDIU DE CAZ II . DOVEZI ALE HIPERSENSIBILITĂȚII CENTRALE LA PACIENȚII CU
DURERI LOMBARE ACUTE, EVALUATE FOLOSIND POTENȚIALE EVOCATE
SOMATOSENZORIALE ………………………….. ………………………….. ………………………….. …………….. 80
6.1. NOȚIUNI GENERALE ………………………….. ………………………….. ………………………….. ….. 80
6.2. MOTIVAȚIA STUDIULUI ………………………….. ………………………….. …………………………. 84
6.3. MATERIALE ȘI METODE ………………………….. ………………………….. ………………………… 85
6.4. ACHIZIȚIONAREA SEMNALELOR EEG ………………………….. ………………………….. …… 87
6.6. ANALIZA STATISTICĂ A DATELOR ………………………….. ………………………….. ……… 101
6.7. REZULTATE ………………………….. ………………………….. ………………………….. ……………… 102
6.7.1. Analiza potențialelor evocate SEP ………………………….. ………………………….. ………… 102
6.7.2. Statistici descriptive pentru componentele SEP ………………………….. …………………… 105
6.8. DISCUȚII ȘI CONCLUZII ………………………….. ………………………….. ……………………….. 109
CONCLUZII ………………………….. ………………………….. ………………………….. ………………………….. .. 112
C.1. CONCLUZII GENERALE ………………………….. ………………………….. ………………………… 112
C.2. CONTRIBUȚII ORIGINALE ………………………….. ………………………….. …………………….. 113
C.3. PERSPECTIVE DE DEZVOLTARE ULTERIOARĂ ………………………….. ………………… 115
ANEXE ………………………….. ………………………….. ………………………….. ………………………….. ………. 116
A1. COD MATLAB PRE -PROCESARE ………………………….. ………………………….. …………… 116
BIBLIOGRAFIE ………………………….. ………………………….. ………………………….. ………………………. 123

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

5

MULȚUMIRI
Doresc să adresez mulțumirile cuvenite tuturor celor care, direct sau indirect, prin
sugestiile oferite au contribuit la șlefuirea acestui demers științific și m -au susținut în
finalizarea lui.
Pe tot parcursul efectuării acestei lucrări am beneficiat de sprijinul permanent al
domnului prof. univ.dr.ing.Costin Cepișcă, conducătorul științific al tezei mele de doctorat,
căruia îi aduc, pe această cale, alese mulțumiri pentru susținerea și îndrumarea competentă
acordată activității mele științifice, fără de care întreaga mea activitate de cercetare nu s -ar
fi desfășurat.
Mulțumesc domn ilor profesori, ș.l. dr.ing. Cosmin Bănică și s.l. dr.ing. George Serițan ,
care cu generozitate, răbdare și profesionalism, au încurajat permanent conținutul ideatic și
științific al cercetării mele și pentru sprijinul personal și încrederea pe care mi le acordă în
viață și mai ales în carieră.
Mulțumiri deosebite aș dori să aduc dr.prof. Leon Zăgrean de la Departamentul de
Fiziologie, Universitatea de Medicina si Farmacie „Carol Davila” pentru sprijinul știin țific
al cercetării și furnizarea accesului la laboratorul departamentului.
Mulțumesc colectivului Catedrei de Măsurări Electrice pentru crearea unui climat
favorabil desfășurării în bune condiții a activităților creative.
Domnului Decan al Facultății de Ingineriei Electrică , prof.univ.dr.Ing.Valentin
Năvrăpescu , îi exprim toată gratitudinea mea pentru sprijinul moral și logistic acordat în
vederea susținerii publice.
Doresc să mulțumesc pentru suportul financiar programului „Competitivitate si
performanta in cercetare prin programe doctorale de calitate (ProDOC)
POSDRU/88/1.5/S/61178” fără de care aceste studii de doctorat nu ar fi fost posibile.
În cele din urmă aș d ori să exprim recunoștință și mulțumiri familiei mele, pentru
susținerea, înțelegerea și liniștea pe care mi -au acordat -o pe parcursul acestor ani de studiu.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

6

INTRODUCERE

1. MOTIVAȚIA TEZEI
Creierul este principalul coordonator și centru de comand ă al organismului ; ne perm ite
să procesăm informația primită d in mediul exterior , să stocăm sau să depa năm amintiri și să
interacționăm cu mediul înconjurător ; ne definește ca persoane și găzduiește gândirea
conștientă. C reierul uman generează mai multe impulsuri electrice intr -o zi decât toate
telefoanele din lume. Zilnic în jur de aproximativ 70.000 de impulsuri sunt analizate și
prelucrat e de creier. În ciuda importanței sale, creierul u man rămâne în continuare unul dintre
marile mistere ale lumii moderne . Acest fapt se datorează în mare parte complexității și
inaccesibilității sale. În creierul uman există un număr imens de neuroni (aproximativ ) și
care au în medie 7000 de conexiuni sinaptice între ei. Studiul creierului, sau neuroștiinț a, este
un domeniu prin excelență interdisciplinar incluzând biochimie, neurofiziologie, psihologie,
matematică, științ a sistemelor complexe și analiza și prelucrarea de semnale.
Neuronii transmit și procesează informația prin intermediul semnalelor electrice, modul
lor de funcționare poate fi investigat în special prin intermediul înregistrărilor
electroencefalografice (EEG). Electroencefalografia este o metod ă neinvazivă de explorare a
modificărilor de potențial electric din creier, înregistrat e la nivelul scalpului. A chiziția,
prelucrarea și analiza semnalelor EEG sunt esențiale atât pentru cercetare a științifică cât și
pentru medicin ă. EEG -ul constituie unul dintre mijloacele devenite clasice pentru investigarea
patologiei neurologice și neurochirurgicale – este complementară metodelor moderne de
imagistică, mai ales în depistarea tumorilor și malformațiilor, dar rămâne cea mai importantă
metoda de diagnostic pentru epilepsie. Realizarea și dezvoltarea unui sistem de Interfațare
Creier -Calculator (BCI) a fost posibilă datorită semnalelor EEG care stau la baza acestui
sistem. BCI oferă o cale de comunicare între creier și calculator cu beneficii pentru pacienți
cu deficite neuromotorii severe (stadii finale ale Sclerozei Amiotrofice Laterale – ALS,
paralizii cerebrale severe, traume la nivelul capului). Pe baza activității mentale pacienții pot
comunica cu un calculator , care la rândul lui poate genera scrierea unor caractere sau
comanda unor dispozitive . Pentru dezvoltarea acestor sisteme o deosebită importanță o
constituie prelucrarea semnalelor EEG și extragerea informației utile din semnal. Procesarea
EEG se poate face manual și semiautomată, dar până în momentul actual nu au fost descrise
încă în literatură metode de procesare EEG complet automate, deoarece creierul uman este
complex și diferit de la individ la individ. Semnalele EEG achiziționate sunt personalizate iar
artefactele care apar sunt variate . Într-o prelucrare de semnale EEG trebuie ținut seama de
caracteristicile grafoelementelor patologice, pe baza literaturii de specialitate , pentru a se
stabili metoda de eliminare a artefactelor astfel încât anumite „vârfuri” ce conțin informații
relevante pentru fenomenul fiziologic studiat să nu fie considerate artefacte și astfel eliminate.
Ca urmare, procesarea și analiza semnalelor EEG ocupă un loc deosebit și reprezintă o
provocare atât în inginerie cât și în neuroștiință. Prin intermediul unor tehnici specifice cum ar
fi transformata Fourier, transformata Wavelet, metoda combinației și regresiei liniare, metoda
separării oarbe a surselor putem spera că vom descifra modul în care creierul procesează ș i

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

7
codifică in formația. Metodele curente de înregistrare a semnalelor EEG permit investigare a
activității neuronale la scară microscopică și m acroscopică. Pentru fiecare tip de investigație
există metode dedicate de prelucrare și ana liză, metode care necesită îmbunătățiri permanent e
pentru a putea ține pasul cu cerințele impuse de testarea și validarea noilor teorii asupra
funcționării creierului. În această teză sunt prezentate studii care tratează pr elucrarea și
analiza semnalelor EEG cu accent pe oscilații neuronale , extrem de important e pentru
procesarea informației. În cadrul fiecărui studiu sunt identificate probleme le specifice
procesării semnalelor și sunt propuse soluții sau alternative. Autorul încearcă să se
poziționeze la confluența dintre neuroștiință și prelucrarea de semnale . În această teză
semnalele EEG sunt achiziționate , prelucrate și analizate pentru a elabora noi teorii asupra
funcționării creierului pe durata unor paradigme.

2. STRUCTURA TEZEI
Structur al, teza este împărțită în șa se capitole, după cum urmează:
Capitolul 1 conține o prezentare succintă a modului în care funcționează creierul uman,
din punct de vedere al transmiterii informației, de la un neuron la altul. Se discută modul de
elabora re a potențialelor de acțiune, modul de generare a undelor EEG și metodele de
înregistrare a potențialelor de acțiune de la nivelul scalpului .
Capitolul 2 prezintă principiile EEG și noțiunile de bază în tehnica EEG. Se discută
alegerea electrozilor, părțile componente ale unui electroencefalograf , schemele de măsură
utilizate , parametrii caracteristici semnalelor EEG și principalele forme de undă.
Capitolu l 3 prezintă, din punct de vedere tehnic, modul în care semnalele EEG pot fi
înregistrate, metode de prelucrare ale semnalelor și filtre numerice utilizate în tehnica EEG.
De asemenea, se trec în revistă principalele artefacte care se regăsesc uzual în semnalele EEG.
Printre metodele de analiză prezentate în acest capitol se regăsesc transformata Fourier , și
metoda separării oarbe a surselor (BSS). Aceste metode au fost considerate a fii soluțiile
optime pentru prelucrarea semnalelor EEG din cadrul celor 2 studii (capitolul 5 și 6) , în urma
analizei spectrale , a identificării artefactelor prezente și corelarea lor cu caracter isticile
fenomenul fiziologic studiat.
Capitolul 4 prezintă un instrument virtual creat în LabV IEW , ce are ca scop înțelegerea
și punerea în practică a noțiunilor teoretice descrise în capitolele anterioare. Aplicația realizată
în acest capitol oferă posibilitatea utilizatorul ui de a înregistra virtual semnale EEG, de a
modifica diferiți parametri ai înregistrării: amplitudinea semnalului, modificarea zgomotului
la electrod sau cablu, modificarea amplificării semnalului și valorile filtrelor aplicate. Astfel
au fost identificate caracteristicile optime pentru înregistrările EEG în funcție de anumite
condiții.
În capitol ele 5 și 6 sunt prezentat e două studii experimental e realizat e: „Evaluarea
efectului stresului acut asupra memoriei implicite contextuale” și „Dovezi ale
hipersensibilității centrale la pacienții cu dureri l ombare acute, evaluate folosind potențiale
evocate somatosenzoriale”. În aceste studi i se realizează achiziția de semnale EEG și
prelucrarea lor, astfel încât să se păstreze doar componentele spectrale corespunzătoare cu

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

8
fenomenul fiziologic ce prezintă interes pentru studiile de față. Semnalele și valorile obținute
după procesare se compară cu datele existente în literatura științifică . Se realizează apoi o
analiza statistică și interpretare a fiziologică a rezultatelor obținute. Aceste studii au ca
finalitate elaborarea unor noi teorii asupra funcționării cre ierului pe durata unor procese
cognitive și a stimuli lor.
Lucrarea se încheie cu prezentarea concluziilor generale, cont ribuții personale și
perspective de viitor. Bibliografia pe care se bazează teza este amplă și actuală, conținând un
număr de 154 de publicații în domeniu .

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

9

CAPITOLUL 1
NOȚIUNI GENERALE DE FIZIOLOGIE

1.1. NEURONUL
Neuronii au proprietatea de a recepț iona și a transmite semnale electro -chimice. Acest
sistem este asemănător cu porțile logice dintr -un calculator. Caracteristicile neuronilor permit
trimiterea unor semnale pe distanț e mari, chiar și de până la câțiva metri, trimițând mesajul de
la neuron la altul [1]. Neuronii sunt cele mai active celule din punct de vedere electric care
integrează semnale, le prelucrează și dau semnale de ieșire specifice. Ei prezintă o diferență
transmembranară de potențial de 60 -70 mV [2].
Santiago Ramon Cajal a fost anatomistul care a introdus conceptul de neuron, ca unitate
principala a sistemului nervos (SN) . Santiago Cajal a arătat ca neuron ii sunt capabili de a
comunica î ntre e i. O contribuție fundamentală la cunoașterea celulei nervoase în stare normala
și patologica a constituit -o la vremea sa, monografia lui Gheorghe Marinescu „La cellule
nerveuse ” [1]. Din punct de vedere structural neuronul prezintă o structură perfect adaptată
funcției sale. Neuronii sunt celule prevăzute cu prelungiri abundente, de lungimi variabile,
uneori extrem de mari. Neuronii sunt celule specializate în transmiterea rapidă a informației,
prin conducerea impulsurilor electrice și eliberarea de neurotransmițători. Impulsurile
electrice se propagă de -a lungul fibrei nervoase spre zona lor terminală, unde inițiază o serie
de evenimente care declanșează eliberarea mediator ilor chimici. Eliberarea acestora are loc la
nivelul unor structuri speciale, la nivelul sinapselor, zona de contact dintre două celule
neuronale sau dintre celula neuronală și organul efector.
Propagarea potențialului de acțiune, eliberarea mediatorilor chimici și activarea
receptorilor membranei neuronale cu care vine în contact, constituie mecanisme, prin care
neuronii comunică între ei, transmit unul altuia informații, dar comunică și cu organele
efectoare (mușchi, glande) sau cu organele receptoare. Neuronul are o structură înalt
specializată pentru recepționarea și transmiterea informației [3].
Din punct de vedere structural neuronul prezintă un corp celular (soma sau pericarionul)
și numeroase prelungiri unele scurte și ramificate, numite dendrite, și o prelungire mică, de
obicei mai lungă, ramificată în zona terminală, denumită axon ( Fig. 1).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

10

Fig. 1.1. Structura Neuronului [3]

Corpul celular reprezintă zona receptoare și integratoare de semnale. Funcțiile
corpului celular :
– Este principala zonă a neuronului cu rol nutrițional și metabolic, conține nucleul;
– Nu conține centrozom, așadar nu se multiplică;
– Recepționează semnale de la alte celule și le trimite spre axon;
– Integrează semnalele primite.
Dendritele formează, îm preună cu corpul celular, zona receptoare și integratoare de
semnale (stimuli electrici primiți de la celule din amonte). Dendritele ramificate recepționează
semnale venite de la alte celule și le trimit spre axon. Dendritele însumează semnalele
recepționa te.
Axonul este zona de generare și transmitere a impulsurilor de depolarizare (potențialele
de acțiune). La baza axonului se însumează toate semnalele electrice recepționate de dendrite
și corpul celular, rezultanta lor având rol de stimul electric pentru declanșare a potențialelor de
acțiune (după legea „totul sau nimic”). Acestea se transmit apoi în lungul axonului spre
ramificațiile sale terminale și prin conexiunile sinaptice stimulează alte celule.
Neuron cu axonul mielinizat. Unele tipuri de axoni (mai ales ce i aparținând neuronilor
sistemului nervos periferic) au membrana îmbrăcată în așa numita teacă de mielină , o
structură stratificată, formată din celule Schwann . Din punct de vedere electric teacă de
mielină este un material izolant; prezența ei blochează circulația ionilor pe suprafața
membranei pe care o acoperă. Între celulele Schwann rămân spații cu membrana axonului
neacoperită, numite noduri Ranvier .
Dacă la axonii nemielinizați circulația transmembranară a ionilor se produce pe toată
suprafața membranei, la axonii mielinizați transferul de ioni se face numai la nivelul nodurilor
Ranvier.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

11

Fig. 1.2. Neuronul cu axonul mielinizat [2] Fig. 1.3. Sinapsa i nterneuronală [5]

Celulele gliale au un potențial transmembranar negativ -80mV, și joacă un rol
important în captarea ionilor de K+.
Sinapsa este regiunea de comunicare neuro-neuronală sau neuro -efectoare (mușchi sau
glande). Impulsurile nervoase sunt transmise de la un neuron la a ltul prin joncțiuni funcționale
interneuronale denumite sinapse. La nivelul acestei porțiuni există diferențieri
morfofuncționale ce determină excitația sau i nhibiția elemen tului postsinaptic, atunci când
neuronul presinaptic intră în activitate. Transmiterea impulsului nervos de la zona
presinaptică la cea postsinaptică nu este o simplă săritură de potențial de acțiune, ci un proces
mult mai complex, datorat f aptului că membrana postsinaptică este inexcitabilă electric . În
afară funcției sale în transmiterea excitației sau inhibiției de la un neuron la altul, sinapsa este
și o zonă de comunicare intercelular prin care o celulă își exercită influențele trofice a supra
celeilalte.
Sherrington în 1897 a denumit acest loc de contact între doi neuroni sinapsă. Ramon y
Cajal la începutul secolului a adus argumente morfologice și experimentale pentru
întreruperea continuității sistem nervos la nivelul joncțiunii interneuronale. Otto Loewi în
1921, a dovedit pentru prima dată existența mediatorilor chimici responsabili de transmiterea
impulsului nervos la nivelul sinapsei. În anul 1954 G.E. Palade a studiat ultrastructura
sinaptică cu ajutorul microscopului electro nic lămurind definitiv elementele ultrastructurale
ale sinapsei.
Terminația presinaptica este zona bulbului terminal al axonului care transmite
excitația; în această zona se găsesc vezicule cu neurotransmițători. Atunci când la nivelul
terminației presinaptice ajunge o undă de depolarizare (potențial de acțiune), se deschid
canalele ionice de Ca2+, comandate în tensiune. Ionii de Ca2+ intră în celulă în zona bulbului
terminal al axonului și contribuie la deplasarea veziculelor spre membran ă, unde el iberează
neurotransmițătorii; aceștia trec prin me mbran ă în zona sinaptică în așa numitul proces de
exocitoza .
Terminația postsinaptică este reprezentată de membrana neuronului receptor (zona
dendritic ă sau corpul celular) și prezintă receptori specializa ți, care în combinație cu
neurotransmițătorii deschid (sau blochează) canalele ionice de Na+ ale membranei comandate
chimic.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

12
Un axon are cca. 103 bulbi terminali. Se apreciază ca cei cca. 1014 neuroni din creier
formează cca. 1015 sinapse interneuronale care asigură activitatea cerebrală. Exemple de
neurotransmițători: acetilcolina, acid gama -aminobutiric, epinefrina, dopamina, serotonină,
histamina, glicina, glutamat, aspartat. Sinapsa interneuronală poate fi excitatoare sau
inhib itoare, în timp ce sinapsa neuromotorie este numai excitatoare; lărgimea zonei sinaptice
este de (10 -20) nm pentru sinapsa interneuronală și de (50 -100) nm pentru sinapsa
neuromotorie [2].
Anatomo -funcțional neuronul poate fi împărțit în trei zone princip ale: regiunea
receptoare, regiunea conducătoare și regiunea efectuare. Regiunea receptoare este specializată
pentru recepționarea și procesarea informației. Regiunea receptoare e ste reprezentată de
ramificațiile dendritice și de corpul celular. În această zonă neuronul realizează contactul cu
alt neuron prin sinapse și este dotată cu receptori specifici pentru neurotransmițători. Pragul
său de depolarizare este mare și de obicei la nivelul acestei zone nu se formează potențiale de
acțiune. Excitarea zonei, generează doar potențiale locale sub forma potențialelor
postsinaptice, care codifică informația în amplitudine, direct proporționat cu intensitatea
stimulului.
Regiunea conducătoare face legătura dintre regiunea receptoare și cea efectoare a
neuronului. Este reprezentată de prelungirea axonică, de la locul în care aceasta iese din
corpul celular, zonă denumită conul axonic sau hilul axonilor și se întinde până la arborizația
terminală a axonului. Membrana acestei zone este bogată în canale ionice activat e electric
denumite voltaj -dependente. Aici ia naștere potențialul de acțiune prin sumarea potențialelor
locale generate în zona receptoare . Potențialul de acțiune se propagă apoi până la capătul
distal al axonului supunându -se legii „tot sau nimic”.
Dintre toate regiunile funcționale ale axonului, conul axonic are cel mai mic prag de
depolarizare. Începând de la conul axonic informația este codificată în frecvență. Potențialele
de acțiune au aceeași amplitudine dar frecvența lor este proporțională cu intensitatea
stimulului.
Regiunea efectoare este reprezentată după butonii terminali ai axonului. Informația
propagată de -a lungul regiunii conducătoare, sub formă de potențial de acțiune ajunge în
regiunea efectoare unde este recodificată în semnal chimi c și apoi transmisă regiunii
receptoare a neuronului următor.
Circuitul fundamental al informației fiziologice est următorul: stimularea receptorilor
(traductori) produce un influx nervos transmis pe căi aferente la centrii de integrare din SNC
care analizează, prelucrează și sintetizează răspunsul adecvat, care este transmis în calitate de
comandă nervoasă pe căile eferente către organele efectoare. Receptorii, căile aferente și
centrii integratori alcătuiesc componenta senzitivă a SN; „etajul d e ieșire ” al centrilor
integratori și căile eferente formează componenta motorie [3].

1.2. SISTEMULUI NERVOS
Sistemul nervos este cel mai complex și performant sistem biologic de captare,
procesare, stocare a semnalului ca suport al informației și, probabil, de generare a informației.
Dacă, până în prezent, capacitatea creierului de a genera informație a rămas doar la nivelul
unor tentative discrete filosofice sau artistice, funcțiile de captare, procesare și stocare a
informației au beneficiat de un interes mai mare din partea cercetării științifice. Prin aceste
procese sistemul nervos îndeplinește funcția fundamentală de integrare, pe de o parte, a

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

13
funcțiilor componentelor organismului în vederea funcționării lui ca sist em, iar, pe de altă
parte, de integrare a acestuia în mediu de viață [6].
Țesutul nervos este specializat în transmisia și prelucrarea informației fiziologice.
Ierarhia organizării nervoase, de la simplu la complex este: celula (neuronul) – țesut – organ –
sistem nervos (SN).
Sistemul nervos reprezint ă totalitatea centrilor nervoși și nervilor care asigură comanda
și coordonarea viscerelor și a aparatului locomotor, primirea mesajelor senzoriale și funcțiile
psihice și intelectuale. Sistemul nervos se află la locul său în embrionul uman începând cu a
cincea săptămână de gestație. Sistemul nervos „de relație ” realizează adaptarea organismului
la mediul extern [7].
Din punct de vedere anatomic SN este format din două ansamble distincte, sistemul
nervos central și sistemul nervos periferic .
Sistem ul nervos central (SNC), denumit și nevrax, este format din miliarde de neuroni
(celule nervoase) conectați între ei și dintr -un țesut de susținere interstițial (nevroglie). El
cuprinde encefalul (creierul, cerebelul, trunchiul cerebral), protejat de craniu și măduva
spinării, amplasată în coloana vertebrală. Creierul și măduva spinării formează „procesorul
central” al sistemului nervos. Acesta primește din organele de simt și din receptori impulsurile
sosite prin nervii senzitivi, le filtrează și le analizează , apoi prin nervii motori sunt transm ise
concluziile , obligând mușchii și glandele sa reacționeze corespunzător la impulsurile primite.
În sarcinile îndeplinite de măduva spinării situația este simpla, creierul fiind acela care
realizează analiza complexă , proces la care participa mii de celule nervoase diferite.
Sistem ul nervos periferic (SNP) este o prelungire a SNC, cuprinzând totalitatea nervilor
și îngroșărilor lor (ganglionii nervoși). Nervii sunt legați printr -o extremitate de sistemul
nervos central, și se ramifică la cealaltă extremitate într -o multitudine de ramuri fine, care
inervează totalitatea corpului. Există nervi cranieni și nervi rahidieni.
După organizarea și funcționarea lor, se disting sistemul nervos somatic, care pune
organismul în comunicare cu exteriorul și sistemul nervos vegetativ, sau autonom, care
reglează funcțiile viscerale.
Funcționarea SN face să intervină un lanț de neuroni, care interacționează între ei prin
sinapse, neuronul asigurând conducerea influxului nervos. Sinapsa asigură transmisia acestui
influx fie de la un neuron la altul, fie de la un neuron la un organ -țintă, de exemplu, mușch iul
în cazul unei sinapse neuromusculare. Această transmisie este realizată prin intermediul unei
substanțe chimice denumită neurotransmițători (acetilcolina, adrenalina, noradrenalina).
Acetilcolina este un neurotransmițător al sistemului nervos parasimpa tic, care comandă
contracția fibrelor musculare netede și secrețiile glandulare. Adrenalina și noradrenalina sunt
neurotransmițătorii sistemului simpatic, care, printre alte funcții, asigură contracția peretelui
arterelor și intervin în secreția sudorii.
Sistem ul nervos somatic comandă mișcările, poziția corpului și permite perceperea de
către piele a diferitelor senzații (tactile, căldură, durere) și perceperea mediului înconjurător.
El este constituit din neuroni senzitivi și neuroni motori.
Sistem nervos vegetativ , denumit încă și sistem nervos autonom, este complementar
sistemului nervos somatic și reglează îndeosebi respirația, digestia, excrețiile, circulația
(bătăile cardiace, presiunea arterială). Aceste celule depind de centrii reglatori situa ți în
măduva spinării, trunchiul cerebral și creier, care primesc informațiile, pe căile senzoriale,
provenind de la fiecare organ. Sistemul nervos vegetativ este împărțit în sistem nervos
parasimpatic și sistem nervos simpatic.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

14
Sistemul nervos parasimpat ic este responsabil de punerea în stare de odihnă a
organismului. El acționează prin int ermediul unui neurotransmițător (acetilcolina), și
încetinește ritmul cardiac, stimulează sistemul digestiv și limitează contracțiile sfincterelor.
Sistemul nervos sim patic, sau sistemul nervos ortosimpatic, pune organismul în stare de
alertă și îl pregătește pentru activitate. El acționează prin intermediul a doi neurotransmițători :
adrenalina și noradrenalina. Acest sistem crește activitatea și respiratorie, dilată br onhiile și
pupilele, contractă arterele, face să fie secretată sudoarea în schimb, el frânează funcția
digestivă [8].

Fig. 1.4. Organizarea Sistemului Nervos [9]

Fig. 1.5. Poziționarea centrilor nervoși pe cortexul cerebral. 1) lobul frontal la nivelul căruia se
execută funcțiile mentale; 2) aria premotorie care controlează mișcările corpului; 3) aria motorie care
controlează mișcările voluntare; 4) aria senzitivă la nivelul căreia sunt interpretate senzațiile primare
din corp; 5) aria vizuală unde sunt interpretate senzațiile vizuale; 6) aria auditivă unde sunt interpretate
senzațiile sonore; 7) aria anal izei senzoriale și a limbajului [ 9].

Partea cea mai mare din creier este reprezentată de emisferele cerebrale (cerebrum)
localizate în creierul anterior. Acestea sunt mai dezvoltate la om decât la orice alt animal și
sunt esențiale pentru gândire, memorie conștientă și procesele mentale super ioare. Acesta este
locul unde toate celelalte parți ale creierului transmit mesajele pentru a fi luată o decizie.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

15
Creierul mare este împărțit pe linia mediană în două jumătăți , cunoscute sub numele de
emisfere cerebrale. Ele sunt unite la bază printr -un fa scicul gros de fibre nervoase, denumite
corp calos. Fiecare emisferă reprezintă imaginea în oglindă a celeilalte dar au funcții complet
diferite și conlucrează prin intermediul corpului calos.
În interiorul emisferelor cerebrale există o aglomerare de sub stanță cenușie (celule
nervoase) denumită ganglioni bazali. Aceste celule formează un sistem complex de control,
care coordonează activitatea musculară, ceea ce permite corpului să îndeplinească diferite
tipuri de mișcări liber și inconștient. Acest tip de activitate musculară este implicat în
balansarea brațelor în timpul mersului, în expresia feței și în poziționarea membrelor înainte
de ridicarea în picioare sau de mers. Hipotalamusul este localizat la baza creierului, sub cele
două emisfere cerebrale. E l este situat imediat sub o altă structură importantă din creierul
anterior, talamusul, care funcționează ca un releu telefonic între măduva spinării și emisferele
cerebrale. Hipotalamusul este, în fapt, o colecție de centri nervoși specializați, care sunt
conectați cu alte zone importante din creier și cu glanda hipofiză. Este regiunea creierului
implicată î n controlul unor funcții vitale cum ar fi mâncatul, dormitul și termoreglarea. De
asemenea e ste strâns legat de sistemul hormonal endocrin. Hipotalamus ul este conectat cu
sistemul limbic prin căile nervoase, și este strâns legat de centrul olfactiv din creier. Această
porțiune a creierului are, de asemenea, conexiuni cu arii ce controlează alte simțuri,
comportamentul și organizarea memoriei [10].
Savanții au demonstrat că creierul este împărțit în doua emisfere care lucrează
împreuna . Emisfera stâng ă controlează partea dreapta a corpului, iar emisfera dreapta
controlează partea stânga. Emisfera stângă este sediul limbajului, cuvântului , implic ă
aspectele lingvistice ale scrierii, este sediul calculului logic, cifrelor, raționamentelor ,
capacitații de analiz ă și abstractizare . Prin ea, orice percepție se traduce în reprezentare logic ă,
semantică și fonetic ă. Emisfera stâng ă este logic ă, rațională , matematic ă, aristotelic ă,
științific ă și calculat ă. Emisfera dreaptă este sediul gândirii fără limbaj, al înțelegerii
nonverbale, al recunoașterii formelor, percepțiilor spațiale . Ea este responsabil ă pentru tonul
și intonațiile vocii, pentru ritm, muzic ă, imaginație , simțul culorilor, visării . Emisfera dreapta
este intuitivă, ilogică, irațională, poetică, platonică, imaginativă [11,12,13 ].

Fig. 1 .6. Organizarea creierului d.p.v.d funcțional. Funcțiile atribuite celor două emisfere cerebrale [2]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

16
1.3. POTENȚIALE DE MEMBRANĂ
Neuronii sunt celule specializate în recepționarea stimulilor din mediu, conducerea
impulsurilor spre organele centrale precum și în transmiterea comenzilor spre organele
efectoare. Neuronii reprezintă următoarele proprietăți importante: excitabilitatea,
conductibilitatea, degenerescența, regenerarea și activitatea sinaptică.
Excitabilitatea este proprietatea neuronilor sau a oricărei celule vii de a intra în
activitate sub influența unui stimul ; excitabilitatea este datorată structurii membranei celulare.
Prin stimul se înțelege modificarea bruscă a energiei din preajma membranei plasmatice, care
mărește dintr -o dată permeabilitatea membranei celulare pentru Na+. Stimulii po t fi electrici,
mecanici, termici, chimici etc. Reacția de răspuns a țesuturilor la un stimul poartă numele de
excitație. Pentru ca stimulul să determine excitația, trebuie să îndeplinească anumite condiții:
excitația să apară numai sub acțiunea unor stimu li ce depășesc o anumită intensitate.
Intensitatea minimă a curentului care provoacă excitația, este definită ca valoare prag (valoare
liminală). Stimulii cu intensitate sub valoarea prag sunt numiți subliminali. Cei care depășesc
pragul, stimuli supralimi nali.
Variația de energie trebuie să aibă o anumită bruschețe. În cazul creșterii lente și
progresive a intensității stimulului, țesutul nu mai răspunde, chiar dacă se depășește valoarea
prag, întrucât are loc o acomodare a țesutului la stimuli. Acomodare a se explică ca și o
creștere a pragului de excitabilitate a țesutului în timpul stimulării. Înlăturarea fenomenului de
acomodare se obține prin folosirea unor stimuli electrici a căror intensitate crește extrem de
rapid. Pentru a declanșa excitația stimul ul trebuie să se realizeze o anumită densitate pe
unitatea de suprafață. Aplicând pe un nerv doi electrozi, unul cu suprafață foarte mare, altul
cu suprafață foarte mică, punctiformă și lăsând să treacă un curent electric de aceeași
intensitate vom observa că excitația nervului va porni întotdeauna de la electrodul cu
suprafață mică, deoarece creează o densitate mai mare pe unitatea de suprafață. Excitarea
țesuturilor depinde și de durata stimulării. Chiar și stimulii supraliminali, a căror intensitate
crește brusc, dacă sunt aplicați o perioadă prea scurtă de timp aceștia nu produc excitația.
Între stimulii mai sus amintiți, este utilizat în fiziologie și medicină de preferință
stimulul electric. Stimularea electrică la intensități reduse nu provoacă leziuni neuronului și
nu determină modificări reversibile. Momentul aplicării stimulului se marchează cu precizie,
poate fi bine localizat iar durata stimulăr ii poate fi modificată după dorință. Excitația se
traduce la nivel periferic prin variații ale potențialului electric al membranei neuronale [3].

1.3.1. Potențialul de repaus
Celula vie, în stare de repaus, este polarizată electric, având sarcini pozitive la exterior
și negative la interior. Utilizând microelectrozi intracelulari s -a arătat că diferența între
suprafața exterioară și interioară a membranei celulare măsoară pentru mușchii striați, în
repaus, -90 mV pentru celulele musculare netede –30 mV, pentru nervii neexcitați –70 mV.
Diferența de potențial al membranei celulare poartă numele de potențial de repaus sau de
membrană.
Microelectrozii sunt niște tuburi efilate din sticlă neutră cu un diametru la vârf de
aproximativ 0.2 μm, umplute cu soluție de c lorură de potasiu. În interiorul microelectrodului
se introduce un fir de platină care reprez intă unul din polii circuitului, celălalt pol este plasat
pe suprafața celulară. Variațiile de potențial electric dintre cei doi poli sunt înregistrate cu
ajutorul unui tub catodic. Microelectrodul pentru a fi introdus în celulă și este purtat de un

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

17
micromanipulator. În momentul străpungerii membranei neuronale apare o diferență de
potențial de –70 mV între cei doi electrozi. La producerea potențialului de repaus co ntribuie
trei factori: transportul activ de Na+ și K+, difuziunea ionilor și echilibru Donnan la nivelul
membranei neuronale.
Transportul activ de Na+ și K+ este datorat intervenției pompei ionice de Na+ și K+ prin
care sunt expulzați din celulă trei ioni de natriu (3Na+) și captați doi ioni de potasiu (2K+).
Deoarece se elimină din celulă mai multe sarcini pozitive decât pătrund, interiorul celulei se
negativează. Prin mecanismul de transport activ se explică prima apariție a potențialului de
membrană. Ac easta se realizează consecutiv instalării unor gradiente de concentrație ionică de
o parte și de alta a membranei. Pompa de Na+ și K+ este o pompă electrogenă și este
reprezentată de ATP -aza Na+ și K+ – dependentă fiind activată în urma descompunerii ATP î n
ADP și eliberarea energiei necesare transportului. Difuziunea ionilor prin membrana celulară
este inegală. Un prim factor îl reprezintă inegalitatea distribuției ionilor de potasiu și sodiu de
o parte și de alta a membranei celulare. Această inegalitate a concentrației ionilor reprezintă
unul din factorii care inițiază difuziunea ionilor. Concentrația extracelulară a Na+ este d e 143
mEq/l iar în celulă de 14 mEq/l, în timp ce concentrația intracelulară a K+ este de 155mEq/l
iar în lichidul extracelular este de 5 mEq/l. Un al doilea factor îl constituie permeabilitatea
inegală a membranei pentru diferiții ioni. Permeabilitatea es te de 50 -100 mai mare pentru K+
decât pentru Na+. Din cauza concentrației intracelulare mai mare de K+ în comparație cu
concentrația sa extracelulară, K+ difuzează spre exterior de-a lungul gradientului de
concentrație. Ieșirea K+ din celulă conferă sarcin i pozitive la suprafața membranei și mărește
negativitatea în interior. Când interiorul celulei devine suficient de negativ pentru a împiedica
difuziunea în continuare a K+, se ajunge la potențialul de echilibru pentru K+.
Potențialul de repaus se schimbă în funcție de concentrația K+ extracelular. Acumularea
K+ intracelular nu poate fi explicată numai de acțiunea directă a pompei de ioni care
pompează în interior doi ioni de K+ pentru trei de Na+ ieșiți din celulă. Din cauza negativității
create în interi or de pompa electrogenă cationii de K+ sunt atrași de la exterior la interior.
Ionii ce Cl- nu sunt pompați de membrana neuronală în nici o direcție. Negativitatea din
interiorul celulei respinge ionii de Cl-, încât concentrația lor în celulă măsoară doar 4 mEq/l
față de 103 mEq/l la exterior. Valoarea potențialului de membrană depinde în orice moment
de distribuția ionilor de K+, Na+ și Cl- de o parte și de alta a membranei celulare și de
permeabilitatea membranei pentru fiecare din ioni.
La repartiția in egală a ionilor de o parte și de alta a membranei mai participă și
echilibrul de membrană a lui Donnan. El se produce din cauză că proteinele încărcate negativ
ce nu pot părăsi celula și determină încărcarea electrică negativă interioară a membranei. În
aceas tă situație ionii pozitivi care străbat cu ușurință membrana, cum este ionul de K+ , se
acumulează la suprafața membranei [3].

1.3.2. Potențialul de acțiune
Modificarea potențialului de repaus ce apare după stimularea supraliminală a celulei,
poartă numele de potențial de acțiune. El constă în ștergerea diferenței de potențial dintre
interiorul și exteriorul celulei și în încărcarea electrică inversă a membranei, pozitivă în
interior și negativă la exterior (până la aproximativ + 35 mV). Valoarea pot ențialului ce
depășește valoarea zero se numește overshoot. Aceste valori sunt urmate de revenirea
potențialului spre valoarea de repaus [14].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

18
Creșterea și scăderea rapidă a potențialului se cunoaște sub denumirea de potențial de
vârf sau spike potențial și durează în fibra nervoasă 0,5 -1 ms. Revenirea potențialului are loc
brusc până ce repolarizarea se face în proporție de c irca 70%, după care viteza de repolarizare
încetinește. O perioadă de aproximativ 4 ms potențialul rămâne deasupra nivelului de repa us,
constituind postdepolarizarea sau postpotențial negativ. După ce potențialul a atins valoarea
de repaus, se constată că el se subdenivelează (cu 1 -2 mV) un interval de 40 -50 ms sau chiar
mai mult, ceea ce reprezintă posthiperpolarizarea sau postpotenți alul pozitiv.
Denumirile de postpotențial negativ sau pozitiv s -au făcut pornind de la schimbările
electrice survenite în timpul excitației la suprafața externă a membranei neuronale. Apariția
potențialului de acțiune este determinată de creșterea bruscă a permeabilității membranei
celulare pentru Na+, creșterea este de c irca 5000 ori. Modificarea permeabilității membranei
celulare pentru Na+ și K+ a fost apreciată prin măsurarea conductanței pentru Na+ și K+.
Conductanța reprezintă valoarea inversă a rezistenței electrice a membranei și se notează cu g.
În faza de depolarizare crește foarte mult conductanța pentru Na+ (gNa+) iar în cea de
repolarizare conductanța pentru K+ (gK+). În structura membranei celular e există canale de
Na+ și K+ voltaj -dependente și canale ligand -dependente.
Factorul principal în producerea depolarizării membranei neuronale îl constituie
deschiderea și închiderea succesivă a canalelor de Na+ și K+. Ele se caracterizează prin
permeabil itatea selectivă și prin prezența unor bariere sau porți care pot închide sau deschide
canalele. Barierele sunt niște expansiuni ale moleculelor din structura proteică a canalului care
prin schimbări conformaționale permeabilizează ori blochează canalul. D upă modul cum pot
fi acționate barierele canalelor de Na+ și K+ ele pot fi: canale voltaj -dependente când variațiile
de potențial ale membranei induc modificări ale barierei și determină fie deschiderea fie
închiderea ei; sau canale ligand dependente când modificările conformaționale ale proteinelor
survin după cuplarea lor cu anumite substanțe. Substanța care se fixează pe receptorii
canalului ionic se numește ligand. Din categoria liganzilor se încadrează mediatorii chimici
sau hormonii.
Canalul de Na+ are suprafața internă puternic încărcată negativ care atrage Na+ în
interiorul canalului într -o măsură mai mare decât alți ioni. Spre partea extracelulară a
canalului se află o barieră de activare, iar pe partea intracelulară o barieră de inactivare. La
potențialul de repaus de –70 mV bariera de activare se află închisă iar cea de inactivare
deschisă. Odată ce depolarizarea celulei ajunge de la –70 mV la –55 mV se produce
schimbarea bruscă a conformației proteice a barierei de activare și se deschide canalul de
sodiu. În consecință, ionii de sodiu năvălesc în celulă conform gradientului de concentrație. În
momentul potențialului de vârf numărul canalelor de sodiu deschise depășește de 10 ori pe cel
al canalelor de K+. De ace ea permeabilitatea membranei pentru Na+ crește în timpul
depolarizării de 5000 de ori. În faza de repolarizare, revenirea potențialului de vârf la valoarea
de repaus, produce închiderea barierei de inactivare. Modificările conformaționale care închid
barie ra de inactivare se desfășoară mult mai lent decât cele care deschid bariera de activare.
Odată cu închiderea barierei de inactivare Na+ nu mai poate pătrunde în celulă și potențialul
de membrană începe să revină spre valoarea de repaus. Redeschiderea bari erei interne de
inactivare are loc numai în momentul în care potențialul de membrană atinge valoarea de
repaus.
Canalele de K+ nu prezintă încărcătură electrică negativă. În absența sarcinilor negative
lipsește forța electrostatică care atrage ionii pozit ivi în canal. Forma hidratată a K+ are
dimensiuni mult mai mici decât forma hidratată a Na+, de aceea ionii hidratați de K+ pot trece
cu ușurință prin canal pe când cei de Na+ sunt respinși. Pe partea intracelulară a canalului de
K+ există o singură barier ă, închisă în perioada potențialului de repaus. Membrana celulară,

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

19
conține însă în repaus un număr de aproximativ 9 ori mai multe canale pentru K+ deschise față
de cele pentru Na+, ceea ce înseamnă o conductanță de 9 ori mai mare pentru K+ în
comparație cu Na+. Depolarizarea celulei determină o modificare conformațională lentă a
barierei, cu deschiderea ei și difuzarea K+ spre exterior. Din cauza încetinelii cu care se
deschide canalul de K+ deblocarea lui are loc în același timp cu inactivarea canalelor de Na+,
ceea ce accelerează procesul de repolarizare.
La sfârșitul perioadei de repolarizare numărul canalelor de K+ deschise este de 15 ori
mai mare decât a canalelor de Na+ deschise. Prin urmare, în cinetica fluxurilor ionice prin
canalele membranale treb uie să se țină cont de faptul că fiecare canal odată activat rămâne
deschis un anumit interval de timp după care se închide automat. Această constanță de
inactivare este caracteristică fiecărui tip de canal.
Ionii de Ca++ participă la mecanismul de activa re a canalelor de Na+ voltaj –
dependente. Reducerea concentrației Ca++ în mediul extracelular scade pragul de declanșare al
activării canalului, în timp ce creștere concentrației Ca++ tinde să stabilizeze canalul. Absența
Ca++ duce la o creștere semnificati vă a conductanței Na+, deci la o creștere a excitabilității
celulei. Mărirea permeabilității pentru Na+ se produce nu mai la acei stimuli care diminuează
negativitatea potențialului de repaus cu 15 mV, de la –70 la –55 mV. Stimulii subliminali
determină des chiderea unui număr restrâns de bariere de activare a canalelor de Na+ și
membrana începe să se depolarizeze. În această situație membrana neuronală este facilitată,
adică sensibilizată la acțiunea unui alt stimul subliminal.
Potențialul de acțiune se sup une legii „tot sau nimic”, adică un stimul supraliminal
indiferent de intensitate, nu poate depăși depolarizarea de 115 mV ( de la –70 mV la + 45
mV) [3].

Fig. 1.7. Potențialul de acțiune al celulei [15]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

20
1.4. GENERAREA UNDELOR EEG
Activitatea electrică cerebrală integrează efectele impulsurilor de depolarizare și ale
fenomenelor sinaptice produse la nivelul neuronilor corticali.
Semnalul EEG înregistrat pe scalp sau pe cortex este produs prin sumarea temporală și
spațială a câmpurilor electrice care îș i au originea în fenomenele postsinaptice excitatorii și
inhibitorii de la nivelul celulelor piramidale din cortexul cerebral. Aranjarea spațială ordonată
a celulelor piramidale favorizează însumarea efectelor.
Potențialele de acțiune de la nivelul axonil or au o contribuție rezultantă slabă la
înregistrarea EEG, datorită asincronismului activității electrice și orientării spațiale aleatorii a
axonilor. Atât neuronii cât și celulele gliale prezintă o diferență transmembranară de potențial.
Potențialul trans membranar glial este relativ constant în timp reflectând mai ales potențialul
de echilibru al potasiului. Neuronii însă, sunt celule mult mai active din punct de vedere
electric care integrează semnale, le prelucrează și dau semnale de ieșire specifice.
Neuronii prezintă o diferență de potențial transmembranar de aproximativ 60 -70 mV cu
negativitatea în spațiul intracelular. Potențialul de membrană neuronal prezintă variații
continue induse de activitatea sinaptică sau de către proprietățile intrinseci n euronale. Față de
potențialul lor de repaus pot exista stări de hiperpolarizare sau de depolarizare ale membranei.
Depolarizările facilitează generarea de potențiale de acțiune, în timp ce hiperpolarizările fac
ca potențialul prag să fie mai dificil de ati ns. Potențialul transmembranar neuronal prezintă
atât unde depolarizante denumite EPSP -uri (excitatory postsynaptic potențials), provenite de
la sinapse excitatorii, cât și unde de hiperpolarizare, denumite IPSP -uri (inhibitory
postsynaptic potentials), pr ovenite de la sinapsele inhibitorii; dar mai mult decât atât
membrana celulară sumează ambele tipuri de semnale. Astfel, dacă două sau mai multe
potențiale de acțiune se deplasează de -a lungul unei fibre presinaptice care se termină cu o
sinapsă excitatori e cu un foarte mic defazaj în timp, la nivel postsinaptic celula va integra
ambele EPSP -uri și foarte probabil din sumarea celor două va fi generat un potențial de
acțiune datorită depășirii pragului de excitabilitate. În cazul în care potențiale de acțiun e ce se
deplasează prin fibre inhibitorii ajung la nivel postsinaptic acestea vor genera IPSP -uri care
pot eventual bloca generarea unu i potențial de acțiune ( Fig. 9) [16].

Fig. 1.8. Relațiile dintre activitatea presinaptică excitatorie, inhibitorie și activitatea postsinaptică ca
rezultantă al celor două ( modificat după Speckmann, 1999) [16]
Este general acceptat faptul că potențialele postsinaptice contribuie de o manieră
fundamentală la generarea potențialelor de câmp, iar activitatea sinaptică produce în ambele
cazuri o redistribuire de sarcină pe suprafața externă a celulei. În cazul sinap selor excitatorii
Activitate presinaptica inhibatorie
Activitate postsinaptica

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

21
activarea acestora este asociată cu un influx de cationi la nivel intracelular și cu depolarizarea
celulei, urmată imediat, ca urmare a apariției unui gradient electric de -a lungul membranei, de
o deplasare a sarcinilor pozitive pe versan tul extracelular al membranei spre regiunea
subsinaptică, în paralel cu existența unui flux de sens opus la nivel intracelular. În mod
similar, însă în direcții opuse, se petrec lucrurile la nivelul sinapselor inhibitorii, ca urmare a
unui influx intracelu lar de ioni negativi la nivel sinaptic.
Acești curenți din spațiul extracelular sunt considerați a fi responsabili de potențialele de
câmp înregistrate electroencefalografic. O schematizare a modificărilor potențialului de câmp
la nivelul unei celu le poat e fi urmărită în figura 1.9 pentru cele două tipuri de sinapse: sinapse
inhibitorii și excitatorii [16].

Fig. 1.9. a) Înregistrări intracelulare și extracelulare la nivelul dendritelor și corpului celular pentru o
celulă care prezintă o sinapsă excitatorie. La nivelul sinapsei și al corpului celular se înregistrează
intracelular un EPSP, în timp ce extracelular la nivelul sinapsei există un potențial mai negativ ca
urmare a intrării ionilor de sodiu în celulă în timpul potențialului de acțiune. b) Înregistrări ca
intracelulare și extracelulare la nivelul dendritelor și corpului celular pentru o celulă care prezintă o
sinapsă inhibitorie. La nivelul sinapsei și al c orpului celular se înregistrează intracelular un IPSP, în
timp ce extracelular la nivelul sinapsei există un potențial mai pozitiv ca urmare a int rării ionilor de
clor în celulă (m odificat după Johnston, 1994) [16]

Fig. 1.10. Aferentele provenite de la neuronii talamici de releu realizează sinapse cu neuronii corticali
Ia nivelul lamei 4 în timp ce fibrele provenite de la cortexul contralateral la nivelul lamelor 2 și 3.
Funcție de acest lucru diferă distribuția de sarcină și modul în care ea e reflectată de potențialul de pe
suprafața scalpului ( modificat după Speckman, 1999) [16]
Mai mult decât atât, undele înregistrate la nivelul suprafeței cortexului, și care sunt
generate de redistribuția de sarcină electrică pe suprafața externă a membranei neuronale
depind și de localizarea sinapselor la nivelul neuronilor piramidali din stratul 5. Aferentele
Intercelula r
r Extracelular Intercelula r
r Extracelular

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

22
provenite de la neuronii talamici de releu realizează sinapse cu neuronii piramidali la nivelul
lamei 4, în timp ce fibrele proven ite de la cortexul contralateral realizează aceste sinapse la
nivelul lamelor 2 și 3. Cum ambele tipuri de sinapse sunt sinapse excitatorii vectorul rezultant
la nivel extracelular dat de distribuția de sarcină va fi opus ca polaritate în cele două cazuri; la
fel ca și modul în care el este reflectat p e suprafața scalpului ( Fig. 1.10).
Celulele gliale , spre deosebire de neuroni, au un potențial de membrană negativ (în
general mai negativ de -80 mV) care este datorat unei permeabilități selective pentru ionii de
potasiu mult mai mare decât în cazul neuronilor. Curentul de potasiu responsabil pentru
stabilirea potențialului membranar este IJR ( “inward rectifier ”), deoarece este singurul curent
potasic care este prezent foarte probabil la potențiale transme mbranare obișnuite ale
membranei gliale. Celulele gliale captează ionii de potasiu atât prin mecanisme active cât și
prin două mecanisme pasive: cotransportor Na2+/K+/2Cl- pe de o parte și influx de K+ asociat
influxului de C l prin canale ionice (influența t de forțe Donnan), pe de altă parte activitatea
neuronală este asociată cu o creștere semnificativă a concentrației extracelulare a ionilor de
potasiu datorită deschiderii canalelor de potasiu voltaj dependente în timpul depolarizării
neuronale. Pe de alt ă parte, concentrația extracelulară a ionilor de potasiu este relativ redusă
(3mM), astfel încât chiar eliberarea unei cantități scăzute de potasiu din neuroni reprezintă o
importantă creștere procentuală a concentrației de potasiu extracelular.
Pe de alt ă parte, creșteri reduse ale concentrației potasiului pot produce depolarizări ale
neuronilor care să modifice funcția neuronală, în sensul modificării pragului de inițiere al
potențialelor de acțiune sau modularea proceselor dependente de receptori operaț i de voltaj.
Afinitatea crescută a celulelor gliale pentru ionii de potasiu face ca gliile să joace un rol
important în redistribuirea acestui ion pe distanțe relativ mari. Poate există nu numai o captură
a ionilor de potasiu, denumită tamponare, dar proc esul poate urma gradientele existente în
sensul că ionii de potasiu intră în celulele gliale acolo unde concentrația acestora este mare și
sunt depuși în arii cu concentrații mai scăzute, în spațiul extracelular sau la nivelul capilarelor .
Acest proces den umit „sifonaj” poate modifica activitatea neuronală la distanță și poate
contribui de exemplu la propagarea și sincronizarea crizelor epileptice.
Potențialele de acțiune din fibrele aferente care ajung la neuronii piramidali sunt
generate simultan, fiind descărcări tonice. Fiecare potențial de acțiune din aceste fibre
produce EPSP -uri individuale în dendritele neuronilor piramidali care se pot suma în
depolarizări majore funcție de frecvența descărcărilor. Aceste depolarizări modifică câmpul
înregistrat el ectroencefalografic, deci durata și amplitudinea undelor din EEG depinzând de
durată și de frecvența descărcări lor din fibrele aferente. Folosind EEG -ul că tehnică de
înregistrare a câmpului superficial se pot evidenția în plus și fluctuațiile potențialului
membranei dendritice.
Dacă în fibrele aferente există un influx grupat și sincron către lamele superficiale ale
creierului undele care vor apărea în EEG vor fi caracterizate de amplitudine mare și separate
distinct unele de altele [16].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

23

CAPITOLUL 2
PRINCIPII EEG ȘI NOȚIUNI DE BAZĂ ÎN TEHNICA EEG

2.1. NOȚIUNI GENERALE EEG
Electroencefalograma (EEG) reprezintă înregistrarea grafică a variației diferenței de
potențial dintre 2 electrozi plasați în vecinătatea creierului, dintre care cel puțin unu
înregistrează activitatea electrică a acestuia. Etimologic termenul este de origine greacă
(„electro” „enkephalo’’ „gram”) și a fost introdus de Berger în 1929, ca re l-a preferat în locul
celui de „electrocerebrograma” folosit de Pravdich -Nieminsky. El este folosit mai ales în
contextul înregistrărilor realizate, folosind electrozi plasați pe scalp [16].
Electroencefalografia constituie unul dintre mijloacele deve nite clasice pentru
investigarea patologiei neurologice și neurochirurgicale – este complementară metodelor
moderne de imagistică, mai ales în depistarea tumorilor și malformațiilor, dar rămâne cea mai
importantă metod ă de diagnostic pentru epilepsie. Repr ezintă ansamblul măsurătorilor
efectuate asupra fenomenelor electrice cerebrale:
– Activitatea electrică spontană – înregistrată neinvaziv (pe scalp), sau invaziv (pe
suprafața cortexului sau în adâncime);
– Activitatea electrică indusă/provocată prin mijloace excitatoare (potențiale evocate);
– Se realizează prin măsurarea diferenței de potențial electric între un punct de la
suprafață sau din interiorul volumului conductor și un punct de referință;
– Sursa elementară este de tip ul stratului dipolar de curenți.
Există două tipuri de înregistrare a activității electrice spontane: înregistrarea neinvazivă
a activității electrice spontane și înregistrarea semiinvaziva a activității electrice spontane.
Trebuie înțeles ca EEG, prin însăși natura ei, este o tehnică or ientat ă spre evaluarea
funcțional ă și nu structural ă, iar atuul ei major rămâne faptul că oferă informații în timp real
despre starea funcțional a creierului. Ca răspuns la apariția tehnicilor imagistice, diagnosticul
electroencefalografic t opograf ic a reu șit să prindă contur o dată cu apariția cartografierii
cerebrale computerizate (brain mapping), dezvoltarea recentă și fascinantă , legată mai ales de
numele lui Franck Duffy [9].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

24
2.2. STRUCTURA APARATULUI EEG
Electroencefalograful, aparatul cu ajutorul căruia se înregistrează electroencefalograma, este
constituit din aparatul propriu -zis și un sistem de captare a biopotențialelor cerebrale, compus
din electro zi ce se fixează pe scalp și conductorii electrici ce fac legătura dintre electrozi și borna
de intrare în amplificatorul aparatului de EEG.
Electroencefalograful propriu -zis este compus, în cazul celor clasice, analogice, din
amplificatorii fiecărui cana l (8-20 de canale) și un sistem de reglaj cu ajutorul căruia se selectează
unul din cele peste 16 -20 montaje standard precum și parametrii de înregistrare : constanta de
timp, amplificare, filtre de frecvență. Mai are și un circuit special, cu propriul sel ector și
instrument de măsură, pentru măsurarea impedanței interfeței fiecărui electrod cu pielea
scalpului.
În cazul electroencefalografelor digitale cu foarte multe canale (64 -256, cu tendință spre
512), componentele mult miniaturizate, sunt incluse într -o cutiuță ce este cuplată la un calculator
PC puternic și adaptat specific.
În acest caz calculatorul electronic îndeplinește, în general, prin soft, funcțiile
principalelor unități de la aparatele analog ice și în plus, fiind un aparat digital, eșantionează
potențialele de pe toate traseele, cu 400 -14000 eșantioane /secundă /canal și le convertește A/D
cu o rezoluție de 12 – 24 biți sau mai mult. Având toată informația (traseele) digitalizată, cu un
calcul ator puternic, se poate face eliminarea automată a artefactelor, analize, ca spectre de
frecvență prin FFT (FFT = Fast Fourier Transform), de indice de undă (Burch), de
amplitudine, corelații, autocorelații, deconvoluții, compararea prin sustracțiune a traseelor din
dreapta din cele din stânga, recunoașteri de pattern, de grafoelemente caracteristice ș.a. Datele
personale ale pacientului, tratamentul, diagnosticul etc., precum și traseele EEG și toate
prelucrările aferente pot fi stocate pe suport electroni c.
Pentru monitorizarea timp de 24 de ore a apariției unor grafoelemente EEG patologice
(spike -uri și crize epileptice etc.) se utilizează electroencefalografe foarte miniaturizate (Hoitar),
portabile, cu 8 -16 canale și chiar mai multe, care înregistrează pe cipuri de memorie toată
activitatea electrică cerebrală. Toată această activitate electrică cerebrală din 24 de ore, stocată,
este introdusă într -un calculator, care, printr -un soft special, analizează rapid, toate traseele și
recunoaște pattern -ul unor grafoelemente normale, de veghe sau somn, ori patologice, putând
face bineînțeles și toate analizele enunțate mai sus [3].
În ultimii ani numărul de electrozi și de fire fiind foarte mare, s -au realizat căștile moderne
(Fig. 2.1.), care au electr ozii încorporați în cască iar de la aceștia pleacă fire conductoare strânse
într-o bandă lată, terminată printr -un conector (mufă tată multipolară) ce se introduc în mufa
mamă de pe aparatul de EEG.

Fig. 2.1. Cască modernă cu electrozii și conductorii încorporați; în acest caz contactele fiind mult
mai sigure, fără posibile oxidări pe banane sau în borne, sunt reduse șansele parazitării [18]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

25

Fig. 2.2. Schema de principiu a unui EEG [3]

2.3. SCHEME DE MĂSURARE UTILIZATE PENTRU ÎNREGISTRĂRILE EEG
După degresarea pielii capului cu un amestec de alcool -eter (în părți egale) și, eventual, o
ușoară abraziune a pielii de sub electrod prin aplicarea unei paste pentru electrozi de EEG, bună
conducătoare de electricitate (printr -un conținut foarte ridicat de electroliți, care este eventual și
ușor abrazivă — prin nisipul de cuarț pe care î1 conține și astfel se scade și mai mult rezistența
electrică a tegumentului), se aplică electrozii pe scalp, îndepărtând firele de păr de sub fiecare
electrod și aplicând câte o picătură de pastă /gel conductor , peste care se pune apoi electrodul. Se
mai fixează, obligatoriu, un electrod pe scalp sau pe suprafața mediană a antebrațului, cu o
bandă de cauciuc, electrod cu sup rafață mare, conectat la masă (pământ). Se pune și aici
pastă pentru electrozi. O pregătire perfectă a electrozilor duce la o impedanța între 1000Ω și
5000Ω.
Douăzeci și unu de electrozi așezați pe scalp, definesc în raport cu standardele
internaționale „sistemul 10 -20” de plasare a electrozilor, care este bazat pe împărțirea
suprafeței scalpului în mai multe zone și care la rândul lor sunt subdivizate. Distanța tipică
între electrozi este 6 cm. Electrozii plasați pe scalp sunt identificați prin litere și numere.
Majoritatea literelor sunt specifice anumitor regiuni ale creierului astfel :
Fp – Frontopolar
F – Frontal
C – Central
T – Temporal
P – Pariental
O – Occipital

Electrodul de referința specific urechii este indicat de litera A. Electrozii cu numere
impare, sunt așezați pe partea stânga a capului ( FP1; F3; C3; P3; O1; F7; T3; T5 și A1) și
electrozii cu numere pare, sunt așezați pe partea dreapta ( FP2; F4; C4; P4; O2; F8; T4; T6 și
A2). Electrozii de pe mijlocul capului se disting prin litera Z ( FPZ; FZ; CZ; PZ și OZ).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

26

Fig. 2.3. Notația electrozilor (cu litere și cifre) și poziția lor exactă pe scalp. (în schema clasică zece –
douăzeci cu 19 -21 de electrozi pe scalp și urechi). Sunt arătate și distanțele dintre ei, notate
procentual.

Montajul la „sistemul 10 -20’’ de plasare a electrozilor se poate face în 2 moduri:
diferențial (bipolar) și refere nțial (monopolar) – figura 2.4. a) și b)
Montajul diferențial (bipolar) se realizează între doi electrozi amândoi activi, de pe
scalp și un electrod inactiv , de referință, fixat pe lobul urechii. Electrozii, în derivațiile
bipolare, sunt astfel conectați între ei încât, în majoritatea cazurilor, același electrod este
"prim electrod" într -o derivație și "electrod doi" (secund) în derivația următoare.

Fig. 2.4. a) Culegeri bipolare [17]

Acest tip de montaj prezintă următoarele avantaje : reducerea zgomotului comun ,
permite studiul calitativ al unei zone de anormalitate și este util pentru studiul simetriilor,
sincronismului
Montajul monopolar folosește un electrod comun inactiv sau indiferent „de referința”,
care este plasat de obicei pe lobul urechii, dar poate fi așezat și în alte zone ca baza nasului,
menton, faringe, sau la nivelul vertebrei C7.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

27

Fig. 2.4. b) Culegeri unipolare cu punct de referință median [17]

Montajul monopolar prezintă următoarele avantaje: pune în evident ă distribuția
surselor, permite cuantificarea anormalităților și este util pentru mapping (harta de
echipotențiale ) [17].

2.4. ACHIZIȚIONAREA ȘI CONVERSIA A/D A SEMNALELOR EEG
2.4.1. Schema generală a unui sistem de achiziție a semnalelor fiziolog ice
În prezent, schemele electronice de măsură asociate unităților de procesare a datelor
înlocuiesc pe scară din ce în ce mai largă, în mediul clinic, sistemele clasice de înregistrare .
Achiziția, conversia A/D și procesarea unor semnale fiziologice, a permis evoluția tehnicilor
medicale de diagnostic și tratament. Medicina modernă nu se poate dezvolta fără astfel de
mijloace de măsurare sigure, exacte și din ce în ce mai inteligente [3].

Fig. 2.5. Schema bloc a unui sistem de achiziție și procesare a semna lelor fiziologice

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

28
2.4.2 Aspecte tehnice privitoare la înregistrările EEG
Senzorii detectează semnalele fizice și sunt specializați pe tipul de semnal (presiune,
temperatura, sunet, umiditate, etc.). Traductoarele convertesc semnalul fizic oarecare
(neelectric) detectat de senzor într-un semnal electric. Electrozii sunt senzori pentru detectarea
semnalelor electrice. Culegerea diferențelor de potențial generate de activitățile din celule și
țesuturi se realizează cu electrozi.
Alegerea materialului și a formei electrodului se face după tipul aplicației. Pentru
subiecții activi electrodul trebuie să permită o ancorare stabilă, s ă aibă potențial standard
redus (adică fluctuații mici ale decalajului electrochimie în urma mișcării), iar pasta de
electrod să fie insensibilă la circulația aerului. Pentru preluarea frecvențelor joase (sub 0,5 Hz
în EEG, de exemplu) practica recomandă e lectrozii de speța a II -a, de tipul disc masiv și
descurajează utilizarea acelor subdermice. Înregistrările de lunga durată pretind, de asemenea,
potențial standard mic și stabil și ca formă care să protejeze interfața de aer. Dacă este
importanta plasarea rapidă și insensibilitatea la mișcare (în măsurările telemetrice, de
exemplu), acul subdermic este soluția.
De când se efectuează înregistrări EEG, s -au folosit mai multe tipuri de electrozi. Astfel
primii electrozi care au fost folosiți , erau electrozi de tip ac, poziționați sub piele. Totuși , din
pricina variației impedanței și a potențialului maladiv, prin riscul transmisiei infecțiilor ,
aceștia nu au mai fost folosiți . Cele mai comune tipuri de electrozi în practica sunt de tip disc
plat de 10 mm diam etru și electrozii Ag -AgCl în diferite variante constructive (Fig. 2.6) [3].

Fig. 2.6. Electrozi Ag/AgCl pentru EEG [3]

2.4.3. Parametrii caracteristici semnalului EEG
Frecvența este definită pe segmente de semnal, ca inversul intervalului de timp dintre 2
maxime succesive, sau caracterizează conținutul în armonici (sunt identificate benzile de
frecvență).
Amplitudinea este valoarea maximă a unei unde i. EEG se numește „de joasă
amplitudine” pentru valori mai mari de 20 µV și „de înaltă amplitudine” pentru valori mai
mari de 100 mV. Un indicator patologic este scăderea în amplitudine a undelor de joasă
frecvență (θ și δ) și accentuarea undelor de frecvență mai înaltă (α și β). Polaritatea, se referă
la semnul (+) sau ( -) al undei: polaritate pozitivă /negativă sau undă izoelectric ă (de valoare
nulă).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

29
Morfologia desemnează forma undei (regulată/neregulată) și identifică grafoelementele
care apar în formă de unda: puls monofazic/bifazic/polifazic, spike (vârf de amplitudine mare
și durată scurtă), unda rapidă/lentă, complex vârf-unda /unda -vârf, polivârfuri , etc.).
Distribuția se referă la localizarea unui eveniment reprezentat de un grafoelement specific;
localizarea este temporală (legată de o anumită activare sau stimulare) și spațială (identifica o
anumită regiune pe cortex).
Ritmicitatea – în general forma EEG nu este ritmică, dar pe unele subintervale formă de
unda se apropie de o undă armonică; unda aritmica este formată din alternanțe de zone
regulate și grafoelemente specifice.
Sincronismul – dacă pe mai multe semnale înregistrate simultan în diferite zone
cerebrale se identifică evenimente similare, se spune că aceste zone cerebrale prezintă
sincronism, iar semnalele sunt sincrone ; în cazul în care două zone simetrice (dreapta/ stânga )
prezintă sincronism, semnalele se numesc bisincrone ; lipsa de sincronizare se numește
asincronie .
Reactivitatea – în cazul stimulării subiectului (vizual, auditiv, somatomotor, etc.) în
formă de unda EEG pot să apară alterări de amplitudine sau frecvență, sau anumite
grafoelemente; acestea se numesc reacț ii; dacă nu apar reacții, se spune că EEG este
nereactiva .
Persistența/intermitența – prezența unui fenomen pe (70 – 80) % din înregistrare
desemnează acel fenomen drept persistent ; persistența nu este influențată de stimulare ci ține
de patologie. Evenim entele mai puțin pronunțate se numesc intermitențe ; intermitentă poate
fi: rară, ocazională, frecventă.
Electroencefalografia clinică încearcă să coreleze pe o bază empirică funcția sistemului
nervos precum și manifestările patologice care pot apărea, funcție de anumite aspect,
considerate că definitorii, ale activității electrice înregistrate la suprafață scalpului. În mod
evident înțelegerea proceselor elementare care stau la baza generării EEG poate ajuta într -o
mare măsură la îmbunătățirea diagnosti cului și evitarea interpretărilor greșite.
Aspectul EEG variază funcție de principalele stări de vigilență: starea de veghe, somnul
cu unde lente și somnul paradoxal. Fiecăreia dintre aceste st ări îi sunt asociate o serie de
ritmuri” cerebrale [3].
Ritmu rile cerebrale sunt definite ca forme de undă care apar succesiv și regulat pe
electroencefalogramă, de formă și durată similară, având la bază structuri și mecanisme
generatoare specifice. O prezentare sintetică a acestora poate din urmărită în următorul
tabel ul 2.1.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

30

Tabel 2.1 Ritmurile cerebrale
RITM FRECVENȚĂ Condiții de apariție ORIGINE
Oscilație lentă sub 0.9 Hz apare în somn cortex
Delta (Δ)

0.1 – 3.5 Hz apare în somn cortex; în lezarea
segmentelor profunde
ale creierului.
Theta (θ)

4 – 7.5 Hz activitate mentală apare în copilărie, în
leziunile cerebrale;
hipocamp

Alfa (α) 8 – 13 Hz apare în stare calmă
de veghe, în repaus,
cu ochii închiși.
Dispare la lumină, la
o stimulare bruscă, în
activitatea
intelectuală. cortex, talamus
Beta (β)
14 – 25Hz apare în starea de
somn paradoxal,
veghe cortex, talamus
Gama (γ) 25 – 60 Hz apare în starea de
somn paradoxal,
veghe
cortex, talamus

Miu rolandic 8-10 Hz apare în stare calmă
de veghe, la un
număr mic de oameni
sănătoși cortex, talamus
Fusuri de somn 4 – 14 Hz apare în stare de
somn talamus
Ripples 80 – 200 Hz apare în somn,
epilepsie cortex
Ultrarapid până la 600Hz potențiale evocate cortex

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

31

Fig. 2.7. Înregistrare EEG și descompunerea în principalele benzi de frecvența [9]
1) Ritmul alfa – este un ritm cu o frecvență de oscilație de 8 -13 Hz care apare în timpul stării
de veghe în regiunile posterioare ale capului, în general cu valori ale voltajului mai mari în
zona occipitală. Amplitudinea este variabilă dar în general nu depășește 50 µV la adulți. Se
observă mai bine cu ochii închiși și în condiții de relaxare fizică și relativă inactivitate
mentală. Este blocat sau atenuat de atenție și mai ales de stimulii vizuali. Ritmul este
caracterizat de forme de undă rot unjite aproape sinusoidale. Distribuția spațială se întinde
deasupra ariilor occipitale, parietale și temporale posterioare deși se poate extinde spre vertex
și ariile temporale medii (caz în care trebuie diferențiat de ritmul Mu rolandic) și există cazuri
în care ritmul a fost înregistrat și în derivațiile frontale superioare. S-a observat de asemenea
că stimularea aferentă produce o diminuare inițială, dar eficiența unui anumit stimul scade
prin repetare. În mod similar, deschiderea ochilor în întuneric c omplet produce doar o
diminuare inițială, ritmul reapărând curând în absența oricărui alt stimul deși fusese redus
printr -un efort conștient de a vedea. Un efect comparabil a fost observat în timpul unei
concentrări mentale, de orice natură ar fi aceasta. S-a mai arătat că cele două emisfere produc
ritmuri alfa la frecvențe aparent identice și în cantități aproximativ egale, deși amplitudinile
nu fluctuează întotdeauna simultan în cele două părți.

2) Ritmul miu rolandic (central) – este un ritm care în termen i de frecvență și amplitudine
este legat de ritmul alfa posterior, însă total diferit de acesta ca topografie și semnificație
fiziologică. Are o frecvență în jur de 10 Hz iar aspectul tipic de undă este o deflecție negativă
ascuțită urmată de o undă poziti vă rotunjită ceea ce a făcut să fie numit și „rhythme en
arceau” (Terzian și Gastaut, 1952). Amplitudinea este de obicei mai mică de 100 µV, dar

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

32
poate și să o depășească și pe cea a ritmului alfa. Apare de obicei în scurte sacade în
derivațiile centrale. Î n general nu este afectat de stimuli vizuali sau de efort intelectual, deși s-
au descris creșteri ale acestui ritm în aproape 50% în timpul paternului vizual. El este însă
blocat de către mișcările membrului contralateral, fie ele active (voluntare), pasiv e sau reflexe
și de stimularea tactilă a acestuia. Ritmul m iu la adult dispare în timpul stării de somnolență și
nu se întâlnește în timpul somnului, dar o activitate ritmică similară e întâlnită uneori la copii,
mai ales în timp ul somnului. Blocarea ritmu lui mi u pare a fi legată de designul conceptual al
unei mișcări ce urmează a fi executată.

3) Ritmul beta – este ritmul care apare cu o frecvență mai mare de 13 Hz. În condițiile
clasice ale înregistrării activității electrice cerebrale frecvențele peste 70 Hz sunt considerabil
atenuate datorită efectelor de filtrare ceea ce face ca să se stabilească automat limita
superioară a ritmului beta în jur de 50 -100 Hz. Amplitudinea nu depășește uzual 30 µV, însă
poate fi amplificată de defecte locale ale scalpului sau de administrarea de anestezice
barbiturice și tranchilizante minore. Activitatea beta poate fi difuză sau poate să apară în
numeroase zone la adulții normali, cel mai frecvent fiind întâlnită în regiunea precentrală. O
activitate ritmică cu o frecvență de 40 Hz, a fost observată în regiunile centrale la inițierea
mișcărilor voluntare.

4) Undele teta – Numele de unde teta a fost introdus de Walter și Dovey pentru undele aflate
în zona de frecvențe cuprinsă între 4 și 7 Hz. Înregistrările EEG la adulții normali conțin doar
o mică cantitate de frecvențe teta grupată sub formă de unde izolate și nu sub forma unui ritm
propriu -zis. Cel mai important aspect în ceea ce privește acest ritm este cel de măturare al
sistemului nervos, deoarece frecvențele teta și ritmul teta joacă însă un rol important la copii,
apoi dispare treptat o dată cu înaintarea în vârstă, la adulți putând apare doar în situații
patologice sau în timpul somnului.
5) Undele lambda – sunt observate cel mai frecvent atunci când subiectul prive ște activ ceva
care îl interesează. În traseele EEG caracteristice sunt unde electrice pozitive cu amplitudine
ce ajunge până la 20 µ V și durată de 250 ms care apar la nivel occipital și se extind spre
regiunile parietale. Forma undelor este de tip "dinți de fierăstrău" iar faza inițială pozitivă
poate fi precedată și uneori urmată de una mai mică de polaritate opusă.
6) Undele delta – sunt undele cu o frecvență inferioară valorii de 4 Hz, asociate fazelor
profunde de somn (denumit și somn cu unde lente). P rezența activității delta la subiecții adulți
în stare de veghe e considerată anormală, deși Aird și Gastaut în anu l 1959 au constatat
existența ocazională de unde posterioare cu o frecvență de 3 -4 Hz la 10% din 500 de subiecți
normali cu vârste cuprinse între 19 și 22 de ani.
7) Undele vertex – sunt unde ascuțite cu o amplitudine variabilă, reprezintă un tip de
descărcare ce poate apărea pe electroencefalogramă ca răspuns la un sunet sau la alt stimul în
timpul somnului, putând atinge 300 mV la copii. Undele vertex electronegative (V -wave) sunt
provocate de un stimul auditiv atunci când subiectul este treaz (Roth, Shaw și Green, 1956).
În aceste situații amplitudinea răspunsului poate fi relativ mică comparativ cu cea a activității
de bază și poate nece sita stimuli evocativi mai puternici fată de cei ce ar fi fost suficienți la
subiecții adormiți .

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

33

CAPITOLUL 3
TEHNICI DE ÎNREGISTRARE ȘI PRELUCRARE EEG

3.1. TEHNICI DE ÎNREGISTRARE EEG
În comparație cu ECG, EEG este dificil de interpretat datorită semnificației sale pentru
diferite zone ale creierului, precum și din cauza modului de plasare a electrozilor. Ultimul
aspect a fost rezolvat prin standardizarea unui sistem de culegere EEG folosind 10 -20 de
electrozi. Acest sistem, pentru o analiză riguroasă, este completat de monitorizarea mișcării
globului ocular, a sistemului muscular și de ECG.
Electrozii folosiți obișnui t sunt sub formă de disc, au diametrul de 3…10 mm, sunt
construiți din Ag -AgCl și conțin conductoare flexibile pentru conectarea la amplificator.
Necesitatea unei impedanțe de contact cu pielea scăzute (< 10 kΩ) este îndeplinită doar parțial
de existența p ărului și de stabilitatea mecanică relativ scăzută a culegerii. O pastă conductoare
electric și un ciment special (collodion) contribuie la obținerea impedanței scăzute dorite.
Varianta electrozilor cu preamplificator încorporat oferă o adaptare foarte bun ă de impedanță
cu conductorii de legătură. Monitorizarea impedanței inter -electrozi este o facilitate utilă în
echipamentele moderne. Înregistrările pe termen lung fac apel la electrozi tip ac, inserați între
pielea capului și cutia craniană, deși pericolu l infecției nu este de neglijat. De la electrozi se
poate obține un semnal cu amplitudini de 1…10µV, care trebuie amplificat foarte mult (de
cca. 106 ori) în vederea înregistrării.
Amplificarea, în condiții de zgomot, se realizează cu amplificatoare difere nțiale
caracterizate de valori mari ale impedanței de intrare și ale rejecție i de mod comun (CMR) .
Datorită benzii de frecvență scăzu te a semnalului EEG, folosirea filtrelor numerice cu
frecvențe de tăiere de c irca 40 Hz contribuie și la eliminarea zgomotului de rețea. În plus,
atenuarea frecven ței de 50 Hz se face cu filtre N otch intercalate în amplificator. Un raport
semnal/zgomot la intrarea amplificatorului de minim 20 dB este considerat satisfăcător pentru
obținerea unei EEG de calitate. Un înregistrator clasic este cel cu peniță. Viteza de
înregistrare este reglabilă: redusă (10mm/s), pentru observarea vârfurilor de semnal, precum și
ridicată (până la 120 mm/s), în vederea detectării diferitelor ritmuri în EEG. O altă modalitate
de înregistrare este cea pe bandă magnetică, multicanal, semnalul fiind modulat în frecvență.
Un dispozitiv de afișare optică (osciloscop sau monitor video) permite monitorizarea EEG.
Redarea semnalului înregistrat poate avea loc la vite ză mai mare ca la înregistrare, folosind
scheme de compensare în timp ce permit un raport uzual de 60:1 între înregistrare și redare.
Memorarea EEG poate avea loc și pe sisteme de calcul, cu ajutorul convertoarelor A/D
interfațate cu memoria calculatorului . Rezoluția convertorului folosit este uzual de 10 -12 biți.
Un bloc de filtrare digitală poate preceda memorarea eșantioanelor EEG. Astfel de tehnici
permit memorarea pe termen scurt, datorită necesităților de memorie. De exemplu, pentru
eșantionare cu 128 Hz și o înregistrare de 8 sec., rezultă 1024 de eșantioane/canal; pentru 10
min. înregistrate, trebuie memorate 76800 de eșantioane. Apare astfel necesitatea compresiei
datelor, prin tehnicile uzuale din domeniu [17].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

34
3.2. PRELUCRAREA SEMNALELOR EEG
Citirea directă a semnalului EEG oferă relativ puține informații utile clinicianului.
Analiza semi automată asimilează semnalul EEG pe un tronson limitat cu un proces aleator,
staționar și ergodic (mediile statistice sunt egale cu medii le temporale), astfel se folosește o
singură realizare reprezentativă și este posibilă analiza în timp real. Din punct de vedere
informațional, parametrii EEG sunt temporali, statistici de amplitudine și frecvențiali.
Parametri temporali sunt: numărul de intersecții de nivel (zero sau nivel constant) în unitatea
de timp, numărul extremelor în amplitudine din unitatea de timp și mediile temporale de
ordinul unu și doi. Mediile temporale (care sunt și medii statistice) f olosite mai des sunt:
media, media pătratică, dispersia, abaterea medie pătratică, funcțiile și coeficienții de
intercorelație și autocorelație, funcțiile de inter covarianță și autocovarianță [17].
Parametrii statistici de amplitudine se d etermină pe his togramă ( Fig. 3.1) și pe funcția
de dens itate de probabilitate ( Fig. 3.2). În figura 3.2 se calculează media (M), mediana ( ) și
moda (argumentul pentru care densitatea este maximă , ).

Fig. 3.1. Histograma amplitudinilor semnalului

Fig. 3.2. Curba funcției de densitate de probabilitate [17]

Dinamica semnalului EEG este diferența dintre maximum -maximorum și minimum –
minimorum. Este important de reținut că orice procedură de analiză nu poate oferi simultan
informații referitoare la toți parametrii, deci alegerea unei tehnici analitice particulare va
sublinia modificările unei variabile anume, în detrimentul celorlalte. Dacă în general
distribuția histogramei este una gaussiană (normal ă), ea poate fi caracterizată simplu prin
media și deviația standard. În cazul distribuțiilor nongaussiene informații suplimentare utile
sunt oferite de momentele de ordin superior. Acestea sunt oblicitatea (skewness) și kurtosis –

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

35
ul. Oblicitatea măsoară gr adul de deviere de la simetria distribuției normale, în raport cu linia
de bază. Î n general, valori diferite de zero ale acestui parametru indică prezența unor
evenimente monofazice în EEG. Formulele de calcul pentru oblicitate sunt următoarele:
(∑( )

)[∑( )

]
⁄ (3.1)
( )
(3.2)

(3.3)

Kurtosis -ul măsoară, proporțional cu valoarea sa, gradul de „ascuțire” a unei distribuții.
În tehnica EEG, atunci când se observă modulații de frecvență și amplitudine mici, valori le
kurtosis -ului sunt negative. Dimpotrivă, valori mari pozitive indică vârfuri tranzitorii, forme
de undă izolate de amplitudini mari et c. Formulele pentru calculul acestui indice sunt:
(∑( )

)[∑( )

]
⁄ (3.4)

| |
(3.5)
O distribuție normală are valoarea acestui index de .
 Parametrii analizei în domeniul frec vență
Analiza în frecvență se bazează pe spectrele de amplitudine (obținute prin transformata
Fourier) și pe spectrele de putere. Parametrii frecvențiali înseamnă evidențierea ritmurilor
specifice α, β, γ, θ, δ ale EEG, a căror distribuție în frecvență se asocia ză cu stările fizio –
patologice ale subiectului. Puterea semnalului EEG, dată de aria de sub funcția densității
spectrale de putere, dă informații despre gradul de oboseală, iar deplasarea benzilor de
frecvență se asociază cu anumite manifestări patologice. Densitatea spectrală de putere de
distribuți e a puterii în banda B a semnalului x(t) nu se măsoară direct. Pornind de la definiția
puterii semnalului având frecvența centrală și banda B,
( )
∫| ( )|
(3.6)
densitatea spectrală este :
( ) ( ( )
)
(3.7)

Practic se măsoară puterea medie într -o bandă îngustă Δf în jurul lui . Cu cât Δ f este
mai mică cu atât puterea medie în acea bandă se apropie mai mult de densitatea spectrală.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

36
Interpretarea semiautomată a EEG implică analiza unei mari varietăți de forme de undă,
normale și anormale, pe un număr mare de canale. Monitorizarea EEG are ca scop detecția și
semnalizarea unor modificări semnificative ale EEG, atât pentru unde lente cât și pentru unde
rapide (spike -uri). Monitorizarea EEG în timp real realizează funcțiile:
 Calculul funcției de corelație între două canale EEG;
 Filtrarea adaptivă, prin care EEG curentă se compară cu diferite EEG memorate;
 Filtrare digitală selectivă, prin care se pun în evidență sau se elimină diferite ritmuri
specifice EEG (de exemplu filtrare trece – α sau rejecție – α);
 Monitorizarea intervalelor de trecere prin zero și a densității spectrale.

 Detecția descărcărilor epileptice
Parametrii spike -ului (undei de descărcare epileptică) ce trebuie evidențiați sunt:
amplitudinea, panta, durata și spectrul acesteia ( Fig. 3.3). Modelul acestei unde este forma
triunghiulară cu vârf rotunjit. Durata ei este de 20 … 80 ms. Panta laturilor (derivata I -a, figura
3.3 b) este mai mare decât ±M. Durata unui flanc trebuie să fie mai mare ca o limită To (10 –
40 ms) iar vârful nu trebuie să depășească valoarea ΔT. O filtrare a priori cu un filtru trece -jos
(30…50 Hz, 18dB/oct) reduce zgomotul. Pentru eliminarea artefactelor (semnalelor false, de
exemplu miografice) se introduce un criteriu de amplitudine maximă a spike -ului.

Fig. 3.3. Modelul undei de descărcare epileptică [17]

 Detectarea complexelor K
EEG pe durata somnului prezintă forme și ritmuri specifice, care permit definirea unor
faze repetitive: veghe, somn cu unde lente (faza NREM – Non Rapid Eye Movement) și
somnul cu unde rapide (paradoxal sau REM). Fusul de somn (unde cu frecvența de 12…16
Hz) și compl exul K au respectiv formele din f igura 3.4 (a), (b). În f igura 3.5 apare modelul
complexului K.

Fig. 3.4. a) și b) Unde EEG specifice somnului [17] Fig. 3.5. Modelul complexului K [17]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

37
Compl exul K apare spontan sau evocat iar f recvența componentelor sale se regăsesc în
banda 1. 1… 2 .2 Hz. Prelucrarea se poate realiza în timp real sau în 1/32 din timpul real (EEG
înregistrată , de exemplu, în opt ore poate fi prelucrată în 15 min). Achiz iția datelor se face
simultan pe trei canale pentru a reduce influența artefactelor. Volumul mare de date este redus
cu cca. 80% folosind tehnici de compresie a datelor (ADPCM – Adaptive Differential Pulse
Code Modulation). Detecția propriu -zisă poate fi f ăcută prin filtrare digitală și analiză în
amplitudine, durată și perioade de latență sau folosind tehnici inteligente de recunoaștere a
formelor [17].

3.3. FILTRE NUMERICE UTILIZATE ÎN TEHNICA EEG
Pentru eliminarea unor frecvențe parazite, se folosesc filtrele de frecvență. Filtrarea este
o operație de bază în domeniul prelucrării semnalelor. Filtrele sunt diporți care lasă să
treacă, cu o atenuare cât mai mică, semnalele cuprinse într -o anumită bandă de frecvență,
numită bandă de trecere și atenuează cât mai mult semnalele din restul benzii de frecvență,
numită bandă de atenuare (oprire).
Un filtru ideal trebuie să aibă atenuare zero în banda de trecere și atenuare infinită în
banda de atenuare; frecvența de trecere de la o bandă la alta se numește frecvență de tăiere
( ft ) [19] .
O prima clasificare a filtrelor are la baza caracteristicile ampli tudine -frecvență :
1. Filtru numeric cu cara cteristica de tip trece -jos (F TJ)
2. Filtru numeric cu cara cteristica de tip trece -sus (F TS)
3. Filtru numeric cu caract eristica de tip trece -banda (F TB)
4. Filtru numeric cu caracter istica de tip oprește -banda (FOB)

Fig. 3.6. Caracteristici amplitudine – frecvență pentru filtrele ideale. a) FTJ; b) FTS; c) FTB; d) FOB
[19]
FTJ și FTB sunt u tilizate pentru limitarea benzilor de frecvență a semnalului în vederea
conversiei A/D și pentru eliminarea semnalelor parazite de frecvențe înalte.
FTS este utilizat pentru eliminarea frecvențelor extrem de joase (< 0.1 Hz) datorate
tensiunilor de contact de la electrozi.
FOB (tip Notch) este utilizat pentru eliminarea interferențelor cu rețeaua electrică de
frecvență industrială.
O altă clasificare a FN este bazată pe răspunsul la impuls a filtrului. Criter iul avut în
vedere în această clasificare este acela al timpului în care ieșirea unui filtru revine la zero,
după aplicarea unui impuls unitar la intrarea. Conform acestui criteriu, există două tipuri de
filtre [19]:

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

38
 Filtrele cu răspuns finit la impuls (FI R- Finit Impulse Response) sunt filtre la care
ieșirea revine la zero după o durată finită de timp de la aplicarea impulsului unitar.
 Filtrele cu răspuns infinit la i mpuls sau filtre IIR (Infinit Im pulse Response), sunt filtre
la care ieșirea revine la zer o după o durată infinită de timp de la aplicarea impulsului
unitar .
Valorile standardizate ale „constantei de timp ”, la toate aparatele de EEG analogice,
sunt: 1,5 sec, l sec, 0,7 sec, 0,3 sec, 0,1 sec, 0,01 sec . Acest filtru ce determină „ constantă de
timp” a amplificatorului aparatului analogic se mai numește și filtru pentru frecvențele joase
(Low pass filter) sau modern „filtru trece sus ”, pentru că filtrează, suprimă, toate frecvențele
mai joase decât valoarea lui, lăsând să treacă numai frecvențele mai înalte mai sus de această
valoare.
Pentru eliminarea frecvențelor înalte se folosesc, tot la aparatele analogice, filtre de
frecvență cu valori standardizate de: 10 – 15 Hz, 30 Hz, 70 Hz, 100 Hz, 200 Hz, 1000 Hz,
2000 Hz (pot exista și filtre cu alte valori, intermediare). Fără reglarea celor două filtre la
valorile impuse de aspectul traseelor, nu se poate obține adesea o înregistrare EEG frumoasă
și mai ales interpretabilă. La aparatele digitale, moderne, prin program , calculatorul realizează
filtrar ea digitală la orice valori dorim, atât „trece sus ” cât și „trece jos ”. Procesul de proiectare
a filtrelor digitale (numerice) este facilitat în prezent de existența unor programe specializate
de calcul a coeficienților filtrului, cum ar fi funcțiile de proiectare implementate în MATLAB
sau LabVIEW [17] .
Odată cu evoluția sistemelor inteligente de estimare a parametrilor prin metode
numerice, au apărut și așa numiții algoritmi adaptivi de calcul a coeficienților filtrelor
numerice. Prin filtru adaptiv se înțelege acel sistem de prelucrare numerică a semnalelor care
conține un filtru FIR sau IIR ai cărui coeficienți sunt ajustabili în timp și un algoritm bazat pe
un mecanism de adaptare care este în permanență supus schimbărilor survenite datorită
modif icările semnalelor de intrare. Filtrul adaptiv este util în prelucrarea semnalelor ai căro r
parametri se modifică în timp [20].

3.4. ARTEFACTE
De cele mai multe ori semnalele electrice sunt rezultatul conversiei prin intermediul
unor senzori a unor semnale neelectrice: fizice, chimice, biologice. Nivelul semnalului
electric, forma lui, modul de variație în timp ne oferă informații despre semnalul neelectric
care a fost convertit (temperatură, presiune, viteză, semnale biologice p rovenite de la
organismele vii, etc.). Este de la sine înțeles că ar fi de dorit ca în procesul de conversie a unui
semnal neelectric în semnal electric și apoi de prelucrare electronică a semnalului electric, să
nu intervină nici un factor perturbator car e să modifice forma semnalului inițial (original),
care ne furnizează informații despre mărimea fizică, chimică, biologică monitorizată. În
practică însă, acest deziderat nu se realizează pentru că semnalul, pe întreg parcursul său, de
la receptarea lui de către senzor și până la afișarea rezultatului prelucrării lui, este afectat de
către factori perturbatori externi sau interni. Acești factori modifică nivelul și forma
semnalului util, determinând erori în procesul de măsurare/ monitorizare a semnalului u til.
Zgomot îl reprezintă orice factor care poate influența în rău o cantitate pe care o măsurăm .
Din punct de vedere tehnicii de prelucrare a semnal elor nu este atât de important nivelul (în
sensul mărimii sale) zgomotului, pe cât este raportul dintre niv elul semnalului util și nivelul
zgomotului (raportul semnal/zgomot). Zgomotele nu pot fi înlăturate total din procesul de

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

39
măsurare a unui semnal, dar efectul lor perturbator poate fi diminuat în sensul îmbunătățirii
raportului semnal/zgomot. Pentru a putea înțelege care sunt modalitățile de îmbunătățire a
acestui raport, trebuie mai întâi să vedem care sunt tipurile cele mai importante de zgomote și
care sunt sursele lor.
În timpul înregistrărilor semnalelor EEG, electrozi capturează interferențe electric e și
diverse artefacte (zgomote). Aceste semnale se amestecă cu semnal ul EEG și prin urmare
semnal ele sunt contaminate. Artefactele sunt semnale nedorite, care pot introduce modificări
semnificative în semnale neurologice și afectează în cele din urmă feno menul neurologic [ 21].

3.4.1. Tipuri de artefacte
Artefactele au o influență considerabilă asupra semnalului EEG , acestea putând
influența analiza fenomenului fiziologic . Există ma i multe tipuri de artefacte, dintre acestea
unele artefacte pot influența de exemplu banda de frecvență a undelor gamma . Un exemplu se
regăsește în figura 3.7 unde se poate identifica un vârf as cuțit în jurul valorii de 50 Hz, a ceasta
este cauzat de prezen ța unor artefacte de interferență electrică . În cazul de față este importantă
eliminarea acestui artefact deoarece se suprapune peste banda de frecvență a unei gamma (25 –
60Hz). Dacă analiza fenomenologică ar fi ținut de banda de frecvență alfa, acest vârf ar fi fost
situat departe de benzile de frec vență alfa. Prin urmare, aceste artefacte nu ar fi influenț at
banda de frecvență a undelor alfa [21].
În tehnica de prelucrare a semnalelor EEG, respectiv eliminarea / reducerea artefactelor,
o importanță deosebită o constituie cunoașterea cauzei producerii artefactului și a
caracteristicile fenome nului fiziologic care se dorește a fi studiat.

Fig. 3.7. Spectrul de frecvențe a unui semnal EEG. Banda de frecvență utilă este între 25 -60 Hz.
Vârful de la 50 Hz este cauzat de interferențe electrice [21]
Artefactele cele mai des întâlnite în literatură și care au o influență considerabilă asupra
traseelor EEG sunt:
1) Artefacte le oculare (EOG) , sunt cauzate de mișcări ale ochilor, cum ar fi clipitul și
mișcările glo bilor oculari. În figura 3.8 este ilustrat un segment de semnal EEG
contaminat cu un art efact datorat clipirii. Figura 3.9 prezintă un segment de semnal
EEG contaminat cu un artefact datorat mișcărilor globilor oculari. În analiza în
frecvență , artefacte le oculare cresc putere a semnalului EEG de la 2 Hz la 20 Hz . Din
nefericire, majoritatea benzilor de frecvență și a analizei fenomenologice a traseelor
EEG sunt afectate de prezența artefacte lor oculare [23].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

40

Fig. 3.8. Spectrul de frecvențe a unui semnal EEG. Artefact ocular datorat clipirii [23]

Fig. 3.9. Spectrul de frecvențe a unui semnal EEG. Artefact datorat mișcărilor globilor oculari [24]

2) Artefact e datorat e discontinuității electrice , acest tip de artefact e apar ca urmare a
modificările de contact dintre electrozi și scalp. În cazul în care subiectul își mișcă
capul, electrozii de pe cască se vor deplasa pe scalp și acest lucru produce
discontinuitate electrică , influențând calitatea înregistrării EEG. Mișcările de electrozi
pot să apară cu viteze diferite și în direcții diferite, astfel încât forma artefacte lor
produse în urma discontinuității electrice variază foarte mult. În figura 3.10 este
prezentat un segment din semnal ul EEG contaminat ce prezintă un artefact datorat
deplasării de electrod. În analiza în frecvență, artefacte datorate deplasărilor de
electrozi cresc puterea semnalului EEG de la 0 Hz până în jur de 20 Hz [22].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

41

Fig. 3.10. Spectrul de frecvențe a unui semnal EEG. Artefact datorat discontinuității electrice [22]

3) Artefacte musculare (EMG)
Ca și creierul, mușchii generează, de asemenea, semnale electrice. Aceste semnale sunt
culese de electrozi EEG și devin artefacte musculare. Artefactele musculare arată ca
oscilațiile rapide descrise în figura 3.11. Semnalelor EEG perturbate de către artefactele
musculare au amplitudini mai mari decât semnalele EEG normale. Oamenii au număr
mare de mușchi în organism. Mișcărilor musculare ce se produc în apropierea
electrozilor, cum ar fi strângerile de dinți, vor avea un impact imens asupra spectrului
de putere a semnalelor EEG. De obicei, prezența de artefacte musculare în semnalelor
EEG va crește puterea semnalelor EEG, în banda de frecvență de la 5 Hz la aproximativ
20 Hz [25].

Fig. 3.11. Spectrul de frecvențe a unui semnal EEG. Artefact datorat musculaturii [22]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

42
3.4.2. Metode de e liminarea artefactelor
Eliminarea artefactelor este procesul de identificare și eliminarea acestora din semnalele
EEG achiziționate. O metodă de îndepărtare a artefactelor ar trebui să poată elimina
artefactele dar în același timp să păstreze intact fenomenul neurologic. Metodele prezentate în
literatura de specialitate [ 25], pentru eliminarea artefactelor din semnalele EEG sunt: filtrarea
liniară, combinația liniară și de regresie, separarea oarbă a surselor, metoda componentelor
independente (ICA), principiul analiz ei co mponentelor, transformata W avelet, filtrare
neliniară adaptivă și analiză sursei dipolului (SDA).
1) Filtrarea lin iară

Filtrarea liniară este utilă pentru îndepărtarea artefacte situate în anumite benzi de
frecvență care nu se suprapun cu cele ale fen omenelor neurologice de interes. De exemplu,
filtrul „trece -jos” poate fi folosit pentru a eli mina artefactele EMG și filtrul „trece -sus” po ate
fi folosit pentru a elimina artefactele EOG. Filtrarea liniară a fost frecvent folosit ă în primele
studii clinic e pentru a elimina artefactele din semnalele EEG. Avantajul de a folosi filtrarea
liniară este simplitatea sa [27]. De asemenea, informații despre semnalul EOG nu sunt
necesare pentru a elimina artefacte le. Această metodă, însă, nu reușește atunci când
fenomenul neurologic de interes și artefacte EMG, ECG sau EOG se suprapun sau se află în
aceeași bandă de frecvență. Ca urmare, o abordare simplă de filtrare nu poate elimina
artefactele EOG și EMG fără a elimina o parte a fenomenului neurologic. Mai precis,
deoarece artefactele EOG conțin componente de joasă frecvență, folosirea unui filtru „trece –
sus” va elimina cele mai multe artefacte EOG. În cazul artefactelor EMG care conțin
componente de înaltă frecvență se va folosi un filtru „trece -jos” pentru elimina rea artefactelor
EMG [22].

2) Metoda c ombinației și regresiei liniare

Folosirea combinației liniare dintre semnalului EEG contaminat de semnalul EOG și
semnalul EOG, este tehnica cea mai comună pentru a scoate artefacte ocular e din semnalelor
EEG . Tehnica combinației liniare se bazează pe următorul model:

EEG rec (T) = EEG true (t) + s.EOG (K) (3.8)
în cazul în care,
EEG rec (T) – este semnalul EEG înregistrat care deține artefacte ;
EEG true (T) – EEG ca urmare a activității corticale (de exemplu, activitatea creierului)
s.EOG (k) – artefactul ocular datorat clipirii sau/și mișcării, care are impact asupra traseului
EEG.
S este o constantă necunoscută.
Problema este de a estima valoarea s. O metoda populara care are ca scop reducerea la
minim a efectul zgomotului este regresie liniara . Regresia liniară utilizează criteriu l pătrate lor
pentru a estima valoarea KA , atunci când valoarea K trebuie să fie calculată separat pentru
fiecare tip de artefact și pentru frecvențele diferite ale unui artefact EOG special.
O probl ema în utilizarea metodei combinației și regresiei liniare o reprezintă faptul că
întâi trebuie identificat și extras semnalul EOG din s emnalul EEG. De asemenea extragerea
semna lului EOG poate duce și la eliminarea unei părți a semnalului EEG. În cazul a rtefacte
EMG utilizarea acestei metode este imposibilă, deoarece artefactele EMG nu au nici u n canal

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

43
de referință iar utilizarea acestei metode presupune utilizarea mai multor can ale de referință
de la diverse grupe de mușchi.
Această metoda este recomandată pentru a fi utilizată în cazul eliminărilor de artefacte
datorate deplasărilor electrozilor, încleștării maxilarulu i sau înghițirii salivei [28].

3) Metoda separării oarbe a surselor (BSS)
Metoda BSS descompune semnalele EEG în componente care „construiesc ” semnalele
EEG. BSS i dentifică componentele care sunt atribuite artefactelor și reconstruiește semnalul
EEG, fără aceste componente. Printre metodele de BSS, analiza componentelor Independent
(ICA) este cea mai utilizat ă pe scară largă. ICA este o metodă care separă orbește
amestecuri le de semnale sursă independente , forțând componentele să fie independent e.
Această metodă a fost aplicat ă la scară largă pentr u a elimina artefacte oculare din semnale le
EEG [29]. Metodele BSS au fost folosite pentru a elimina artefactele EOG, E MG și ECG în
studiile clinice EEG; Un avantaj al folosirii unei metode BSS, cum ar fi ICA, este că acestea
nu se bazează pe artefactele de referință pentru separarea artefactelor din semnalele EEG. Un
dezavantaj al ICA, împreună cu alte te hnici de BSS, est e că au nevoie de inspecție vizuală
pentru identifica rea componentele artefact.
4) Metoda componentelor independente (ICA).
Analiza componentelor independente (ICA) a fost inițial propus, pentru a recupera
semnale independente surs ă, { ( ) ( )} (de exemplu, surse de voce, muzică sau
zgomot), după ce au fost amestecate cu o matrice necunoscută. Nu se cunoaște nimic despre
surse sau procesul de amestecare cu excepția faptului că există N amestecuri diferite
înregistrate, { ( ) ( )}. Sarcina este de a recupera o versiune u = Wx de surse
originale s, identice pentru scalare și permutare, prin găsirea unei matrice pătratică, W,
precizând filtrele spațiale care ar inversa procesul de amestecare liniară.
Acest algoritm este foarte eficient în se pararea surselor în domenii în care:
a) mediu l de amestecare este liniar și întârzieril e de propagare sunt neglijabile;
b) numărul de surse est e aceeași ca numărul de senzori;
c) durata de timp a sursei este independentă.
În cazul semnalelor EEG, înregistrări multi -canale EEG sunt amestecuri ce stau la baza
creierului și a artefact elor. Volumul de conducere este considerat a fi liniar și instantaneu și
prin urmare ipoteza (a) este îndeplinită. Ipoteza (b) este de asemenea rezonabil ă deoarece
sursel e de ochi și activitatea muscular ă, linia nasului și semnalele cardiace nu sunt în general
blocate în timp de sursele de activitate EEG. Ipoteza c), aici numărul efectiv de semnale
statistic independente ce contribuie la EEG nu este cunoscut, dar simulă rile numerice au
confirmat faptul că algoritmul ICA poate identifica cu precizie surse relativ mari și temporal
independent de înregistrări scalpului chiar și în prezența activităților de sursă de nivel scăzut
și temporal independent [28].
5) Transformata Fourie r

Transformata Fourier constă în descompunerea semnalelor în sume de sinusoide sau de
exponențiale complexe prin care se transformă semnalul din domeniu timp în domeniul
frecvență. Analiza Fouri er prezintă un dezavantaj major și anume acela că p rin transformarea
în domeniul frecvență, informația cu privire la timp se pierde. Multe semnale conțin

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

44
numeroase porțiuni tranzitorii sau nestaționare. Aceste porțiuni sunt adesea cele mai
importante părți ale semnalului, iar analiza Fourier nu le poate de tecta. Pentru a corecta
deficiența mai sus menționată, Denis Gabor a adaptat transformata Fourier pentru a putea
analiza doar o mică secțiune dintr -un semnal la un moment dat. Adaptarea lui Gabor numită
transformata Fourier pe termen scurt (STFT – Short Ti me Fourier Transform) transformă
semnalul într -o funcție bidimensională de timp și scală. Această adaptare este considerată ca
fiind puntea de legătură dintre tehnicile globale de analiză și teoria recentă a funcțiilor
wavelet. STFT reprezintă un compromis între modul de a vizualiza semnalul în domeniul
timp și în domeniul frecvență, arătând când și la ce frecvență apare un eveniment din semnal.
Informațiile sunt date cu o precizie limitată de dimensiunea ferestrei de analiză. Transformata
wavelet (WT – Wavelet Transform) a fost dezvoltată că o alternativă .
Primul succes în analizarea automata a EEG a fost introducerea algoritmului
transformatei Fourier rapida (Fast Fourier Transform) în anul 1965, care este o dezvoltare a
transformatei Fourier (FT). Transf ormata Fourier îndeplinește criteriul predicției și oferă o
canti tate mare de informații și o distribuție spectrala a energiei semnalului. Cu toate acestea,
FT poate duce la erori statistice și este influențata sever ca urmare a presupunerii ca semnalul
este ori infinit, ori periodic în afara ferestrei de măsurare . Totuși , până acum, FFT este o
metoda des utilizată de procesare a semnalelor, folosita pentru analiza semnalelor
biomedicale.
6) Transformata W avelet

Transformata W avelet (WT – Wavelet Transform) a fost dezvoltată ca o alternativă
pentru STFT și reprezintă următorul pas logic: o tehnică de analiză cu fereastră glisantă de
dimensiune variabilă. Aceasta permite utilizarea unor intervale de timp lungi, pentru obținerea
unor informații prec ise de joasă frecvență și a unor porțiuni scurte pe axa timpului, dacă se
dorește o informație precisă de înaltă frecvență. Funcțiile care permit realizarea rezoluției
variabile în timp -frecvență sunt pachetele wavelet [22].
WT este o metodă matematică de analiză a semnalelor uni -, bi- sau chiar
multidimensionale, prin tratarea lor simultan, din punct de vedere atât al proprietăților
spectrale cât și al dinamicii temporale a componentelor frecvențiale. WT sunt algoritmi de
procesare de semnal, similare cu transformate Fourier care sunt utilizate pentru a converti i
semnalele complexe, din domeniul timp în domeniul de frecvență. Cu toate acestea, spre
deosebire de transformările Fourier, transformările wavelet sunt capabile de a localiza un
semnal funcțional atât în domeniul timp cât și în spațiu de frecvență, permițând astfel ca
datele transformate să fie analizate simultan în ambele domenii (fr ecvență și timp).
Transformata W avelet a semnalului zgom otos generează coeficienții wavelet, care denot ă
corelație dintre coeficienții semnalului EEG zgomotos și funcția wavelet. În funcție de
alegerea funcției wavelet „mamă” (care poate semăna cu componenta zgomot ), coefi cienții
mai mari vor fi generați pentru zonele corespunzătoare afectate de zgomot. În mod ironic ,
coeficienții mici vor fi generați în zonele respective ale EEG -ul real. Coeficienții mari vor fi
astfel o estimare a zgomot ului. Important este să se determine pragul limită dintre coeficienții
de zgomot și coeficienții de semnal. O funcție de „thresholding” se va alege pentru a se
renunța la coeficienții de zgomot în mod corespunzător. Funcții le de thresholding sunt
utilizate pentru a decide ce coefic ienții ar trebui să fie păstrați și ce ar trebui făcuți cu ei . Prin
urmare, coeficienții eliminați ar duce la eliminarea zgomotului, iar coeficienții păstrați ar
reprezintă coeficienții wavelet ai semnalului EEG curat . Utilizând transformata wavelet
inversă se obține s emnalul EEG curat. Prin urmare selecți a pragului și a funcției de

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

45
thresholding joacă un rol crucial în curățarea semnalului EEG. V.Krishnaveni a aplicat
algoritm ul wavelet bazat pe thresholding de adaptare pentru a identifica zone le cu artefacte
oculare și pentru a evita eliminarea de informații de fond EEG [ 30]. Autorul de mai sus a
folosit o metoda care constă din două etape: identificarea zonelor cu artefacte oculare prin
utilizarea wavelet Haar și în al doilea rând, eliminarea de artefacte folosind transformata
wavele t staționară cu coeficient 3 ca funcție de bază. P.Senthil Kumar a discutat o metodă
statistică pentru eliminarea artefactelor oculare în înregistrările EEG prin utilizarea
transformatei wavelet staționare (SWT), cu Symlet (sym3) ca funcție de bază și fără a utiliza
un canal de referință EOG [31]. Zonele cu artefacte oculare fiind astfel ușor de identificat.
 Transformata Wavelet Continuă (CWT) este un instrument matematic dezvoltat la
sfârșitul anilor 80 pentru a an aliza semnalele nestaționare [32]. Daubech ies a arătat că există o
funcție ψ, numită funcție wavelet „mamă” , care generează prin translații și dilatări o bază
ortonormală a lui ( ), spațiul semnalelor de energie finită. Transformata Wavelet Continuă
(CWT) este o transformată ce funcție wavelet mamă continuă în timp, un parametru de
dilatație (scala) continuu și un parametru de translație discret. În CWT funcția wavelet
„mamă” este o funcție continuă cum ar fi Mexican Hat Wavelet (a doua derivată a unei
Gaussiene). Avantajul acesteia este faptul că poate fi aplicată la orice scală direct, fără a fi
nevoie de iterațiile cerute de DWT [33].
 Transformata Wavelet Discretă (DWT) este o extensie a seriei de funcții wavelet
pentru semnale discrete de lungime finită. DWT este aplicabilă semnalelor eșantionate în
timp, ea derivând din CWT prin cuantizarea scalei și a întârzierilor. La fel ca CWT, ac easta
descompune funcția într -o serie de funcții wavelet și de scală de bază care sunt dilatate și
translatate.
Pentru ca o funcție să poată fi wavelet „mamă” , aceasta trebuie să fie admisibilă. O
funcție ( ), este admisibilă dacă [32 ] :

∫| ( )|

(3.9)

unde ( ) este transformata Fourier a lui g(t). Constanta este constantă de admisibilitate a
funcției ( ), iar cerința ca aceasta să fie finită permite inversarea transformatei w avelet.
Orice funcție admisibilă poate fi o funcție wavelet „mamă” . Pentru o funcție dată ( ),
condiția este adevărată numai dacă :

( ) , adică dacă ∫ ( )
(3.11 )

Principalele tipuri de funcții wavelet sunt: transformata Wavelet Haar, transformata
Wavelet biortogonală, transformata Wavelet discretă și funcțiile wavelet „mamă” de tip
Coiflet [34].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

46

CAPITOUL 4
INSTRUMENT VIRTUAL PENTRU ACHIZIȚIA EEG

4.1. MOTIVAȚI A STUDIULUI
Acest instrument virtual realizat pentru achiziția semnalelor EEG are ca scop
înțelegerea și punerea în practică a noțiunilor teoretice descrise în capitolele anterioare.
Această aplicația realizată oferă posibilitatea oricărui utilizator de a înregistra virtual
semnale le EEG, de a modifica diferiți parametri ai înregistrării: amplitudinea semnalului,
modificarea zgomotului la electrod sau cablu, modificarea amplificării semnalului și valorile
filtrelor aplicate. În tehnica de înregistrare EEG o importanță deosebita o are înțelegerea
caracteristicilor semnalelor EEG, cum pot acestea influența diferite artefacte și acuratețea
semnalelor . De asemenea se pot identifica care sunt setările optime pentru obținerea unor
înregistrări EEG cât mai bune și cu artefacte cât mai puține.
Este importat să fie observ ate modificările care au loc în funcție de setările aparatului și
ce modificări apar la nivelul formelor de undă atunci când se setează sau nu se setează diferiți
parametri . De asemenea o importanță o are și înțelegerea modificărilor la nivelul formelor de
undă atunci când se aplică diferite fil tre. Astfel atunci când se va dori să se realizeze
înregistrări reale EEG la un pacient se vor cunoaște setările optime pentru obținerea unei
înregistrări cu acuratețe mare și cu a rtefacte cât mai puține.
Astfel , au fost identificate caracteristicile optime pentru înregistrările EEG în funcție de
anumiți parametri și condiții , noțiunile dobândite în acest cap itol au ajutat la realizarea
studiilor experimentale care vor fi prezentate în capitolele viitoare.
4.2. NOȚIUNI GENERALE
LabV IEW este un mediu de programare grafic bazat pe nucleul de limbaj G (limbaj
grafic), destinat în special construirii de aplicații pentru controlul și achiziția de date, analiza
acestora și prezentarea rezultatelor. Menționam câteva dintre cele mai importante
caracteristici ale acestui mediu:
– Rezolvă automat majoritatea problemelor legate de gestionarea resurselor hardware și
comunicația cu sistemul de operare, iar în acest fel utilizatorul se poate concentra asupra
problemei concrete pe care o are de rezolv at și nu asupra funcționării calculatorului. Ca de
exemplu, aproape toate nodurile (funcțiile), precum și graficele, sunt polimorfice, adică se
adaptează la orice tip de date, fie că sunt valori reale simple sau structuri de date;
– Limbajul grafic este m ult mai compact, diagrama conținută într -o fereastră conține mai
multă informație decât un text și este mai ușor de citit și de înțeles, iar desenarea unei
diagrame este mai rapidă decât scrierea unui text echivalent;

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

47
– În limbajul grafic paralelismul est e natural, astfel încât scrierea de programe care
efectuează procesarea paralelă a datelor este la fel de simplă ca și pentru procesarea
secvențială;
– Permite lucrul în rețea, pe mai multe calculatoare, prin intermediul TCP/IP și UDP,
dispunând de numero ase funcții pentru lucrul în rețele locale (de arie mare) sau prin Internet;
– Conține multe aplicații prefabricate, din diverse domenii, împreună cu codul G
corespunzător, care pot fi folosite direct, pot fi luate ca exemple didactice de programare sau
pot fi modificate de utilizator pentru a satisface cât mai bine necesitățile concrete de lucru.
„Toate soluțiile LabV IEW lucrează implicit în regim multithreading, fără a necesita o
programare suplimentară. În acest fel, se poate reduce semnificativ timp ul necesar punerii la
punct a aplicațiilor. [35]
 Lansarea mediului de programare grafică LabV IEW
Pentru a lansa mediul de programare grafica LabVIEW se apasă butonul START și se
apelează opțiunea Programs \ National Instruments LabVIEW 7.0. După apelarea programului
va apărea fereastra din figura 4.1.

Fig. 4.1. Fereastra principală LabV IEW
Aplicațiile (programele) realizate în LabV IEW poartă denumirea de Instrumente Virtuale
(în engleză, Virtual Instruments, prescurtat VI). Denumirea provine de la faptul că, în primele
sale versiuni, LabV IEW a fost strict dedicat pentru realizarea unor programe de monitorizare
a proceselor. Programele respective înlocuiau o serie de aparate și instrumente electronice – de
unde și motto -ul corporației National Instruments: The software is the instrument – primind
astfel denumirea de Instrumente Virtuale.
 Ferestrele principale ale unei aplicații
După ape larea opțiunii File \New VI sau a opțiunii New \Blank VI vor apărea ferestrele din
figura 4.2.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

48

Fig. 4.2. Panoul și diagrama din LabV IEW

 Panoul (Front Panel) reprezintă interfața grafică cu utilizatorul, fereastra pe care
utilizatorul o va vedea atunci când va accesa aplicația realizată. Prin intermediul elementelor
de pe panou, aplicația primește datele de intrare și afișează apoi datele de ieșire ce au rezult at
în urma rulării.
 Diagrama (Block Diagram) este fereastra în care programatorul descrie algoritmul după
care aplicația va efectua calculele și raționamentele necesare pentru prelucrarea informațiilor.
În majoritatea cazurilor, după ce programatorul a realizat o aplicație și a livrat -o unui
utilizator, acesta din urmă nu mai are acces la diagramă.
Elementele de control sunt acele componente ale panoului prin intermediul cărora
utilizatorul poate transmite date de intrare către program.
Elementele i ndicatoare sunt acele componente ale panoului prin intermediul cărora
programul afișează datele de ieșire calculate în urma rulării sale. Paleta de controale este o
fereastră ce poate apare doar atunci când se lucrează în cadrul panoului și conține sub -palete
cu elemente de control și indicatoare de diverse tipuri.
Afișarea paletei de controale se poate efectua în două moduri:
 Apăsând butonul din dreapta al mouse -ului atunci când cursorul acestuia este într -o
zonă liberă a panoului;
 Selectând, din meni ul Windows, comanda Show Controls Palette.
În primul caz, sub -paletele se deschid automat atunci când cursorul mouse -ului trece pe
deasupra lor iar paleta rămâne vizibilă doar până la selectarea unui element . În al doilea caz,
o sub -paleta se deschide (înlocuind paleta de controale) doar când se face un clic pe simbolul
său. Paleta rămâne vizibilă și după selectarea unui element.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

49

Fig. 4.3. Paleta de controale

 Principalele moduri de rulare a unei aplicații
Barele de butoane ale panoului și diagramei conțin o serie de elemente ce permit stabilirea
modului de rulare a unui program .

Fig. 4.4. Bara de bu toane a panoului și a diagramei

4.3. PRINCIPIILE DE BAZĂ ALE REALIZĂRII INSTRUMENTULUI VIRTUAL
 Descrierea VI -urilor din diagrama bloc generală și a funcțiilor folosite [36].
Diagrama bloc generală este compusă din mai multe VI -uri: patient.VI, elect rodes.VI,
Cable.VI,amplifier.VI, Filter.VI, ADC.VI, DSP.VI., Visualisation Panel.VI and Control Panel
VI. Fiecare VI enumerat conține la rândul lor alte VI și subVI -uri, așa cum se va vedea în
figurile 4.4, 4.5,4.6, 4.7, 4.8.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

50

Fig. 4.4. Diagrama Bloc Generală

Pentru achiziția virtuală a semnalului EEG avem nevoie de :
– Pacient/ generator de semnal EEG, are rolul sursei
– Electrozi, care transformă curentul ionic înregistrat de pe scalpul pacientului în curent
electric
– Cablul, care are rolul de a transmite semnalul
– Amplificatorul de semnal
– Filtre
– Convertor analogic -digital, eșantionarea semnalului
– PC-ul care procesează semnalul

Fig. 4.5 Diagrama bloc pentru Electrodes.VI Fig. 4.6. Diagrama bloc pentru Cable.VI

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

51

Fig. 4.7. Diagrama bloc pentru Amplifier.VI Fig. 4.8. Diagrama bloc pentru Filter.VI

După cum se poate observa în aceste VI -uri se folosesc date de tipul tablourilor (Arrays)
și înregistrări (Clusters), pentru o mai mare ușurințe și flexibilitate în stocarea și manipularea
datelor. Control Array este conectat cu Control Panel , unde se pot face modificări pentru
înregistrarea EEG. Observăm că diagramele bloc ale VI -urilor din diagrama bloc generală
funcționează pe acela și principiu, semnalul care se generează este compus din 2 semnale: cel
real și cel ideal. Funcția Unbundle permite separare a elementelor din Input Cluster , se
compară cele două semnale iar apoi sunt grupate din nou prin funcția Bundle și se obține
semnalul final. Aceste VI -uri au rolul de a evalua calitatea semnalului la fiecare ieșire.
În cazul nostru tabloul de elemente est e de tip cale, avem 2 fișiere text : Semnal
Ideal.txt și Semnal real.txt (Fig. 4.9 și 4.10) . Aceste fișiere au fost create prin exportarea
datelor unei înregistrări EEG realizată cu ajutorul sistemul Biopac® MP100.

Fig. 4.9.Fișier Semnal Ideal – Fișier date înregistrare EEG

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

52

Fig.4.10 . Fișier Semnal Real – Fișier date înregistrare EEG

4.4. PREZENTAREA APLICAȚIEI: INSTRUMENT VIRTUAL PENTRU
ACHIZIȚIA SEMNALELOR EEG
Panoul de control pentru setările înregistrării virtuale EEG cuprinde: butonul de record
pentru pornirea înregistrării, sursa pentru setarea amplitudin ea semnalului, buton ul pentru
modificarea proprietăților electrozilor, buton ul pentru modificarea proprietăților cablului și
valorii amplificării (Fig.4.11) [36].

Fig.4.11 . Panoul de control pentru achiziția semnalului EEG

La apăsarea butonul Record, cele 2 fișiere text (Semnal Ideal.txt și Semnal Real.txt)
sunt încărcate, aceste semnale EEG au fost eșantionate la frecvență de 256 Hz. După cum se
poate observa avem opțiune a de a introduce amplitudinea semnalului, de a mări sau micșora
zgomotul la electrozi sau cablu, de a mări sau micșora amplificarea semnalului, de a seta
frecvență de taiere la filtru sau de a modifica numărul de biți la conversia analog -digitala.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

53
Cu ajutorul simulatorului virtual de semnale EEG se pot modifica diferiți parametrii și
vizualiza apoi cum aceștia influențează înregistrarea EEG -ului, astfel se pot înțelege mai ușor
caracteristicile și condițiile optime pentru o înregistrare EEG cu acuratețe mare . În
continuarea se va prezenta modalitatea de utilizare a acestei aplicații create în LabV IEW .
Pasul 1 – Se apasă butonul Record, se setează amplitudinea semnalului 200 µV, se activează
butonul EEG, iar restul de setărilor rămân neschimbate conform figurii 4.12:

:
Fig. 4.12. Setări pentru afișarea semnal ului virtual EEG

Pasul 2 – Se deschide panoul de vizualizare și se poate vizualiza semnalul înregistrat la
nivelul electrodului (Fig. 4.13) .

Fig. 4.13. Semnalul generat la nivelul electrodului

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

54
Pasul 3 – Modificare a parametrilor.
 Se crește amplitudinea semnalului de la 200 µV la 300µV
 Se crește zgomotul la electrod de la 10 µVpp la 15 µVpp
 Se crește zgomotul apărut la cablu de la 0µVpp la 5µVpp
 Se crește valoarea amplificatorului de la 3 µVpp la 5µ Vpp

Fig. 4.14. Semnalul înregistrat după modificarea amplitudinii și a zgomotului la nivelul electrod ului

Fig. 4.15. Semnalul înregistrat după modificarea amplitudinii și a zgomotului la nivelul cablu lui

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

55

Fig. 4.16. Semnalul înregistrat la nivelul electrodului după creșterea amplitudinii semnalului și a
valorii amplificatorului

Pasul 4 – Evidențierea vârfurilor la semnalul înregistrat . Pentru realizarea acestui pas trebuie
să se comute indicatorul din panoul de control de pe EEG pe Spike –wave, și apoi în panoul
de vizualizare se va obține următorul semnal (Fig. 4.17)

Fig. 4.17. Evidențierea vârfurilor la semnalul EEG

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

56

Pasul 5 – Modificare parametri lor după evidențierea vârfurilor din semnalul generat .
 Se crește valoarea zgomotul de la filtru de la 75 µVpp la 200 µVpp
 Se crește valoarea zgomotul de la 2 µVpp la 5 µVpp la amplificator
 Se setează a mplitudinea semnalului la 50 µVpp
Noul semnal obținut este prezentat în figura 4.18.

Fig. 4.18. Scăderea raportului semnal -zgomot în urma modificării parametrilor

Rezultate obținute în urma modificărilor sunt:

 La ieșirea electrodului raportul semnal -zgomot este de 2 6 dB (datorită modificării de
5µVpp la electrod )
 La ieșirea cablului raportul semnal -zgomot este de 26 dB
 La ieșirea amplificatorului raportul semnal – zgomot scade la 13 dB

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

57
4.5. CONCLUZII
LabV IEW este un soft cu programare grafică cu ajutorul căruia se pot dezvolta sisteme
de măsurare, monitorizare, prelucrare a mărimilor electrice și neelectrice. Cu ajutorul acestui
soft se pot realiza simul ări de diferite semnale, în diferite condiții și cu valo ri ce se pot
modifica, putând astfel înțelege mai bine semnificația diferiților parametri și a componente lor
sistemului de achiziție.
Crearea unui instrument virtual include: definirea problemei, desenarea schemei logice
de funcționare (flow chart), realizarea panoului frontal al instrumentului, implementarea
diagramei bloc al instrumentului pe baza schemei logice de funcționare.
Aplic ația creată cu ajutorul soft -ului Lab VIEW : „Instrument virtual pentru achiziția
semnalelor EEG”, oferă posibilitatea utilizatorului de a înregistra virtual semnale EEG, și să
modifice diferiți p arametri ai înregistrării : amplitudinea semnalului, modificare a zgomotului
la electrod sau cablu, modificarea amplificării semnalului și valorile filtrelor aplicate. Este
important ca atunci când se dorește să se facă înregistrări reale EEG la un pacient să se
realizeze setările optime pentru obținerea unei înregistr ări cu o acuratețe cât mai mare și cu
artefacte cât mai puține [36].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

58

CAPITOLUL 5
STUDIU DE CAZ I. EVALUAREA EFECTULUI STRESULUI ACUT
ASUPRA MEMORIEI IMPLICITE CONTEXTUALE, CU AJUTORUL
SEMNALELOR EEG

5.1. NOȚIUNI GENERALE
Memoria reprezintă capacitatea creierului de a depozita informația și de a o ad uce la
nevoie î n lumina conștiinței . Prin memorie, creierul reț ine, recunoaște și evoc ă experien țele de
viață ale individului [37,38 ]. Memoria reprezintă o reflectare activ ă și selectiv ă a informației
din afara, ce pătrun de în creier î n diferite etape . Memoria se află la baza învățării . Exista mai
multe tipuri de memorie, care în raport cu durata păstrării informației se clasifică în [39,40] :
• Memorie senzitiv ă sau de reținere momentan ă (MS), această memorie durează
fracțiuni de secund ă sau secunde, exact timpul necesar circulației informației noi prin
centrii nervo și. Spre exemplu, câ nd citim, memor ăm litera cu litera numai timpul
necesar integrării lor în cuvinte, după care le uitam ș i reținem cuvântul , pe c are de
asemenea îl uitam, reținând ideea frazei. Un alt exemplu este reținerea pentru c âteva
secunde a unui num ăr pe care -l form ăm prima data.
• Memoria de scurta durata (MSD) asigur ă conservarea informației pe durate de ore
sau zile; dialogul avut cu o persoană, replici și scene dintr -un spectacol vizionat sunt
lucruri care sunt reținute în memoria de scurta durată .
• Memoria de lungă durată (MLD ), asigură depozitarea informa ției pe durata cea mai
lungă posibil ă. De exemplu, nu uită m niciodată să mergem pe bicicletă după ce am
învățat , cine ne sunt părinții , limba matern ă, sau anumite experiențe .
Memoria implicită este un tip aparte de memorie de lungă durată care se stochează în
circuite perceptuale, motorii și emoționale. Sarcinile de memorie implicită tind să fie
automate și nu implică reflecția. Mai mult, ele nu presupun conștientizarea învățării și nici
alte procese cognitive conștiente, precum compararea și evaluarea. Subiectul răspunde repetat
unui stimul sau unui indiciu și răspunsul lui se modifică progresiv. Însă, cu t oate că memoria
implicită se dobândește fără un efort conștient, reprezentările ei sunt robuste și rezistă în timp,
de la zile, săptămâni până la ani, atât la subiecții normali, cât și la pacienții cu amnezie.
Ca și alte funcții superioare cerebrale , memoria nu are un sediu precis. Baza
neurofiziologic ă a memoriei depinde de tipul ei. Pentru memoria senzitiv ă sunt suficiente
circuitele electrice neuronale care transportă informa ția. Memoria de scurtă durat ă și memoria
de lung ă durat ă au o baz ă biochimic ă și anatomică . S-a demonstrat că memorar ea const ă în
sinteza de către neuron i a unor proteine ale memoriei și a unor acizi ribonucle ici (ARN) de

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

59
memorie. Concentraț ia acestor molecule de memorie cre ște în centrii nervoși solicita ți cu
stimuli sp ecifici. Sub influen ța ARN se fabric ă proteine specifice memoriei. Î n acest mod, la
nivelul creierului pot naște un număr enorm de circuite neuronale specializate , prin care
informația este vehiculat ă și adusă în conș tiință [41].
Învățarea constă în acumularea de informație sub formă de cunoștințe și experiențe de
viață având ca rezultat final o schimbare de comportament. Alături de memorie, învățarea este
una dintre funcțiile fundamentale ale creierului, a cărei materie prim ă este informaț ia. Spre
deosebire de alte celule care activează pe bază de informație , neuronul are proprietatea de a -si
însuși temporar numeroase informații noi. Acumulările de cunoștințe nu sunt ereditare, se
dobândesc în timpul vieții , prin interacțiunea permanentă cu factorii de mediu, dar se pierd o
dată cu încetarea din viață . Învățarea este strâns legata de memorie. Scoarța cerebrala nu se
rezum ă doar la prelucrarea datelor furnizate de receptori, ci fixează aceste date sub form ă de
memorie; le folosește apoi în cadrul procesului de învățare . Învățarea poate porni direct de la
informația din jur sau de la informația depozitată în memoria noastră. Comparând mereu
datele noi cu cele deja existente în memorie scoarța stabilește noi rap orturi logice între
noțiuni, le asimilează și le memorează. Formarea de reflexe condiționate reprezintă un
mecanism elementar al învățării. Stimularea centrului recompensei atunci când animalul
execută corect exercițiul învățat și a centrului pedepsei când animalul greșește sau refuză să
învețe grăbesc procesul de însușire de noi cunoștințe . Posibilitatea de a evita o pedeapsă prin
învățarea corectă a temei reprezintă de asemenea un stimul al învățării. Învățarea este
influențată de factorii de a mbianță, de confort, de prezența unor stimuli suplimentari și de
motivație [42,43] .
Un rol deosebit îl joacă experiența proprie a individului, ca și fondul de noțiuni anterior
acumulate. Creierul se remodelează în procesul de învățare, devenind calitativ și structur al tot
mai complex și mai eficace. Un rol se atribuie și celulelor nervoase care ar media contacte le
între neuroni, ca niște „punți de transmisie” a informației de la un neuron la altul. Aceste
modificări elementare asigură crearea de noi circuite funcționale prin care informația se
deplasează în vederea prelucrării și depozitarii.
Memoria de lungă durată implică câteva procese necesare prelucrării informațiilor:
encodarea, stocarea , reactualizarea și l uarea deciziilor . Mecanismele memoriei depind astfel
de timp. Encodarea este procesul de înregistrare, engramare a informațiilor și poate fi vizuală,
auditivă și semantică ; ea poate fi accidentală sau cu un scop.
Stocarea este procesul de păstrare a infor mațiilor. Durata stocării este variabilă, uneori
presupunând ștergerea materialului aproape imediat după ce acesta a fost codat, alteori timpul
de păstrare este mediu sau lung, putând să acopere chiar durata întregii vieți.
Reactualizarea este procesul pr in care informațiile encodate și stocate sunt aduse la
suprafață pentru a putea fi utilizate, în funcție de solic itări și necesități. În figura 5.1 se poate
vedea timpul estimat necesar fiecărui proces al memoriei [44].

Fig. 5.1. Timpul necesar realizării fiecărui proces al memoriei [42]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

60
5.2. MOTIVAȚIA STUDIULUI ȘI PREZENTAREA PROTOCOLULUI
Studiul de caz a constat în analiza și prelucrarea datelor unui experiment din domeniul
neuroștiințelor comportamentale, c e a avut ca temă : evaluarea efectelor stresului acut asupra
memoriei implicite contextuale, cu ajutorul semnalelor EEG.
Studiile pe această temă sunt relativ puține, folosesc metode diferite și au rezultate
contradictorii. Însă subiectul este de actualitate, în special datorită aplicațiilor practice pe care
le poate avea în tulburări amnestice sau de stres posttraumatic [45,46] .
Studiul se bazează pe modelul lui Chun și Jiang de memorie implicită contextuală
[47,48].
În lumea reală, există relații puternice între mediul înconjurător și obiectele care se află
în cadrul lui. Experimentele care presupun perceperea unor scene și căutare vizuală au arătat
că sistemul vizual uman se folosește intensiv de aceste relații pentru facilitarea sarcinii de
detectare și recunoaștere ulterioară a obiectului, ceea ce arată că sistemul vizual procesează
instantaneu contextul, simultan cu index area trăsăturilor obiectului [49, 50 ].
O varietate de procese cognitive conștiente sunt facilitate atunci când contextul în care
se desfășoară este similar cu contextul în care acele procese s -au mai derulat anterior.
Neuroanatomia acestei facilitări prin context este subiectul a numeroase dezbateri științifice
de actualitat e. Studiile recente de rezonanță magnetic ă nucleară funcțional ă (fMRI), folosind
paradigma Cueing , au detectat prezența activității hipocampice, cu toate că această formă de
memorie est e implicită. Rezultatele de până acum în acest sens dovedesc că hipocampul este
implicat și în procese din exteriorul domeniului învățării și memoriei conștiente [47,50 ].
Pe de altă parte, structurile cerebrale asociate memoriei contextuale sunt susceptib ile la
stres. Studiile de până acum sunt totuși contradictorii și nu se cunoaște încă măsura în care
stresul interferă cu efectul de facilitare prin context. Timpul este un factor important pentru
efectele stresului acut [47,48,50 ].
Această formă de facilitare perceptuală a fost transpusă într -un model original de către
Chun și Jiang (1998), sub denumirea de ghidare contextuală. Spre deosebire de alte modele de
memorie implicită, care foloseau obiecte familiare și simplu de diferențiat între ele, ghid area
contextuală presupune distribuția atenției subiectului pentru a efectua atât căutarea, cât și
reținerea implicită a contextului [45].
Participanții execută o căutare vizuală pentru o țintă (T rotat la 90°) înconjurat de factori
de distragere a atenției (L-uri rotate la 0 -90-180-270°). Fiecare imagine conține ținta și anume
T-ul rotat la stânga sau la dreapta, pe care participanții sunt instruiți să -l detecteze cât mai
repede posibil, apăsând tasta corespunzătoare direcției lui (stânga sau dreapt a). Principala
variabilă măsurată este timpul de reacție până la raportarea direcției țintei, cu o precizie de 10 –
3 secunde.
Într-o asemenea paradigmă, ținta vizuală (T -ul) și factorii de distragere a atenției (L –
urile) formează o configurație spațială p e monitorul computerului. O serie de astfel de
configurații sunt grupate în mai multe blocuri, iar, în fiecare bloc, jumătate din configurații se
repetă în toate celelalte blocuri -imagini vechi (Old) și jumătate nu se repetă, fiind generate
aleatoriu -imagi ni noi (New). În timpul proceselor de căutare din primele blocuri, are loc o
fază de învățare implicită a imaginilor vechi, unde ținta apare în aceleași locații raportate la
context. Prin urmare, configurația spațială globală oferă un indiciu pentru intuir ea locației
țintei cu următoarea repetiție. Dacă observatorii percep și contextul spațial din jurul țintei
vizuale și dacă pot codifica diferitele configurații în corelație cu localizarea țintei, atunci
căutarea devine tot mai eficientă pentru imaginile ve chi, de la un bloc la altul. În evaluarea

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

61

acestei ipoteze, s -a comparat performanța căutării în cazul blocurilor de imagini vechi cu
performanța căutării în cazul blocurilor de imagini noi generate . Principala observație a fost
că activitatea de căutare a fost mai rapidă pentru țintele din imaginile vechi, iar acest efect s -a
remarcat după primele 5 -10 repetiții. Această facilitare a fost atribuită efectului de ghidare
contextuală, conform căruia contextul vizual ghidează atenția spre țintă.

Fig. 5.2. Modelul de g hidare contextuală Chun&Jiang51; (a) Două exemple de configurații diferite
destinate căutării vizuale, care au fost repetate de la un bloc la altul (Old), de o singură dată în fiecare
bloc, intercalate cu noi config urații, generate aleator (New). Configurațiile noi, care nu se repetă,
servesc ca și condiție de bază; (b) Performanța căutării (măsurată prin timpul de reacție) în funcție de
epocă (alcătuită din 5 blocuri) s -a dovedit mai bună pentru țintele din configur ațiile repetate decât
pentru țintele din configurațiile generate aleator și nerepetate . Acest avantaj de ghidare contextuală a
apărut după un timp de exersare,fiind semnificativ începând cu Epoca 2. Memoria responsabilă de
acest efect este de tip implici t, subiecții nefiind capabili să discrimineze între configurațiile Old și New
[45,46 ].

Sarcina de ghidare contextuală presupune procese de învățare asociativă,
configurațională, deoarece fiecare imagine este definită printr -o configurație unică. Fiecare
obiect poate avea un număr foarte mare de locații, diverse orientări și culori diferite. Prin
urmare procesul de asociere implicită țintă -context este un proces complex, cu reprezentări
destul de specifice pentru a disocia un context de altul.

 Protocol experiment
Studiul a fost realizat pe un lot de 10 subiecți sănătoși de sex masculin, care au respectat
anumite criterii de includere: nu au băut cafea , nu au depus un efort fizic major înainte de
experiment și nu se aflau sub vreun tratament cu substanț e psihotrope. Înregistrările
fiziologice au constat în trasee EEG din 8 derivații, saturația periferică în oxigen, pu ls-
pletismografia și conductanță electrică cutanată. Pentru evaluarea memoriei implicite
contextuale s-a folosit paradigma lui Chun&Jiang ( 1998), denumită și Ghidare Contextuală
[45].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

62
 Obiectivele studiului
 Localizarea surselor și analiza statistică a activității electrice corticale în timpul
experimentului, cu interes particular pentru lobul temporal medial;
 Evaluarea performanței în sa rcina de memorie contextuală, câ nd învățarea contextului
a avut loc în condiții de stres acut, raportat la condiții normale
 Corelarea rezultatelor obținute pentru interpretarea efectului stresului acut asupra
memoriei implicite contextuale

5.3. ACHIZIȚIONAREA SEMNALELOR EEG
Experimentele s -au desfășurat în laboratorul de EEG și Somnografie al Catedrei de
Fiziologie și Neuroștiințe, Facultatea de Medicină Generală, UMF „Carol Davila”, Bucure ști.
Au fost incluși în studiu 10 subiecți tineri sănătoși, de sex masculin, dreptaci. Fiecare subiect
a semnat un Acord Informat de Participare și o declarație pe proprie răspundere conform
căreia respectă urmă toarele criterii de includere:
 Să nu sufere de boli ale sistemului nervos veg etativ (exemplu: diabet zaharat, sincope
repetate de cauză vegetativă)
 Să nu fie diagnosticați cu vreo boala cardio -vasculară
 Să nu fi depus un efort fizic extrem de intens sau să fi consumat substanțe psihoactive
recreaționale (droguri, cafeină, energizan te) în zilele experimentului
 Să nu fi fumat în ultimele 4 ore înaintea fiecărei ședințe
 Să nu se afle sub un tratament cu efecte psihogene.
Cei 10 subiecți au fost distribuiți aleatoriu în mod egal în grupul Control (CTRL) ,
respectiv grupul Stres (SG). Toți subiecții au avut la dispoziție 15 minute pentru a se
acomoda la condițiile de laborator, timp în care s -a montat casca EEG, pulsoximetrul și
electrozii pentru conductanța electrică cutanată.
Experimentul s -a desfășurat pe parcursul a două zile consecu tive pentru fiecare subiect:
în prima zi, a avut loc etapa de învățare a testului de memorie contextuală (Context Storage),
iar în a doua zi –etapa de evaluare a testului (Context Retrieval). Grupului SG i s-a administrat
în prima zi, cu 5 minute înainte de Context Storage (învățare implicită a contextului ), sarcina
Stroop contra timp [51].

 Înregistrările electrofiziolo gice și ale timpilor de reacție
Experimentul s -a desfășurat într -un laborator izolat fonic și electric. Subiecții s -au
așezat pe un scaun la o distanță constantă față de monitor(60 cm), iar scaunul a fost poziționat
astfel încât ochii subiecților să privească de fiecare dată spre regiune a centrală a monitorului.
Folosind sistemul Biopac® MP100 și software -ul Acqknowledge 3.90, am achiziționat
următoarele înregistrări electrofiziologice:

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

63
 Trasee EEG din derivațiile: Fp1 -F3, Fp2 -F4, F7 -C3, F8 -C4, T3 -P3, T4 -P4, O1 -T5,
O2-T6;
 Pulsul periferic folosind un pulsoximetru;
 Conductanța electrică cutanată folosind 2 electrozi de argint -clorură de argint, fixați
în jurul falangelor I ale degetelor 3 și 4 de la mâna stângă.
Evaluarea performanței și corectitudinii testelor s -a realizat cu aju torul programului
SuperLab®, care a înregistrat automat timpii de reacție în milisecunde de la apariția
stimulului vizual .

 Sarcina de memorie spațială contextuală
Sarcina de memorie spațială contextuală utilizată în studiu a fost o versiune
computerizată a paradigmei lui Chun și Jiang (1998) .
Subiecții au căutat vizual locația unei ținte – litera T rotată în două sensuri (stânga –
dreapta) – afișate printre 11 litere L rotate la 90 -180-270°, care îngreunează căutarea prin
distragerea atenției (Fig 5.3) . Aceste configurații au fost grupate în 12 blocuri, fiecare bloc
fiind alcătuit din câte 14 imagini În fiecare bloc, jumătate din configurații se repetă în toate
celelalte blocuri -imagini vechi(Old Displays) – și jumătate nu se repetă, fiind generate
aleato riu pentru fiecare bloc -imagini noi (New Displays).
Primele 8 blocuri de imagini au fost prezentate subiecților în prima zi, alcătuind etapa
de învățare implicită a contextului (Context Storage). Următoarele 4 blocuri au fost prezentate
a doua zi, după o perioadă de consolidare a informației dobândite, și a constituit etapa de
evaluare a memoriei contextuale (Context Retrieval).
Subiectul realizează o căutare vizuală clasică, ce presupune o succesiune de sacade
realizate fără un efort deosebit și atenție spațială orientată spre țintă.

Fig. 5.3. Testul de memorie – Contextul Cueing [51]
 Sarcina de stres acut-testul Stroop contr a timp
Ca sarcină de stres, s -a optat pentru o versiune computerizată a testului de interferență
cuvânt -culoare Stroop. În total, au fost afișați 60 de stimuli consecutivi. Fiecare stimul
dispărea de pe monitor după orice răspuns sau după 2 secunde fără răspuns. Subiecții au fost
instruiți să identifice culoarea pe care o are cuvântul din centrul unui grup de 9 cuvinte (Fig.
5.4) și să marcheze răspunsul cât se poate de rapid pe tastatura special adaptată culorilor.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

64

Fig. 5.4. Testul Stroop [51]

 Achiziționarea semnalelor EEG

Opțiunile de bază pentru începerea înregistrărilor se află în meniul MP100. Pentru orice
achiziție trebuie specificat:
 Numărul canalelor și care canale conțin date (Setup Channels)
 Rata de eșantionare cu care sistemul va ach iziționa (Sampling rate)
 Lungimea maximă a achiziției (Acquisition Length)

 Setări realizate pentru achiziționarea semnalelor EEG
În meniul MP100 s -au realizat următoarele setări pentru realizarea înregistrărilor
semnalelor EEG:
 Pentru alegerea canalelor se selectează opțiunea „SETUP CHANNELS” care se
deschide din fereastră „INPUT CHANNELS’’

Fig. 5.5. Fereastra Setup Channels

 În cazul în care căsuța PLOT a fost bifată , datele înregistrate vor fi afișate în timpul
achiziției. Dacă această căsuță nu este bifată atunci datele vor fi înregistrate de acest canal dar
formele de undă vor fi afișate după terminarea achiziției

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

65
 În căsuța CHANNEL au fost selectat e canalele de intrare pentru achiziția semnalelor
comune și anume A1
 În fere astra „SETUP ACQUISTION” au fost setați parametrii reglabili ai procesului de
achiziție:
 Rata de eșantionare: 200 eșantioane/s ec.
 Lungimea maximă a achiziției: 6 minute

Fig. 5.6. Fereastra Acquisition Setup
 Pentru a fi vizualiza te toate canalele create și setările acestora se accesează fereastra
„SHOW INPUT VALUES”.

5.4. PRELUCRAREA SEMNALELOR EEG
În urma înregistrărilor realizate au fost obținute traseele EEG pe cele opt derivații ( Fig.
5.6)

Fig. 5.7. Înregistrare EEG pe cele 8 derivații : Fp1-F3, Fp2 -F4, F7 -C3, F8 -C4, T3 -P3, T4 -P4, O1 -T5,
O2-T6.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

66
Analiza în frecvență a traseelor electroencefalografice (EEG) se poate face prin metoda
transformatei Fourier rapidă (FFT). FFT pune la dispoziție spectrele de putere pentru fiecare
canal analizat pe o anumită durată, care în amănunt ne informează asupra energiei pe care o
are fiecare frecvență, pe ordonată este notată energia, iar pe abscisă diversele frecvențe așa fel
încât pentru fiecare frecvență știm ce energie (practic amplitudine) este cores punzătoare
acesteia. FFT-ul este o analiză matematică care desface traseul EEG în frecvențe sinusoidale,
multipli sau submultipli ai traseului, numite serii Fourier.
În acest studiu experimental s -a optat pentru utilizarea metode i FFT pentru analiza
zgom otelor, deoare ce în acest caz nu suntem interesați de detectarea unor afecțiuni patologice
(fenomene neurologice) care ar implica analiza de semnal într -o anumită bandă de frecvență
După înregistrarea semnalul EEG s -a realizat analiza în frecvență a semnalului EEG
pentru fiecare din cele 1 0 înregistrări EEG (cu ajutorul Transformatei rapide Fourier – FFT).
Eliminarea artefactelor s -a realizat prin aplicarea metodei filtrării adaptive prin pr oiectarea
filtrului FIR , realizat prin metoda ferestrei Hamming ( Fig. 5.8).

Fig. 5.8 . Setarea parametrilor pentru FFT
În urma aplicării FFT rezultă graficul analizei în frecvență. P e axa verticală apar
amplitudinile iar pe axa orizontală sunt afișate frecvențele corespunzătoare armonicilor
conținute în semnal. Această metodă este utilă deoarece ne arată frecvențele provenite din
zgomote pentru a le putea înlătura și a obține un semnal cât mai curat.

Fig. 5.9. Analiza FFT a semnalului înregistrat pe canalul A1
Se observă că un zgomot de 50Hz de aproximativ 0,353 µV respectiv la 100 Hz de 3.22
µV (Fig. 5. 9).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

67
Zgomotele apărute sunt în mare parte datorită interferenței cu rețeaua electrică. Pentru a
se elimina aceste zgomote s -a aplicat filtru FIR (r ăspuns finit la impuls) Low Pass. Acest
filtru lasă să treacă toate frecvențele joase până la frecvența de tăiere care în cazul acestui
semna l este de 35 Hz. În cazul acestui studiu s-a aplica t filtru până la 35 Hz pentru că nu
suntem interesați de detectare a unor afecțiuni patologice. De asemen ea pentru localizarea
surselor curenților electrici corticali, în etapa a doua a studiului, este necesar ca semnalele
EEG să aibă frecvențe de până la 35Hz.
După aplicarea filtrului FI R Low Pass, s -a realizat din nou analiză în frecvență (Fig.
5.10) .

Fig. 5.10. Analiza în frecvență FFT după aplicarea filtrului Low Pass

În figura 5.11 se poate observa semnalul înainte de aplicarea filtrului și după aplicarea
filtrului. Se observă din figura 5.10 că amplitudinea a scăzut de la 0,38 µV la 0,154 µV pentru
50 Hz, iar la 100 Hz de la 3.22 µV la 0,0825 µV.

Fig. 5.11. Semnalul EEG înregistrat înainte și după filtrare pentru canalul A1

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

68
Acest procedeu, de realizare a analizei în frecvența (FFT) și aplicare a filtrului FIR Low
Pass, s -a realizat pentru fiecare din cele 8 canale care au fost înregistrate traseele EEG din
derivațiile: Fp1 -F3, Fp2 -F4, F7 -C3, F8 -C4, T3 -P3, T4 -P4, O1 -T5, O2 -T6 (Fig. 5.12) ;

Fig. 5.12. Semnalul EEG pe cele 8 canale care înregistrează traseele EEG din derivațiile: Fp1-F3, Fp2 –
F4, F7 -C3, F8 -C4, T3 -P3, T4 -P4, O1 -T5, O2 -T6 după prelucrarea semnalului

5.5. ANALIZA DATELOR
5.5.1. Evaluarea cantitativă a memoriei implicite contextuale
Evaluarea cantitativă a memoriei implicite contextuale se face prin diferența dintre
performanța în sarcina de căutare pentru ND și cea pentru OD (ΔRT) doar în a doua parte a
experimentului (Evocarea Contextului, epocile 4 și 5).
În timpul înreg istrării EEG s -au înregistrat timpii de reacție în milisecunde de la apariția
stimulului cu ajutorul programului SuperLab® (Fig. 5.1 3). Acest program evaluează
performanța și corectitudinea testelor.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

69

Fig. 5.13. Documentul pe care SuperLab îl generează în urma înregistrării timpilor de reacție din
timpul testului.
Eficiența sarcinii de stres acut s -a reflectat în creșterea pulsului periferic cu 21%,
respectiv a conductanței electrice cutanate cu 45% (Fig. 5.14 .), raportat la condiția bazală
(ochi închiși, relaxat).
În cazul unor subiecți a fost nevoie sa se elimine valorile timpilor de reacție în cazul în
care aceștia nu apăsaseră butonul pentru imaginea respectiva. Apoi au fost grupați timpii de
reacție cores punz ători blocurilor -imagini vechi (Old Displays) și blocurilor -imagini noi (New
Displays). Datele au fost apoi prelucrate în programul se statistica SPSS.

Fig. 5.14. Monitorizarea pulsului și conductanței electrice cu tanate pe durata experimentului

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

70
 Analiza statistică a datelor
Analiza statistică a datelor s -a realizat în etape prin intermediul programului specializat
de statistică SPSS. La fiecare subiect s -a realizat media pentru timpilor de reacție pentru ND
și OD, atât pentru cei din grupul SG câ t și pentru cei din grupul CTRL.
Tabel 5.1. Date statistici OD
OD Epoca 1 Epoca 2 Epoca 3 Epoca 4 Epoca 5 Epoca 6
Sub1 1687,333 1341,143 1244,077 1364,143 1248,833 1264,538
Sub2 1127,429 876,0769 796,3077 782,9286 871,9286 720,3077
Sub3 1298,231 1371,308 1145,154 1219,143 1195 1134,857
Sub4 1125,583 1052,214 1079,917 967,0769 960,25 968,5833
Medie 1309,644 1160,185 1066,364 1083,323 1069,003 1022,072

Tabel 5.2 . Date statistici N D
ND Epoca 1 Epoca 2 Epoca 3 Epoca 4 Epoca 5 Epoca 6
Sub1 1717,929 1099,857 1441 926,142 1066,5 1073,462
Sub2 2538,273 1894,286 1692,538 1189,857 1563,571 1383,071
Sub3 1590,071 1462,429 1351,923 1343,429 1382,357 1186,5
Sub4 1522,214 1328,5 1426,923 1231,286 1170,571 1113,857
Sub 5 2261,714 1759,143 1897,8 1624,357 1914,143 1419,692
Sub 6 1566,643 1213,786 1236,846 1008,286 941,5 1255,929
Medie 1866,141 1459,667 1507,838 1220,559 1339,774 1238,752

Fig. 5.15. Graficul timpilor de reacție în funcție de grupul participant (CTRL sau SG) și în funcție de
tipul blocurilor (OD sau ND). Barele reprezintă erorile standard de medie.
Fiecare bloc al sarcinii de ghidare contextuală a fost alcătuit dintr -o combinație ale atorie
între 7 configurații de fiecare dată noi (ND) și 7 configurații care se repetau de -a lungul
tuturor blocurilor (OD). Subiecții au parcurs 12 blocuri de căutare – 8 blocuri în prima zi,
respectiv 4 în a doua zi. Pentru o mai mare putere statistică a analizei timpilor de reacție,
blocurile de imagini au fost grupate câte două, în epoci.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

71
Primele rezultate ilustrează evoluția timpilor de reacție, în paralel, pentru evenimentele
repetate OD și pentru cele nerepetate ND. În primul rând, pentru ambele tip uri de configurații
(ND și OD), timpul de reacție a scăzut în timp (pentru grupul CTRL cu 216 ms și pentru SG
cu 143 ms), datorită învățării procedurale prin exersare ceea ce ilustrează învățarea prin
ghidare contextuală. . În al doilea rând, performanța că utării vizuale a fost în general mai bună
în cazul afișajelor OD față de ND (p<0.05), fapt reflectat de distanța dintre grafice. Efectul de
ghidare contextuală s-a dezvoltat prin experiență. La grupul CTRL, abia după 4 repetiții ale
căutării (primele două epoci), se observă creșterea diferenței dintre timpii medii de răspuns la
ND și OD (ultimele trei epoci) până la un maxim în a doua zi. La grupul SG, efectul de
ghidare contextuală a apărut prompt, dar a înregistrat o scădere bruscă în ultima epocă, a dou a
zi.

Fig. 5.16. Evoluția timpilor de reacție la grupul CTRL în funcție de epocă pentru configurațiile
repetate (OD), respectiv pentru cele de fiecare dată noi(ND). Ziua 1 -Epocile 1 -4; Ziua 2 -Epocile 5 -6
[51]

Fig. 5.17. Evoluția timpilor de reacție la grupul SG în funcție de epocă pentru configurațiile repetate
(OD), respectiv pentru cele de fiecare dată noi (ND). Ziua 1 -Epocile 1 -4; Ziua 2 -Epocile 5 -6 [51]

Evaluarea cantitativă a memoriei implicite contextuale s -a cua ntificat prin diferența
dintre performanța în sarcina de căutare pentru ND și cea pentru OD (ΔRT) , pentru partea a
doua a experimentului (Evocarea Contextului, epocile 4 și 5). La Grupul Control, această

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

72
analiză a confirmat performanța mai bună cu 98 m s în medie pentru OD față de ND. La
Grupul Stres s -a înregistrat o valoarea medie a efectului de Ghidare Contextuală de 52 m s,
mai mic cu 47% față de grupul Control (p=0.01>0.05).
Se poate observa astfel evoluția efectului de ghidare contextuală (ΔRT) pentru ultimele
epoci. Este evi dentă scăderea lui în etapa de e vocare a contextului la grupul SG.
Se observa din urmatorul grafic ca subiecții din grupul CTRL au codificat contextele
vizuale din jurul țintei pe măsură ce au parcurs sarcina de căutare, iar aceast ă informație
contextuală a determinat căutarea mai rapidă pe măsură ce învățarea implicită a progresat.

Fig. 5.18. Evaluarea efectului de ghidare contextuală. Diferențele medii de timpi de reacția în decursul
ultimelor 3 epoci, pe ntru grupul CTRL

Fig. 5.19. Evaluarea efectului de ghidare contextuală. Diferențele medii de timpi de reacția în decursul
ultimelor 3 epoci, pentru grupul SG

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

73
5.5.2. Localizarea surselor curenților electrici corticali pe durata paradigmei
5.5.2.1. Descrierea programului sLORETA
Pentru localizarea surselor c urenților electrici corticali, s -a folosit pachetul software
academic sLORETA , care oferă o așa numită soluție inversă: pornind de la datele EEG,
calculează localizarea cea mai probabilă a generatorilor electrici corticali. Atunci când
anumite condiții sunt îndeplinite ; este demonstrat matematic și empiric că sLORETA nu
furnizează erori. Una dintre condițiile de bază este selectarea segmentelor de traseu EEG
lipsite de artefacte.
sLORETA este o metodă care procese ază imaginile activității neuronale electrice de la
EEG și MEG. Acest pachet de soft folosit se limit ează la EEG. Este bine cunoscut faptul că
măsurătorile EEG nu conțin suficiente informații pentru estimarea exactă a generatorilor
electrici neuronali. Datorită acestui fapt s -au dezvoltat diferite me tode, printre care cea mai
cunoscută este sLORETA [52].
Proprietatea unică a sLORETA este că, în condiț ii ideale, aceasta localizează „surse
pentru puncte de test” cu exactitate. Nici o altă tomografie distribuită, liniară nu are această
proprietate. În plus, această proprietate poate fi generalizată la orice sursă de distribuție, în
baza principiilor de liniaritate și superpoziție.
Dezavantajul sLORETA este rezol uția spațială foarte mi că, care scade cu profunzimea.
În plus, sLORETA nu încalcă legea de conservare a gunoiului, adică „gunoi intră, gunoi
iese”: dacă alimentăm sLORETA cu măsurători ce prezintă zgomote , vom obține imagini
zgomotoase. Cu toate acestea, a tunci când se compară proprietățile „negative ” între toate
tomografiile distribuite, liniare existen te, sLORETA rămâne metoda aleasă [53].

5.5.2.2. Procesarea semnalelor EEG pentru utili zarea lor în sLORETA
Procesarea datelor EEG a presupus inițial transformarea numelor electrozilor în
coordonate spațiale și a coordonatelor într -o matrice, în care să se distribuie ulterior
rezultatele înregistrărilor. Datele EEG au fost analizate în domeniul de frecvență sLOR ETA ,
care realizează o analiză spectrală a benzilor de frecvență raportate la localizarea spațială,
pentru segmentele EEG selectate.

Fig. 5.20. Principiul de funcționare a sLORETA

EEG Cross Spectrum sLoreta
Numele
electrozilor Coordonate Transformation
Matrix

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

74
 Cerințe pentru utilizarea EEG
1) Volumul creierului MNI a fost scanat la rezoluție de 5 mm diametru. Coordonatele MNI
au fost convertite la coordonate Talairach "corectate", apoi date la Talairach Daemon.
2) Acest software raportează coordonatele MNI, nu cele Talairach. Cu toate acestea,
neuroanatomia cantitativă se bazează pe coo rdonate Talaiarch "corectate", prin utilizarea
rezultatelor obținute de către Talairach Daemon.
3) Fișierele EEG trebuie să fie fișiere text, să conțină doar cifre (valori µV), f ără antet și
fără subsol. Fișierul text trebuie să aibă numărul de linii egal cu numărul de cadre de timp,
adică numărul de probe discrete de timp. Fișierul text trebuie să aibă numărul de coloane
egal cu numărul de electrozi. Acest lucru înseamnă că rândurile corespu nd timpului de
eșantionare iar coloanele corespund electrozilor. Un exemplu de fișier text EEG (epoca
EEG) cu cinci cadre de timp discrete și trei electrozi, se poate observa în figura 5.2 1.

-0.162 -0.095 -0.027
-0.041 -0.004 0.049
-0.010 0.042 0.102
-0.007 0.021 0.052
-0.056 -0.094 -0.127
Fig. 5.21. Exemplu de fișier text EEG cu cinci cadre de timp și trei electrozi.

Separatorii între numere pot fi spații sau Tab. Trebuie folosit „punctul”, nu „virgulă”
decimala. Numerele pot fi reprezentate în notare exponențială, de exemplu: – 0.162 poate fi
scris ca -1.62E -01.
Sistemul de coordonate Talairach este definit prin două puncte, comisura anterioară și
comisura posterioară, aflate pe o linie orizontală. Deoarece aceste două puncte se află pe
planul median, sistemul de coordonate este complet definit cerând acestui plan să fie vertical.
Distanțele în coordonate Talairach sunt măsurate de la comisura anterioară ca origine.

 Utilizarea programului sLORETA
După prelucrarea semnalelor EEG s-a păstrat doar înregistrarea semnalului de la debutul
testului (căut area vizuală a țintei T). Apoi s -a exportat fișierul ca fișier text așa cum se poate
observa în figura 5.22.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

75

Fig. 5.22. Fișier text obținut în urma înregistrări lor EEG

Epoca EEG este acest fișier text format din linii și coloane, unde liniile reprezintă
cadrele de timp iar coloanele reprezintă electrozii. După ce s -a realizat acest fișier text, se
deschide programul sLORETA (Fig. 5.23 ).

Fig. 5.23. Program sLORETA [53]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

76
Înainte de inserarea datelor și utilizare a lor a u fost realizate verificări pentru ca
condițiile programului sLORETA să fie îndeplinite :
– Semnalele EEG să fie cât mai „curate’’, să nu prezinte artefacte .
– Fiecare epo că EEG să cuprindă 256 de cadre de timp (timp ul de eșantionare),
eșantionarea făcându -se la 100 Hz.
Prima condiție a fost îndeplinită în prima parte a studiului, capitolul 2.4. Pentru
îndeplinirea celei de a doua condiții s -a realizat re -eșantionarea de la 256 Hz la 100Hz. Astfel
fiecare epocă din cadrul semnalului EEG a rezultat cu o durată de 2.56 sec. Următoare etapă
în pregătirea datelor pentru utilizarea lor în sLORETA a fost crearea unui fișier text care să
conțină coordonatele electrozilor ( Fig. 5.24).

Fig.5.24. Fișier cu informații privitoarea la coordonatele electrozilor

Acest document text va fi transformat de către sLORETA în fișier cu coordonate
Talairach (fac parte din spațiul MNI – Montreal Neurological Institute), astfel fișierul obținut
va avea extensia List16e.sxyz. Pentru a face această transformare a fost este necesar ă
introducerea fișierului text în câmpul respectiv și apoi apăsat “GO’’:

Fig.5.25 . Meniul pentru realizarea coordonatelor electrozilor din spațiul MNI

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

77
După crearea fișierului cu coordonatele Talairach, List16e. sxyz , se va crea matricea de
transformare sLORETA : “List16e. spinv” .
Pentru fiecare din cele 10 înregistrări EEG, s -a creat un fișier text iar apoi s -au creat
fișierele cu coordonate Talairach ș i respectiv matricele de transformare corespunzătoare
acestora.
Pentru localizarea surselor curenților electrici corticali, în cazul fiecărui grup (CTRL și
SG), s -a realizat media pe fiecare grup. Apoi s -a selectat din meniul sLORETA , fereastra
View/Explorer. S-a selectat apoi DATA TYPE și s-a optat pentru realizarea domeniului de
frecvență „sLORETA frequency domain ’’. După realizarea acestor operațiuni s -a accesat
fișierul creat î n urma medierii grupului SG: mediegrupControl.slor .

5.5.2.3. Analiza rea rezultatelor
Pornind de la rezultatele diferite ale ghidării contextuale în funcție de grup, s -a
comparat pentru ziua a doua valorile potențialelor surselor electrice între grupu l SG și CTRL.
Activitatea electrică din lobul temporal medial s -a dovedit, în general, mai slabă la grupul SG
(p<0.9). În girul hipocampic, de exemplu, s -a înregistrat o activitate electrică mai slabă cu
0.554 µV față de grupul CTRL (Fig. 5.26)

Fig. 5.26. Zonele de activitate electrica maxima în Z2, grup SG vs. grup CTRL

Pornind de la diferențele efectului de ghidare contextuală în funcție de zi, am comparat
activitatea electrică pentru toți subiecții, între ziua 2 (Evocarea Contextului) și ziua 1
(Codi ficarea Contextului). La nivelul secțiunilor ce e vidențiază cortexul temporal, s -a
observat o activitate electrică mai puternică a cortexului parahipocampic în ziua a 2 -a a
sarcinii de Ghidare Contextuală, care corespunde unor procese mai intense de evocar e a
memoriei implicite. Valoarea diferenței este 0.51 µV pentru coordonatele date și este
semnificativă la nivelul p< 0.065 (Fig. 5.27).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

78

Fig. 5.27. Zonele de activitate electrică maxim ă în Z2 vs. Z1 [51]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

79
5.6. CONCLUZII
Studiul de față a fost realizat pentru evaluarea efectului stresului acut asupra memoriei
implicite contextuale, din punct de vedere al performanței și respectiv al ac tivității electrice
corticale. A cest studiu realizat a avut ca scop verificarea teoriei conform căreia st resul acut
recent are efect asupra memoriei implicite contextua le. În prima parte a studiului s -a evaluat
efectul stresului acut asupra memoriei implicite, cu ajutorul timpilor de reacție. În ce a de-a
doua parte a studiului s -a realizat mapping -ul EEG cu ajutorul programului sLORETA , pentru
a vedea care sunt regiunile cerebrale cu ă activitate electrică maximă , atât pentru grupul SG
cât și pentru grupul C TRL .
Participanții din cele 2 gru puri (CTRL și SG ) au avut ca sarcina de memorie implicită
contextuală: p aradigma Chun&Jiang. Această sarcină a constat în căutarea vizual ă a locației
unei ținte – litera T rotită în două sensuri (stânga -dreapta) – afișate printre 11 litere L rotite la
90-180-270°, astfel realizându -se îngreunarea sarcinii prin distragerea atenției. Aceste
configurații au fost grupate în 12 blocuri, fiecare bloc fiind alcătuit din câte 14 imagini. În
fiecare bloc, jumătate din configurații s -au repetat în toate celelalte blocuri (OD) și jumătate
nu s-au repetat, fi ind generate aleatoriu pentru fiecare bloc – imagini noi ND.
În urma rezultatelor obținute s -a constat că pentru ambele tipuri de configurații (ND și
OD), timpul de reacție a scăzut în timp, datorita învățării procedurale prin exersare, indiferent
de inf ormația contextuală. De asemenea, performanța căutării pentru țintele din configurațiile
repetate – OD a fost mai bună decât țintele din configurațiile generate aleatoriu și nerepetate –
ND (pentru grupul C TRL cu 216 ms și pentru SG cu 143 ms), ceea ce ilustrează învățarea
prin ghidare contextuală. Acest efect de facilitare prin context s -a dezvoltat numai prin
experiență.
Memoria responsabilă de acest efect este de tip implicit, pentru că subiecții nu au fost
capabili și nu au avut ti mp sa discrimineze între configurații OD și ND. Spre deosebire de
grupul C TRL , la grupul SG s-a observat o scădere cu aproximativ 47% a efectului de ghidare
contextual ă în a 2 -a zi a experimentului. Acest rezultat dovedește că stresul a influențat
învățare a implicită a contextului și progresarea în căutarea mai rapidă a țintei vizuale.
După două zile consecutive de teste de învățare și evocare a contextului, rezultatele
studiului au evidențiat o capacitate foarte mare de învățare a contextului datorat ghi dării
contextuale. În concluzie, efectele benefice ale familiarității contextulu i au fost susceptibile la
stres. Scăderea performanței în condiția stres a avut ca și corespondent anatomo -funcțional
scăderea activității girului parahipocampic.
Studii care vor include mai mulți subiecți și care vor combina metoda sLORETA cu o
metoda cu rezoluție spațială mai bună, ar putea aduce rezultate cu o reală semnificație
statistică în acest sens.
Sensibilitatea la stres a acestei paradigme poate fi explicată, cel puțin parțial, prin
dependența memoriei cont extuale implicite de hipocamp și, posibil, și de alte regiuni
cerebrale bogate în receptori pentru hormoni de stres [54,55 ].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

80

CAPITOLUL 6
STUDIU DE CAZ II. DOVEZI ALE HIPERSENSIBILITĂȚII
CENTRALE LA PACIENȚII CU DURERI LOMBARE ACUTE,
EVALUATE FOLOSIND POTENȚIALE EVOCATE
SOMATOSENZORIALE

6.1. NOȚIUNI GENERALE
În fiecare moment creierul uman este asaltat de un volum impresionant de informații
atât din mediul extern, cât și din cel intern. Astfel, pe calea analizatorului vizual sunt primite
83% din informații, prin cel auditiv 11%, prin cel olfactiv 3,5%, prin analizatorul somestezic
1,5% iar prin cel gustativ 1% din informațiile venite din mediul extern.
Analizatorii primesc o cantitate totală de informație de aproximativ 1011 biți/ s, din care
în sistemul nervos ajung aproximativ 107 biți/s. Această cantitate enormă de informație este
prelucrată inconștient, iar 99% din ea este înlăturată, ea fiind ner elevantă și neimportantă.
Doar cca 1010 biți/s din informația primită de SNC sunt p relucrate conștient, elaborându -se
pe baza lor senzațiile și percepțiile [3].
Sistemul nervos asigură majoritatea funcțiilor de control ale organismului. Rolul final și
cel mai important al sistemului nervos este de a controla diversele activități ale organismului.
Aceasta se realizează prin controlul: contracției mușchilor scheletici, contracția mușchilor
netezi din organele interne și secreția glandelor endocrine și exocrine. Toate aceste activități
sunt denumite generic funcții motorii ale sistemului nervos, iar mușchii și glandele sunt
denumiți efectori, deoarece ei desfășoară funcțiile dictate de semnalele nervoase.
Sistemul nervos primește efectiv milioane de biți de informație din mediul extern sau
intern pe care le integrează pentru a determina r ăspunsurile adecvate ale organismului.
În structura generală a sistemului nervos intră două mari compartimente: cel senzorial
de recepție și cel motor cu rol efector.
Majoritatea activităților sistemului nervos sunt inițiate de experiențe senzoriale,
provenite de la receptorii senzitivi interni și externi. Această experiență senzorială poate
produce o reacție reflexă imediată sau poate fi memorizată, putând apoi ajuta la condiționarea
reacțiilor organismului pentru viitor [56].
Cunoașterea lumii înconjur ătoare se realizează prin producerea potențialelor de acțiune
la nivelul receptorilor periferici. Impulsurile pornite de la receptorii senzoriali, transmise prin
căile aferente, suferă modificări datorită neuronilor modulatori și ajung în anumite zone
corticale unde se face analiza conștientă a stimulilor receptați. [ 3]
Durerea este manifestarea senzitivo -reacțională complexă reprezentată de fenomenele
psiho -afective conștiente și reacții somato -vegetative reflexe rezultate din acțiunea stimulilor
nocicep tivi (fizici, chimici, termici etc.) asupra formațiunilor receptoare algogene din întregul
organism. Durerea se poate definii și ca senzație neplǎcutǎ determinatǎ de diverși stimuli

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

81
atunci când intensitatea acestora este mai mare decât normalul. Senzația d e durere și
semnificațiile ei reprezintă una din problemele fundamentale ale medicinii. Senzația de durere
netratatǎ poate să declanșeze reflexe nociceptive sau reacții neurovegetative dăunătoare; de
exemplu durerea poate provoca greață,vomă, sincopǎ, lipo timie, iritabilitate, amețeală.
Durerea nu este o simplă senzație, ci un fenomen psiho -fiziologic complex declanșat,
uneori, de acțiunea diverșilor stimuli nociceptivi (mecanici, termici, chimici) asupra
terminațiilor nervoase senzitive libere (inclusiv asupra celor specializate); alteori durerea
poate fi generată de diverse circumstanțe psihopatologice. Toate definițiile date durerii
sugerează că este un fenomen complex compus din experiențe senzoriale care includ timp,
spațiu, intensitate, emoție, cunoa ștere și motivație. Durerea este un fenomen neplăcut cu o
exprimare unică pentru fiecare individ în parte și nu poate fi definită în mod adecvat, așa cum
nu poate fi identificată sau măsurată de către o altă persoană (observator).
Fiind o experiență uni că pentru fiecare individ în parte durerea poate fi redată printr -o
descripție verbală, care furnizează date pentru identificarea naturii, intensității, duratei,
localizării și evoluției temporale a stimulilor nocivi.
Algoreceptorii sau nociceptorii sunt activați de stimulii dureroși și sunt receptori
localizați la nivelul terminațiilor nervoase dendritice ale neuronilor senzitivi primari fiind
totodată responsabili de senzația de durere. Nociceptorii codifică prezența, intensitatea, durata
și localizarea stimulilor cu potențial nociv transformând orice tip de energie în impuls electric.
Nociceptorii, spre deosebire de alți receptori somatosenzoriali specifici, au un prag înalt de
răspuns la acțiunea stimulilor și o descărcare persistentă la stimulii supram aximali. Aceste
proprietăți neurofiziologice contribuie într -o măsura importantă la apariția fenomenului de
sensibilizare centrala, la nivel medular.
Referitor la căile și centrii sensibilității dureroase, trei etape distincte au putut fi
urmărite pe drumu l parcurs de excitația rezultată din interacțiunea stimulului nociceptiv cu
receptorii specifici și transformarea sa în senzație de durere:
a) Teritoriul nociceptor – locul de transformare a stimulului dureros în influx nervos;
b) Căile și releele sinaptice ale influxului nociceptiv;
c) Structurile nervoase centrale de integrare a informațiilor nociceptive și elaborarea de
senzație de durere.
În literatura de specialitate se descriu două tipuri de receptori cutanați pentru durere:
nociceptori mecanici – răspund la presiune, înțepătură, vibrații, distensia și tracțiunea organelor
interne și nociceptori termici. Nociceptorii mecanici sunt reprezentați de terminațiile nervoase
amielinice situate în apropierea membranei bazale și sunt stimulați de excitații de presiune
mare. Nociceptorii termici sunt cunoscuți și sub numele de receptori pentru căldură sau
receptori polimodali fiind reprezentați tot de fibre amielinice care răspund atât la excitanții de
presiune puternică cât și la variații mari de temperatură. Toți recep torii pentru durere sunt
ramificații ale dendritelor neuronilor senzitivi care iau parte la alcătuirea unui nerv cutanat.
Fibrele nervilor cutanați au prag de excitabilitate diferit fiind capabile sa conducă impulsuri
generate în circumstanțe diferite:
– Fibrele A -alfa (A – ά) conduc impulsuri pentru apariția senzațiilor tactile;
– Fibrele A -delta (A – δ) conduc impulsuri pentru durere tolerabilă, relativ bine
localizată, de tipul înțepare scurtă;
– Fibrele C conduc impulsuri responsabile de apariția dureri i intense și difuze.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

82
Deși ambele tipuri de fibre (A și C) au aproximativ același traiect anatomic și proiecție
corticală asemănătoare, totuși se pare că fibrele mielinice transmit impulsurile nociceptive
localizate ce declanșează durerea imediată, acută cu perioada de latență scurtă având un
caracter acut, înțepător și care dispare rapid, în timp ce grupul fibrelor amielinice conduc
impulsurile care declanșează durerea întârziată sau secundară, cu perioadă de latență
prelungită, cu caracter difuz, de arsu ră, persistent.
Se disting doua tipuri fundamentale de durere, acută și cronică. Durerea acuta este
acea durere apăruta după un traumatism, după o arsură , în contextul actului operator sau al
unei afecțiuni medicale acute și definită ca o durere de scurtă durată. Este localizată la început
într-o arie bine delimitată, după care difuzează. Durerea cronică este acel tip de durere cu
durată mai mare de 6 luni, asociată de obicei cu o anumită afecțiune sau boală .
Percepția durerii are loc atunci când no ciceptorii sunt stimulați și transmit semnale către
neuronii senzitivi din măduva spinării. Acești neuroni eliberează glutamat, un excitant major
al neurotransmiterii de la un neuron la altul. Semnalul este transmis către talamus, acolo unde
are loc percep ția durerii. De aici, semnalul nervos ajunge la cortexul senzitiv, moment în care
fiecare individ devine conștient de durere [3,56].

Fig.6.1. Transmiterea durerii pe calea aferentă senzorială,în urma stimulării receptorilor senzitivi
specializați pe fibrele periferice tip C (nociceptorii). Mai multe situri supra -pinal e sunt activate după
stimularea nociceptivă: formațiunea reticulată a trunchiului cerebral, regiunea ponto -mezencefalică și
talamusul [57]

Hipersensibilitatea SNC este definită ca o excitabilitate crescută a sistemului nervos
central, și este considerată a fi importantă în generarea și m enținerea durerii cronice. Pacienții
cu dureri cronice lombare prezintă acest tip de hiperexcitabilitate, care poate apărea în faza
acută și reprezintă un factor de risc pentru dezvoltarea dureri cronice. Ultimele studii au
sugerat că una din cauzele apari ții durerii cronice poate fi malfuncția nociceptorilor. Chiar
daca nu exista o cauz ă directă, acești nociceptorii „defectați” continuă să transmită semnale de
durere spre creier [ 58,59,60,61,62 ].
Potențialele evocate sau potențialele dependente de eveniment (EP/ERP) sunt
răspunsuri electrofiziologice stereotip la un stimul intern sau extern. În termeni simpli, acestea
sunt răspunsuri măsurabile la nivelul cortexului rezultate în urma percepției stimulilor.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

83
Stimulii poate fi: auditivi (potențiale evo cate auditive), vizuali (potențiale evocate vizuale)
sau senzitive (potențiale evocate somato -senzoriale). Potențialele evocate somato -senzoriale
(SEP) sunt răspunsuri electrice ale creierului în urma unui stimul somatosenzorial aplicat la
nivelul nervilor periferici senzoriali motori [63,64] . SEP sunt de obicei potențiale folosite
pentru a examina integritatea funcțională a căilor sistemului somatosenzorial, de la nivelul
nervilor periferici senzoriali la diferite zone a le creierului [65]. Una dintre modal itățile
posibile pentru a înregistra durerea ca răspuns la nivel cortical este prin intermediul
potențialelor evocate somatosenzoriale. Potențialele SEP pot fi înregistrate prin intermediul
semnalelor electroencefalografice (EEG).
Organismul uman are cap acitatea de a modula endogen durerea prin diverse mecanisme.
Modularea durerii se datorează prezenței la diverse nivele din SNC a unor neuroni intercalari
care secretă substanțe opioide endogene. La nevoie dacă stimulii dureroși sunt prea puternici,
acești neuroni eliberează sub stanțele opioide endogene care î i blochează parțial și au efect
analgezic. O tehnică nouă în domeniul neuroștiințelor pentru cuantificarea durerii este
dezvăluită de paradigma „controlului inhibitor difuz nociv” (eng. diffuse noxious inhibitory
control) DNIC, bazată pe conceptul „durerea inhiba durere” . Durerea rezultată în urma
aplicării unui stimul nociceptiv este atenuată prin ap licarea unui al doilea stimul [66 ,67]. Se
presupune că DNIC este implicat în sistemul endogen de modulare și control al durerii care se
bazează pe mecanisme spinale și supraspinale ce implică inhibarea activității nociceptorilor la
nivelul măduvei spinării prin aplic area altui stimul nociceptiv [68 ]. Tehnicile cele mai
frecvente utilizate și cunoscute pentru a activa DNIC sunt prin producerea durerii în urma
aplicării stimulilor: termici (rece,cald) [ 69,70,71], mecanici și electrici [72,73,74 ].
Însumarea temporală este definită ca creșterea senzației durerii la nivel psihofizic sau
fiziologic, atunci când are loc aplicarea repetată și rapid ă a unui stimul (Arendt -Nielsen, în
1994). Însumarea temporală a stimulilor a fost privită ca potențial mecanism în apariția și
dezvoltarea durerii cronice. Mai multe studii au confirmat faptul că DNIC funcționează c a o
contrabalanță în pro cesul de însumarea temporală [75,76,77 ].
Studiul actual a fost realizat pentru a determina dacă există diferențe în activarea DNIC
în cazul subiecților sănătoși cât și în cazul subiecților ce suferă de dureri acute lombare, și
dacă există o diferență în sistemul de modulare a durerii în contextul însumării temporale a
stimulilor aplicați.
Pentru activarea nociceptorilor și evaluarea SEP s -a ales testul durerii prin aplicarea
stimulului mecanic (presiune) și electric, iar condiționa rea stimulilor s -a realizat prin inserarea
mâinii în apă cu gheață. Zona aleasă pentru aplicarea stimulilor a fost zona de la nivelul
încheieturii mâinii unde este localizat nervul median.
Nervul median servește ca o poartă de acces periferic (fereastră) a sistemului nervos
central. Acest lucru este evidențiat prin faptul că distribuția senzorială a mâinii are o mare
reprezentare la nivel cortical. Stimularea nervului median se realizează pentru a activa
întregul SNC . În prezent în literatura de specialitate se regăsesc studii și rapoarte despre
stimularea nervului median și este demonstrată ipotez a conform căreia nervul median
facilitează neuroplasticitatea . Se sugerează că stimularea electrică ar trebui să fie parte a
procesului de reabilitare n euronală a pacienților cu boli precum autism, Parkinson și diverse
leziuni cerebrale.
Metoda stimulării electrice a fost folosită în medicină pentru studierea și chiar tratarea
durerii, leziuni ale coloanei vertebrale, cazuri de demență și chiar boala Alzheimer. În general,
se aplică un flux de curent redus aplicat prin electrozi plasați la nivel cutanat în zona de
durere. Se crede că de impulsul electric se deplasează din zona unde este aplicată stimularea
înspre creier și "trezește” diferite zone de -a lungul drumului.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

84
În neuroștiință, N100 sau N1 este componenta negativă a potențialului evocat măsurat
prin intermediul EEG, ce apare ca răspuns în urma aplicării unui stimul nociceptiv. Aceste
„vârfuri” sunt identificate la adulți între 80 și 120 de m s de la aplicarea stimulului, și își au
proiecția la nivel cortical în zona fronto -centrală a scalpului. Latența este definită ca fiind
interval de timp între aplicarea unui stimul și prima manifestare de răspuns a organului
excitabil.
Principalul obiectiv al acestui studiu a fost de a examina relația dintre durerea acută,
amplitudinile și latențele potențialelor evocate (N1 și N1r). Cele două grupuri (CTRL și LBP)
au fost comparate prin analiza varianței (ANOVA) pentru care s -a verificat ipoteza că există o
creștere mai mare în timpii de latență a potențialelor SEP, după condiționarea stimulului (apă
cu gheață), în cazul subiecților sănătoși, comparativ cu pacienții ce prezintă dureri acute.
Ipotezele care au st at la baza acestui studiu au fost:
– Există o creștere semnificativ mai mare în timpii de latență a potențialelor SEP, după
condiționarea stimulului (apă cu gheață), în cazul subiecților sănătoși comparativ cu pacienții
care prezintă dureri acute.
– Existe nță diferențe în activarea DNIC, în cazul subiecților sănătoși comparativ cu
pacienții ce prezintă dureri acute.
– Modularea durerii la nivelul sistemului endogen este facilitată în contextul însumării
temporale a stimulilor aplicați.
Pentru a se verifica această ipoteze s -a utiliza t paradigma „controlului inhibitor difuz
nociv” ( eng. diffuse noxious inhibitory control ): în condiții normale, durerea, după aplicarea
unui stimul nociceptiv este atenuată prin aplicarea unui stimul nociceptor suplimentar într -o
altă zonă a corpului, reflectând astfel inhibarea difuză endogenă [ 78]. Ca răspuns al durerii s -a
înregistrat atât senzația de durere subiectivă cât și potențialele somatosenzoriale evocate
(SEP), prin intermediul electroencefalogramei (EEG).
Confirmarea ipotezelor ar oferii primele informații privind perturbarea capacității de
modulare a durerii la nivelul sistemului endogen la pacienții cu dureri acute de spate. Aceste
rezultate pot aduce contribuții în cercetarea actuală în scopul elaborării de noi stra tegii
terapeutice pentru a trata durerile lombare acute și pentru a preveni tranziția la dureri lombare
cronice.

6.2. MOTIVAȚIA STUDIULUI
În SUA durerile lombare (de spate) sunt al cincilea motiv pentru ma joritatea vizitelor la
doctor [79 ,80]. Aproximativ un sfert din adulții din SUA au raportat dureri de spate având o
durată de cel puțin o z i întreagă în ultimele 3 luni [80 ], și 7,6% au raportat cel puțin un episod
sever a durerea lombară a cută într -o peri oadă de un an [81 ]. Durerea de spate este o afecțiune
comună, care afectează aproximativ o treime din populația adultă a Marii Britanii în fiecare
an.
În ciuda unei game tot mai mari și diversificate de medicamente sofisticate, diagnostice,
terapii fizice, și tehnici chirurgicale, milioane de oameni luptă cu dureri de spate și găsirea
unei soluții este încă incertă. În 2005, americanii au cheltuit 85.9 miliarde dolari în căutarea

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

85
unui tratament pentru durerile de spate prin intervenții chirurgicale, vizite la doctor,
radiografii, RMN și medicamente [80].
Durerile de spate au un impact substanțial asupra stilului și calității vieții. Un studiu
american a constatat că 72% dintre cei care au căutat un tratament pentru dureri de spate au
renunțat la activități de zi cu zi și la cele legate de sport. Durerea lombara cronică este o
situație în care se află milioane de oameni în toata lumea – toți resimt durere, dar determinarea
cauzei acestei dureri nu este deloc ușoara.
Acest studiu vine în întâmpinarea și confi rmarea supozițiilor și cercetărilor realizate în
ultimii ani privind investigarea, tratarea și evoluția durerii. De asemenea, aduce contribuții
originale în conceptul de modulație a durerii la nivel endogen.

6.3. MATERIALE ȘI METODE
 Participanți
Experimentul a fost realizat asupra a două grupuri, fiecare grup incluzând 11 subiecți:
un grup denumit grup control (CTRL) și un grup cu subiecți ce prezentau dureri acute de
spate (LBP). Subiecții care au fost incluși în grupul LBP au fost re crutați de către
Universitatea din Bern a, iar cei care au fost incluși în grupul CTRL au fost recrutaț i de către
Universitatea din Aalborg. Subiecții au desfășurat experimentul în cadrul universității în care
au fost recrutați. Studiul de față face parte din cadrul un ui amplu proiect realizat de către cele
două universități, proiect KEK Nr. 103/08). Fiecare subiect a semnat un Acord Informat de
Participare și o declarație pe proprie răspundere conform căreia a u respectat următoarele
criterii de includere: nu a suferit dureri cronice, nu se afle sub un tratament cu efecte
psihogene sau analgezic, nu sufere de boli ale sistemului nervos vegetativ (exemplu: diabet
zaharat, sincope repetate de cauză vegetativă) și să nu fi fost diagnosticat anterior cu vreo
boală cardio -vasculară. Conform criteriilor de eligibilitate cei 22 subiecți au fost împărțiți în
cele 2 grupuri CTRL și respectiv LBP. Protocolul de studiu a fost aprobat de către comitetul
de etică al Cantonul ui Bern a (KEK Nr. 103/08).
 Protocolul experimental
Fiecărui subiect a trebuit să i se fixeze casca EEG pe cap, s -a realizat contactul dintre
electrozi și piele prin umplerea lăcașelor din cască cu gel conductor . În tot acest timp s -a
urmărit pe monitorul calculatorului și a softului ASA -lab păstrarea impedanței a fiecărui
electrod sub 5kΩ. Pentru realizarea stimulării electrice nervului median au fot plasați electrozi
în zona încheieturii mâinii drepte unde este localizat nervul median. După ce au fost verificate
setările pentru achiziționarea adecvată și corectă a semnalelor EEG, s -au realizat înregistrări le
de control : înregistrare EEG cu "ochii închiși" și cu "ochii deschiși", fără stimulare dureroasă
pentru câte cinci minute fiecare.
Pentru fiecare grup, CTRL respectiv LBP, s -au înregistrat apoi semnalele EEG în
timpul aplicării stimulării electrice fără condiționarea stimulului timp de 10 minute. După
aceea fiecare subiect a fost rugat să scufunde mâna într -un recipient în care se afla apă cu
gheață (0,7 ± 0,1 ° C) pentru 10 minute.
Înainte de pregătirea subiecților pentru înregistrările EEG și aplicarea stimulilor
electrici și condiționarea acestora, subiecții din grupul LBP au fost supuși unui test mecani c.
Acest test a constat în aplicarea unui unei presiuni în zona lombară până când a fost percepută
senzația de durere intolerabilă.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

86
 Testul durerii la stimuli: mecanici (presiune) și electrici
Pragurile de toleranță și detectare a nivelului durerii au fost măsurate cu ajutorul
algometrului electronic de presiune. Pentru provocarea durerii în cazul subiecților cu dureri
acute lombare, s -a exercitat o presiune în zona lombară cu un aparat ce a exercitat o presiunea
crescută de la 0 la o presiune maximă de 1 000 kPa, cu o rată de 30 kPa /s . Pragul de durere
este definit ca fiind cea mai mică intensitate a stimulilor capabil să provoace senzația de
durere. Detectarea pragului de durere a fost definit ca punctul la care senzația de presiune se
transformă în durere. Subiecții au fost instruiți să apese pe buton atunci când s -a atins pragul
de durere maxima tolerabilă. Algometrul a afișat intensitatea presiunii aplicate atunci când
butonul a fost apăsat, și valoarea de prag a fost înregistrată. În cazul în care subiecții nu au
apăsat butonul până la valoarea de 1000 kPa, această valoare a fost considerată valoarea de
prag a durerii.
Stimularea electrică pentru provocarea durerii a fost realizată cu ajutorul unui stimulator
electric controlat de computer (Univer sitatea din Aalborg, Danemarca). Stimularea electrică a
fost efectuată prin intermediul electrozilor plasați în zona nervului median. S -a ales această
zona pentru stimulare deoarece nervul median este unul dintre cei mai importanți nervi
localizați în memb rul superior, și este des utilizat în studii experimentale ca test standard
pentru identificarea percepției durerii pe cortexul primar somato -senzorial. A fost aplicat un
trenuri de 5 impulsuri de stimulări consecutive, la un interval de 200ms, cu durata d e 1s
fiecare impuls. Trenul de stimuli a fost repetat de 120 de ori la fiecare 5 secunde, rezultând în
total o stimulare electrică de 10 minute.

Fig.6.2. Stimularea nervului median la niv elul încheieturii mâinii drepte [88]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

87
 Condiționarea St imulului: Testul presor la rece
Testul presor la rece constă în inserarea mâinii , pana mai sus de încheietura, într -o cuvă
ce conținea un amestec rece de apa și gheată . În acest experiment subiecții au fost rugați să
scufunde mâna dreaptă în apa cu gheață (0,7 ± 0 ,1°C) pentru maxim de 10 minute. Subiecții
au fost instruiți să -și retragă mâna atunci când au simțit că durerea a devenit intolerabilă și s -a
înregistrat timpul de scufundare a mâinii. În cazul în care subiecții nu au retras mâna în timp
de maxim 10 minute s -a înregistrat valoarea de la acel moment. Intensitatea durerii percepute
a fost evaluată în mod continuu raportată la o scala vizuală analog de durere (VAS), (scalat de
la 0 – nici o durere la 10 cm – durere intolerabilă) și au fost înregistrate d e către calculator.

6.4. ACHIZIȚIONAREA SEMNALELOR EEG
Pentru înregistrarea semnalelor EEG/SEP s -a utilizat sistemul de achiziție EEG de la
Advanced Neuro Technology (ANT), Casca WaveGuard, softul ASA -Lab și un amplificator
digital de înaltă rezoluție ce se conectează la PC prin fibra optică.
Caracteristici tehnice amplificator: 32 -256 canale de achiziție, frecvenț ă de eșantionare
256-2048Hz, rezoluție 22 biți, 71.5nV/bit, impedanța de intrare> 1012 Ohm, raport
semnal/zgomot> 110dB.

Fig.6.3. Amplificator 32 -256 canale de achiziție și casca WaveGuard, utili zate în cadrul
experimentului [89]

Fig. 6.4. Schemă de poziționare a electrozilor pe cască Waveguard pentru 128 de canale [89]

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

88
Potențialele SEP au fost înregistrate cu casca EEG WaveGuard, 128 -canale de achiziție
a semnalelor EEG, în conformitate cu Sistemul Internațional 10 -20.
Ca electrozi de referință s -au utilizat electrozii (M1) respectiv dreapta ( M2). Electrodul
de masă se află încorpo rat în casca EEG pe linia dintre AFz și Fz. Impedanța electrozilor fost
menținută sub 5 kΩ iar înregistrările au fost realizate cu ajutorul ASA ® (ANT ® Software –
ul), iar înregistrările au fost realizate cu o rată de eșantionare de 2048 Hz. Semnalele EEG a u
fost înregistrat e în decursul a patru sesiuni după cum urmează:
1) cu „ochii închiși ”, fără stimularea timp de cinci minute ;
2) cu „ochii deschiși ”, fără stimularea dureroasă pentru cinci minute;
3) cu stimularea electrică dureroasă așa cum este de scris mai sus timp de 10 minute;
4) cu stimularea electrică dureroasă și cu condiționarea stimulului (apă cu gheață), în
același timp, pentru zece minute.
În figura 6.5 sunt prezentate poze le din cadrul experimentului, subiectul care a
participat la exp eriment a fost inclus în grupul de CTRL. Experimentul a durat în total 3 ore,
perioadă în care subiectul a fost pregătit pentru înregistrările EEG (fixare cască, inserarea gel
electroconductor la fiecare electrod), efectuarea înregistrărilor de control (cu „ochii închiși ” și
cu „ochii deschiși ”), efectuarea înregistrărilor EEG cu stimulare electrică cu și fără
condiționarea stimulului.

Fig. 6.5. Poze din timpul experimentului

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

89

Fig. 6.6. Înregistrările EEG continue obținute în urma sesiunii experimentale

6.5. Prelucrarea și Analiza Semnalelor EEG
Datele au fost analizate cu ajutorul EEGLAB, un set de instrumente open source pentru
Matlab ® (Delorme A. & Makeig S 2004). A fost realizată o analiză preliminară pentru
identificarea caracteristicilor artefactelor prezente în semnalele achiziționate și au fost
elaborate metodele adecvate pentru eliminarea lor.
O importanț ă deosebită în procesarea semnalelor EEG o constituie înțelegerea
fenomenului și grafoelementelor specifice fenomenului neuronal . Trebuie ținut seama de
caracteristicile grafoelementelor patologice, p e baza dovezilor din literatură de specialitate,
pentru a se stabili metoda de eliminare a artefactelor astfel încât anumite „vârfuri” ce conțin
informații relevante pentru fenomenul studiat să nu fie considerate artefacte. Creierul uman
este considerat cel mai complex organ din univers, foarte complex și difer it de la individ la
individ. Traseele EEG sunt personalizate iar artefactele care apar sunt variate. Până în
momentul de față, în urma studiilor realizate, s -a realizat doar o clasificare generală a
artefactelor, benzilor de frecvență pentru diferite stări și li s -au atribuit anumite zone la nivelul
cortexului cerebral. Procesarea EEG se poate face manual și semiautomată, dar nu au fost
descrise încă în literatură metode de procesare EEG automate. Creierul este încă una din ele
mai mari enigme iar funcționa rea respectiv nefuncționarea adecvată a lui, este încă un mister
pentru cercetători și omenire.
 Pre-procesare
Semnalele EEG continue achiziționate au fost re -eșantionate la 1024Hz, segmentate în
epoci (metoda ferestruirii) , fiecare epocă de 1850 ms în care s -au inclus 250 ms prestimulus.
În total fiecare înregistrare EEG a avut 120 de epoci. Prin realizarea segmentării s -a realizat
practic extragerea porțiunii de interes din semnalul EEG continuu, interesul în acest studiu îl
constituie primele 250 ms dinaintea aplicării primului stimul și ultimele 600 ms după
aplicarea celui de al cincilea stimul. Căutarea și analizarea „vârfurilor” ERP a fost realizată în
acest interval de timp. Conform dovezilor din literatură de speciali tate [90], se va căuta o
componentă negativă a undei N1 între 60 -120 ms de la aplicarea primului stimul. Fiecare
epocă a suferit o corecție a tendințelor lente liniare prin aplicarea filtrului „trece sus” și s -a

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

90
realizat o corecție a liniei de bază folosin d perioada de prestimulus. Filtrarea de bandă a fost
aplicată între 0,5 Hz și 250 Hz, împreună cu un filtru de 50 Hz Notch.
Pentru realizarea acestei etape de procesare a semnalelor EEG achiziționate (22 de
înregistrări EEG timp de 30 min fiecare) a fos t realizat un cod în Matlab conform anexei 1.
Prin acest cod au fost realizate automat: încărcarea automata a fișierelor, redistribuirea lor în
funcție de grupul cărora aparțin (grup CTRL sau grup LBP), redenumirea fișierelor în funcție
de tipul stimulului aplicat în timpul achiziționării EEG (stimularea electrică fără condiționare
respectiv stimulare electrică cu condiționare apă cu gheată), schimbarea referinț ei electrozilor
la electrozii T 1 respectiv T2, detectarea canalelor „rele” și eliminarea lor pe b aza parametrilor
kurtosis normalizați.

Fig.6.7. Semnal EEG după rea lizarea etapei de pre -procesare

Fig. 6.8. În urma etapei de pre -procesare se pot identifica epocile cu cei 5 stimuli aplicați

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

91
După rularea codului Matlab pentru întregul set de date de 22 de subiecți au fost
obținute noile semnale EEG. După această etapă a fost realizată inspecția vizuală a fiecărui
nou semnal EEG. În aceste condiții, 3 -14% dintre epoci și canale au fost respinse. Decizia de
eliminare a unor canele a fost luată în baza unor statistici, realizându -se testul Kolmogorov –
Smirnov estimând astfel dacă avem distribuție gauss s au nu (nivel de semnificație de p=
0,05). Această etapă a fost necesară pentru a ne asigura că avem un semnal cât mai „curat”
pentru a putea aplica metoda analizei componentelor independente (ICA). Metoda ICA este o
metodă nouă adoptată în prelucrarea semnalelor EEG pentru eliminarea artefactelor oculare și
a artefactelor rezultate în urma mișcărilor mușchilor din jurul ochilor.

Fig. 6.9. Curba de repartiție Gauss a densității de probabilitate de distribuție a rezultatelor.
Date statistice obținute pentru eliminarea canalului F7
Este extrem de important să fie identificate artefactele care apar în semnalele EEG, în
special cele care pot c ontamina potențialele evocate. Primele semnale de artefacte, de obicei,
au amplitudini mari. Astfel, chiar dacă distribuția lor în semnalul EEG înregistrat este rară, ele
pot influența media potențialelor evocate și, în consecință, pot afecta rezultatele u nui
experiment. Respingerea artefactelor este, de asemenea, critică atunci când datele sunt
utilizate în procesul de prelucrare ulterioară în interpretarea activităților anumitor zone ale
creierului.
 Analiza componentelor Independente (ICA) .
Analiza comp onentelor independente este o tehnică apărută relativ recent în prelucrarea
semnalelor EEG, care încearcă să separe mărimi independente, care sunt inaccesibile direct în
transformări ale acestora care sunt măsurabile. ICA este un instrument matematic, baza t pe
separarea "oarba a surselor ". Problema separării oarbe a surselor este cel mai bine ilustrată de
problema cocktail -party: dacă mai multe microfoane înregistrează simultan mai mulți
vorbitori, cum se pot separa semnalele originale între ele?"
Prin generalizare, se obține problema identificării unor influențe suprapuse, din
măsurarea unor mărimi oarecare, ce reprezintă o transformare a datelor originale, necunoscute
atât ca natura, câ t și ca valoare [91 ,92]. Aceste date originale pot fi inaccesibile, perturbate de
zgomot sau necunoscute ca natură. Daca se fac anumite ipoteze despre model, ICA
demonstrează că se pot separa sursele și se poate determina transformarea. Doua proprietăți
esențiale caracterizează metoda ICA:

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

92
– Se caută mărimi care pot fi surs e, componente, variabile latente, care nu sunt vizibile
de la început și care pot fi denumite generic surse;
– Sursele sunt separate, pornind de la ipoteza independenței statistice mutuale.
ICA este o metodă dezvoltată recent și scopul său este de a găsi o reprezentare
distribuție nongaussiană a datelor astfel încât componentele să fie statistic independent e. Din
motive de simplitate de calcul și conceptual [ 93], se presupune modelul de bază linear ICA,
care este definită prin următoarea ecuație:
( ) ( ) (6.1)

Sursele independente se amestecă cu o matrice de amestecare A, creând vizibil
semnale multicanal. Scopul metodei ICA este de a estima semnalul , fără nici o informație
despre componentele sursă sau despre matricea de amestec are A. În scopul de a realiza acest
lucru, se estimează o matrice amestec inversă , pentru identificarea componentei
independente:
̂ ( ) ( ) (6.2)
Metoda ICA este o tehnică promițătoare pentru eliminarea artefactelor și reconstrucția
de potențiale EEG. Algoritmul ICA poate fi utilizat pentru descompunerea EEG, în scopul de
a extrage artefactele ECG [94 ], sau de a examina separat dinamica inter -relațională înt re
diferite zone corticale [95 ].
Descompunerea datelor pe baza algoritmilor ICA i mplică o schimbare liniară de bază:
din datele colectate prin intermediul unui singur canal la nivelul scalpului la un singur spațiu
"canal virtual" ce este utilizat ca o bază nouă. În loc de o colecție date înregistrate simultan
prin intermediul unui sing ur canal, datele sunt transformate într -o colecție de ieșiri înregistrate
simultan rezultate ca urmare a aplicării filtrelor spațiale întregului set de date. Aceste filtre
spațiale pot fi proiectate în mai multe moduri pentru mai multe scopuri.
Datele EEG constau în înregistrări ale potențialelor electrice în mai multe zone de pe
scalp. Aceste potențiale sunt probabil generate de amestecarea unor componente de bază ale
activității creierului. Această situație este destul de similar cu problema cocktail -party: am
dori să găsim sursele originale ale componentelor activității creierului, dar putem observa
doar amestecuri de componente. ICA poate dezvălui informații interesante cu privire la
activitatea creierului, oferind acces la componentele sale independente.
În EEG, fiecare componentă este o sumă liniară ponderată a formei de undă activată
de electrozi. Componentele independente cuprind aceste activări și hărți aferente scalpului
oferind astfel proiecțiile ponderilor componentei înapoi la nivel de electrod. În figura 6.10
este descrisă conceptual metoda ICA ce a stat la baza identificării componentelor
independente din semnalele EEG achiziționate și proiectarea lor la nivel topografic [96].

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

93

Fig. 6.10. Descrierea funcționării ICA care stă la ba za EEG -Lab, conform Swartz Center for
Computational Neuroscience [97]

Pentru realizarea și vizualizarea componentelor ICA s -a utilizat un instrument EEG -Lab
din cadrul Matlab ® (Delorme A. & Makeig S 2004). Pentru calculul componentele ICA ale
unui set de epoci EEG a fost utilizată funcția pop_runica.m (Fig. 6.11).

Fig. 6.11. Descompunerea ICA, EEGLAB Toolbox

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

94

Input data size [128,1894] = 128 channels, 1894 frames.
Finding 128 ICA components using logistic ICA.
Initial learning rate will be 0.001, block size 1284.
Learning rate will be multiplied by 0.9 whenever angledelta >= 60
deg.
Training will end when wchange < 1e -06 or after 1024 steps.
Online bias adjustment will be used.
Removing mean of each channel …
Final training da ta range: -145.3 to 1048.4
Computing the sphering matrix…
Starting weights are the identity matrix …
Sphering the data …
Beginning ICA training …
step 1 – lrate 0.001000, wchange 1.105647
step 2 – lrate 0.001000, wchange 0.670896
step 3 – lrate 0.001000, wchange 0.385967, angledelta 66.5 deg
step 4 – lrate 0.000900, wchange 0.352572, angledelta 92.0 deg
step 5 – lrate 0.000810, wchange 0.253948, angledelta 95.8 deg
step 6 – lrate 0.000729, wchange 0.239778, angledelta 96.8 deg
…
step 1024 – lrate 0.000005, wchange 0.000001, angledelta 60.1 deg
Inverting negative activations: 1 -2 -3 4 -5 6 7 8 9 10 -11 -12 -13
-14 -15 -16 17 -18 -19 -20 -21 -22 -23 24 -25 -26 -27 -28 -29 -30 31
-32 -33 -34
Sorting components in descending order of mean projecte d variance
…
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
50 51 52 32
Fig. 6.12. Rezultatul rulării funcției pop_runica.m , afișare a din linia text de comandă Matlab.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

95
În urma aplicării funcției din cadrul EEG -Lab, semnalul EEG a fost descompus în 104
componente independente, așa cum se observa în figura 6.13.

Fig. 6.13. Hârțile topografice a celor 104 componente independente obținut e în urma aplicării
metodei ICA

În urma aplicării metodei ICA au rezultat 104 componente independente, dintre care se
identifică componentele 2, 3, 8,18, 25, 36, 42, 77, 88 și 97 ca fiind componente ale
artefactelor stereotip.
Un exemplu de artefact este pr ezentat în figura 6.14, în care componenta IC25 este un
artefact tipic datorat discontinuității electrice (contactul slab dintre electrod și scalp). Această
componentă este localizată spațial prin analiza spectrului de putere în frecvență, unde se poate
observa un factor de putere mare la frecvențe înalte (25 -40Hz). De asemenea, se observă în
harta de activitate a ERP -ului că această componentă este prezentă undeva între epoca 25 -30,
cea ce confirmă faptul că este un artefact și o componentă independentă ce poate fi eliminată
fără ca aceasta să influențeze semnalul EEG.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

96

Fig. 6.14. Analiza spectrului de putere a componentei independent e IC 25 , componentă ce prezintă un
artefact datorat discontinuității electrice dintre electrod și scalp

În figura 6.15 avem componenta IC2 care este un artefact tipic datorat clipitului, în
urma analizei spectrului de putere se observă un factor de putere mare la frecvențe înalte (20 –
40Hz).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

97

Fig. 6.15. Analiza spectrului de putere a component ei independent e IC 2, componentă ce
prezintă un artefact datorat clipitului.

Pentru fiecare înregistrare EEG s -a aplicat metoda ICA pentru eliminarea artefactelor
stereotip. După eliminarea componentelor ce prezentau artefacte au fost generate noile
semnale EEG. În figura 6.16 se observă modificările traseelor EEG la nivel deformă de undă,
care apar în urma eliminării componentelor 2, 3, 8,18, 25, 36, 42, 77, 88 și 97.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

98

Fig. 6.16. a) Corecțiile traseelor EEG (canalele 1 -52) la nivel de formă de undă care apar în
urma eliminărilor componentelor ce conțin artefacte stereotip. Forma de undă cu roșu reprezintă
semnalul original, iar forma de undă cu albastru reprezintă semnalul rezultat în urma
eliminărilor componentelor cu artefacte

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

99

Fig. 6.16 . b) Corecțiile traseelor EEG (canalele 53 -104) la nivel de formă de undă care apar în
urma eliminărilor componentelor ce conțin artefacte stereotip. Forma de undă cu roșu reprezintă
semnalul original, iar forma de undă cu albastru reprezintă semnalul rezu ltat în urma
eliminărilor componentelor cu artefacte.

În figurile 6.17 este prezentat un exemplu al statisticilor obținute înainte de aplicarea
metodei ICA și după aplicarea acesteia. Se observă o îmbunătățire a canalului 30 după
eliminarea componentelor ICA care prezenta art efacte stereotip și care afecta calitatea
traseelor EEG.
Empiric, canalele „rele” au distribuția potențialelor mai departe de distribuția
gaussiană decât celelalte canale. În figura 6.17 se observă că canalul 30 după aplicarea
metodei ICA are o distribuție a potențialelor mult mai apropiată de distribuția gaussiană.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

100

Fig. 6.17. Curba de repartiție Gauss a densității de probabilitate de distribuție a rezultatelor. Date
statistice obținute pentru eliminarea canalului 30 înainte și respectiv după aplicarea metodei ICA.

 Pregăt irea datelor pentru analiza SEP
Înregistrarea EEG nu poate detecta răspunsul de mică amplitudine obținut ca urmare a
unei stimulări senzitive unice. Înregistrarea potențialelor evocate se face în urma analizării
computerizate a răspunsurilor medii obținute prin stimulări repetate. Răspunsurile medii SEP
sunt înregistrate sub formă de unde caracterizate prin latență și amplitudine.
Pentru identificarea SEP, care au valori de obicei între 0 -10µV (comparative cu un fond
de 50 -100µV), s -a utilizat metoda medierii (Fig. 6.18) .

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

101

Fig. 6.18. Schema de principiu pentru culegerea și obținerea SEP

Medierea coerentă în timp este un procedeu de extragere din zgomot (artefact) a unui
semnal ce prezintă periodicitate, în cazul de față fiind vorba de periodicitatea obținută prin
stimulare electrică repetitivă. Pentru ca medierea să fie realizată cu acuratețe mare, trebuie ca
semnalul care va fi mediat să nu prezi nte artefacte, astfel încât vârfurile SEP care apar în
semnalul EEG mediat să nu fie de fapt vârfurile unui artefact. De aceea în acest studiu realizat
o mare importanță și timp s -a acordat „curățării” traseelor EEG.
Medierea s -a realizat prin rularea fun cției pop_erpimage.m din cadrul EEG -Lab. Astfel
au fost mediate toate epocile din cadrul semnalelor EEG, în cazul stimulării fără condiționare
stimul și în cazul condiționăr ii stimulului (apă cu gheață).
După realizarea acestor etape de pre -procesare, procesare și mediere, au fost
identificate potențialelor evocate SEP în cazul fiecărui grup (CTRL și LBP). Pentru studiul de
față și pentru verificarea ipotezelor, relevantă a fost „citirea” componentelor medii ale
potențialelor evocate SEP după prima și a cincea stimulare a nervului median. Marcarea SEP
a celor doi parametri: latență și amplitudine, a fost făcută manual și au fost analizate pentru
ambele condiții (stimulare fără și cu gheață) în cazul fiecărui grup.

6.6. ANALIZA STATISTICĂ A DATELOR
Analiza statistică a datelor s -a realizat în etape prin intermediul programului specializat
de statistică “IBM SPSS Statistics ”. Din cauza indisponibilității pachetului SPSS în limba
romană, figurile și tabele extrase sunt în limba engleză.
Prima etapă a constat în realizarea unei analize statistice descriptive asupra da telor
obținute în cazul ce lor două grupuri și condiții. Acea stă analiză furnizează o prezentare
tabelară a mediei, deviației standard, erorii standard, intervalul de încredere pentru fiecare
grup. În continuare s -a realizat analiza de varia nță cu măsurători repetate (rm-ANOVA).
Metoda ANOVA furnizează informații as upra existenței sau nu, a unor diferențe
semnificative între mediile grupurilor comparate. Ulterior analizei de ansamblu prin metoda
rm-Anova s -a realizat analiza post -hoc. Analiza post -hoc verifică care sunt diferențele
semnificative între perechi diferit e de grupuri, luate două câte două. În cazul acestui studiu
analiza post -hoc fost realizat folosind testul Student -Newman -Keuls. Pentru toate testele de
semnificație statistică efectuate, s -a considerat că valori ale coeficientului p(sig.)< 0.05 indică
o diferență semnificativă între cele două grupuri și condiții.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

102
6.7. REZULTATE
6.7.1. Analiza potențialelor evocate SEP
În urma analizei realizate au fost identificate componentele medii negative SEP pentru
fiecare subiect din cele două grupuri (CTRL și LBP), după primul și al cincilea impuls de
stimuli electrici. Prima componentă negativă care a fost analizată după primul impuls de
stimuli a fost denumită (N1), iar componenta identificată după al cincilea impuls de stimuli a
fost denumită (N1r). Componentele N1 și N1r au fost identificate prin latența (ms) și prin
valoarea maximă a amplitudinii SEP (µV) pentru fiecare subie ct. Valoare medie a fost
obținută prin calcularea mediei valorilor SEP înregistrate în cazul fiecărui subiect și pentru
fiecare condiție (stimulare electrică și stimulare electrică+apă cu gheață), la nivelul
electrodului Cz care a prezentat cea mai mare am plitudine SEP (medie ± SD).
Tabelul 6.1. Statistică Descriptivă pentru N1
Statistica Descriptivă pentru N1

Group
Mean(ms) Std.
Deviation N
LatencySTIM CTRL 93,65909 22,752124 11
LBP 62,32182 21,507753 11
LatencyStimICE CTRL 91,97818 23,647078 11
LBP 64,47545 16,887616 11

Tabelul 6. 2. Statistică Descriptivă pentru N1 r
Statistica Descriptivă pentru N1r
Group Mean (ms) Std.
Deviation N
Latency
STIM CTRL 882,28182 15,745845 11
LBP 877,62727 15,110995 11
LatencyStimI
CE CTRL 903,22727 19,672219 11
LBP 874,64545 13,684763 11

În acest studiu avem 2 grupuri (CTRL și LBP) și 2 condiții (stimulare electrică fără
condiționare stimul și stimulare electrică cu condiționare stimulului prin apă cu gheață).
Componenta negativă N1 SEP a fost identificată cu un timp de latență medie 93,65 ± 22,75
ms pentru grupul de CTRL, în timp ce grupul LBP a prezentat o primă componentă negativă
N1 în jurul valorii 62,32 ± 21,5 ms. Aceste valori au fost obținute în cazul ap licării stimulului
electric fără condiționare (scufundarea mâinii în apă cu gheață). Pentru cazul în care am avut
stimulare cu condiționare rezultatele obținute au fost: N1 a fost identificat în jurul valorii de
91,97 ± 23,64 ms și 64,47 ± 16,88 ms pentru grup CTRL și respectiv, LBP.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

103

Fig. 6.19. Răspunsurile SEP, Cz -CTRL,
Stimulare electrică

Fig. 6.20. Răspunsurile SEP, Cz -CTRL,
Stimulare electrică cu condiționare stimul
(apă cu gheață)

Fig. 6.21. Grup CTRL – Componentele N1 și N1r au fost identificate prin latența și prin valoarea
maximă a amplitudinii SEP, după primul și al cincilea impuls de stimuli.

Fig. 6.21. Grup CTRL – Componentele N1 și N1r au fost identificate prin latența și prin valoarea
maximă a amplitudinii SEP, după primul și al cincilea impuls de stimuli cu condiționare stimul (apă cu
gheată) .

Componenta negativă N1r SEP, rezultată în urma aplicării celui de al cincilea impuls de
stimuli, a relevat un răspuns negativ la 88,22±15,47 ms pentru CTRL, în timp la grupul LBP a
fost identificată la 77,62±15,11 ms. Aceste valori au fost obținute în cazul aplicării stimulului
electric fără condiționare (scufundarea mâinii în apă cu gheață). Pentru situația în care s -a
aplicat stimul și s -a realizat și condiționarea stimulului, componenta negativă N1r a fost
identificată în jurul valorii de 103,27±19,6 7 ms și 74,64±13,68 ms pentru CTRL și de grup,
respectiv, LBP.
În cazul valorii medii a componentei N1 rezultatele indică o scădere de latență pentru
LBP comparativ cu grupul de CTRL, atât în cazul aplicării stimulului fără condiționare cât și
în cazul ap licării stimulului cu condiționare. În cazul componentei N1r se observă că timpul
de latență crește în cazul aplicării stimului cu condiționare (de la 88,22±15,47 ms la
103,27±19,67 ms ) .

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

104
Fig. 6.22. Răspunsurile SEP, Cz -LBP,Stimularea
electrică Fig.6. 23. Răspunsurile SEP, Cz -LBP, Stimulare
electrică cu condiționare stimul (apă cu gheață)

Fig.6.24 . Grup CTRL – Componentele N1 și N1r au fost identificate prin latența și prin valoarea
maximă a amplitudinii SEP, după primul și al cincilea impuls de stimuli.

Fig.6.25 . LBP Group – Componentele N1 și N1r au fost identificate prin latența și prin valoarea
maximă a amplitudinii SEP, după primul și al cincilea impuls de stimuli cu condiționare stimul
(apă cu gheată).

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

105

6.7.2. Statistici descriptive pentru componentele SEP
În cazul componentelor negative N1, calculul rm -ANOVA a arătat semnificație între: Grup
F(1,20)=13.032, p=0,002<0,05; Nu a fost găsită o corelație semnificativă între: condiție
F(1,20)=0,03, p=0.937>0,05; și nici o interacțiune între condiție și grup F(1,20)=2.22,
p=0.642>0,05. Rezultatele indică faptul că amplitudinea și latență a SEP nu sun t afectate de
condiționarea stimulului.

Tabelul 6.3 Rezultate statistice timp i latență componenta N1
Tests of Within -Subjects Contrasts
Latency: N1 SEP
Source condition Type III Sum of
Squares df Mean Square F Sig.
condition Linear .615 1 .615 .003 .954
condition * Group Linear 40.435 1 40.435 .222 .642
Error(condition) Linear 3634.659 20 181.733

Tabelul 6.4 Rezultate statistice amplitudine componenta N1
Tests of Within -Subjects Contrasts
Amplitude: N1r SEP
Source condition Type III Sum of
Squares df Mean Square F Sig.
condition Linear 2.269 1 2.269 .522 .478
condition * Group Linear .027 1 .027 .006 .938
Error(condition) Linear 86.978 20 4.349

Fig. 6.26. Evoluția deviației standard în funcție
de timpii de latență, pentru grupurile CTRL și
SG, în cazul celor 2 condiții date Fig. 6.27. Evoluția deviației standard în funcție
de amplitudine, pentru grupurile CTRL și SG, în
cazul celor 2 condiții date

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

106
În cazul componentelor negative N1r, calculul rm -ANOVA a arătat semnificație între: Grup
F(1,20)=7.29, p=0.013<0.05; condiție F(1,20)=8.15, p = 0.00978 <0.05; și interacțiunea între
condiție și grup și F(1,20)=14.46, p=0,0011<0.05. În urma analizei post -hoc pentru interacțiunea
condiție grup x s -a arătat că latența pentru grupul de control (CTRL) în timpul stimulării cu
condiționarea stimului (apă cu gheață) a fost semnificativ mai mare comparativ cu toate celelalte
combinații grup x condiți e (p <0.003 pentru toate comparațiile multiple).

Tabel ul 6.5 . Rezultate statistice timpi latență componenta N1r
Tests of Within -Subjects Contrasts
Latency: N1r SEP
Source cond Type III Sum
of Squares df Mean Square F
Sig.
cond Linear 887.404 1 887.404 8.153 .010
cond * Group Linear 1574.415 1 1574.415 14.465 .001
Error(cond) Linear 2176.902 20 108.845

Tabelul 6.6. Rezultate statistice timpi latență componenta N1r
Tests of Within -Subjects Contrasts
Amplitude: N1r SEP
Source cond Type III Sum of
Squares df Mean Square F Sig.
cond Linear .626 1 .626 .382 .544
cond * Group Linear 3.874 1 3.874 2.363 .140
Error(cond) Linear 32.789 20 1.639

Fig. 6.28. Evoluția deviației standard în funcție
de timpii de latență, pentru grupurile CTRL și
SG, în cazul celor 2 condiții date Fig.6.29 . Evoluția deviației standard în funcție
de amplitudine, pentru grupurile CTRL și SG, în
cazul celor 2 condiții date

 Hărți le topografice 3D ale potențialelor evocate SEP

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

107

Hărțile topografice 3D ale scalpului la activarea potențialelor evocate SEP au fost realizare
pentru o mai bună înțelegere a efectul de însumarea temporală ale răspunsurilor SEP în diferite
regiuni cerebrale ale creierului. Figura 6.29 ilustrează contrastul topografic la activarea
componentelor N1 și N1r ale potențialelor SEP. Hărțile topografice 3D au fost generate la
activarea compo nentei de vârf pentru fiecare grup și condiție: 60, 90, și 900 ms , figura 6.29 a) și
b).

Fig. 6.29. a) Grup CTRL – Hărțile topografice 3D ale activității corticale la activarea SEP

Aplicare Stimul Electric
Aplicare Stimul
Electric+Condiționare SEP activat la N1 60 ms SEP activat la N1r 900 ms

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

108

Fig. 6.29 . b) Grup LBP – Hărțile topografice 3D ale activității corticale la activarea SEP

În studiul actual s -a ales stimularea nervului median al mâinii drepte datorită faptului că
mâna dreaptă are proiecția la nivel cortical în emisfera stângă a creierului. Este bine cunoscut
faptul că emisfera stângă a creierului este sediul limbajului, calc ului logic, cifrelor și capacității
de analiză, de control și autocontrol.

SEP activat la N1r 90 ms SEP activat la N1r 900 ms
Aplicare Stimul Electric
Aplicare Stimul
Electric+Condiționare

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

109

6.8. DISCUȚII ȘI CONCLUZII
Activitatea prelungită sau puternic ă a neuronilor din coarnele dorsale , cauzată de stimularea
nociceptivă sau repetată, poate duce ulterior la creșterea capacit ății de reacție neuronal ă sau la
apariția hipersensibilității centrale [98 , 99]. Excitabilitate crescută este de obicei declanșată de
activitatea crescută a nociceptori lor, care modifica puterea de realizar e a conexiuni lor sinaptice
între nociceptor i și neuroni i senzitivi. Hipersensibilitatea SNC este considerat ă a fi important în
generarea și menținerea durerii cronice, iar unul din mecanismele folosite pentru a testa
hipersensibilitate centrală este „contr olul difuz inhibitor nociv” (DNIC) .
DNIC a fost definit pentru prima oara în cadrul unui studiu pe șobolani care a constat în
înregistrarea răspunsurilor neuronale de la nivelul cornului spinal dorsal, în urma aplicării unor
stimuli nocivi aplicați în diferite părți ale corpului sau prin stimula rea e lectrica a nervilor
periferici [ 100,101]. În urma acestui studiu s -a constatat că aplicarea de stimuli nocivi a suprimat
răspunsurile neuronale ale unităților convergente cornului dorsal fie prin stimularea electrică a
fibrei -C sau pri n aplicarea unui stimul termic [ 100, 101]. Acest efect inhibitor ar putea fi activat
de stimulii nocivi aplicați în diferite părți ale corpului astfel fiind de natură difuză [100].
Important, DNIC nu a fost demonstrat la nivelul unităților cornului dorsal care răspund doa r la
stimuli nocivi, proprioceptivi, sau inofensivi indicând astfel o cerință pentru neuronii convergenți
care primesc atât st imuli nocivi cât și inofensivi [ 99].
Rezultatele studiului de față evidențiază un efect DNIC în contextul însumării temporală
pentru grupul CTRL, dar nu în cazul de LBP de grup. Componenta negativă N1r SEP, rezultată în
urma aplicării celui de al cincilea impuls de stimuli, a relevat un răspuns negativ la 88.22±15.47
ms pentru CTRL, în timp ce la grupul LBP a fost identificată la 77 .62±15.11 ms. Aceste valori au
fost obținute în cazul aplicării stimulului electric fără condiționare (scufundarea mâinii în apă cu
gheață). Pentru situația în care s -a aplicat stimul și s -a realizat și condiționarea stimulului,
componenta negativă N1r a f ost identificată în jurul valorii de 103.27±19.67 ms și 74.64±13.68
ms pentru CTRL și de grup, respectiv, LBP. Analiza statistică, în cazul de însumarea temporală, a
arătat importanță între grupuri (p=0.013<0.05) și interacțiune între grup și condiție
(p=0 .0011<0.05).
Conform rezultatelor studiului avem o creștere mai mare în latență și amplitudinea
potențialelor SEP, după condiționarea stimulului pentru grupul CTRL în timpul însumării
temporale. Astfel a fost verificată prima ipoteză a studiului conform căreia: există o creștere în
latență a potențialelor SEP, după condiționarea stimulului (apă cu gheață), în cazul subiecților
sănătoși, comparativ cu pacienții care prezintă dureri acute. De asemenea au fost confirmate și
ipotezele conform cărora: existenț ă diferențe în activarea DNIC, în cazul subiecților sănătoși,
comparativ cu pacienții ce prezintă dureri acute; modularea durerii la nivelul sistemului endogen
este facilitată în contextul însumării temporale a stimulilor aplicați. Mai multe studii sugerea ză că
aplicarea stimulilor repetitivi are eficiență mai mare decât stimularea unică tradițională
[100,1001,102 ]. Procesul de inhibarea este mai puternic în timpul însumării temporale decât la
contextul non -însumării. Percepția durerii ca urmare ca efectului însumării temporale (Arendt –
Nielsen , în 1997c) a fost în concordanță cu studiil e anterioare: căldura radianta [102,103], căldură
contact direct [103,104,105] , stimulare electrică la ni vel cutanat [101,106] , musculare [106] , și
viscerale [107]. Staud a constatat că scufundarea mâinii într -un recipient cu apă fierbinte a redus

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

110
percepția durerii pentru ultimul impuls dintr -o serie de impulsuri de stimuli dureroși de căldura
aplicați într -o altă parte a corpului [108]. Acest lucru sugerează mai multe a ctivarea procesului de
inhibiție a durerii în contextul însumării tempor ale decât pentru un singur puls [28]. În mod
similar, Arendt -Nielsen a constatat însumarea durerii în urma stimulării cu laser (A -delta
activator). Se poate presupune că activarea DNIC este facilitată în contextul însumării stimulilor
aplicați [109].
Faptul că pacienții cu dureri acute au prezentat un deficit în activarea DNIC, atât în cazul
non-sumării cât și în cazul sumării stimulilor este o confirmare a ipotezelor sugerate de cătr e alte
studii. Într -un studiu recent, pacienții cu sindrom de colon iritabil (SII) sau tulburări temporo –
mandibulare (TMD), sau voluntari sănătoși li s -a aplicat un stimul dureros experimental sub
formă de căldură în creștere aplicat printr -o sondă plasată în palma și condiționarea stimulului s -a
realizat prin scuf undarea piciorului în apă rece [ 110]. Grupul de control a demonstrat sensibilitate
scăzuta la stimul termic nociv atunci când piciorul a fost scufundat în apă rece, indicând activarea
DNIC. În schimb DNIC a fost absent la pacienții cu IBS sau ATM, dar aceștia au arătat
sensibilitate sporită la stimuli nociceptivi [ 110]. Pierderea capacității de a induce DNIC s -ar putea
manifesta fie ca îmbunătățire a controlului inhibitor endogen sau ca o moda litate de facilitare a
durerii cronice [111]. Din aceste date obținute autorii au concluzionat că dure rea cronică poate fi
cauzată în mare parte de un sistem deficitar de inhibare a durerii [110]. Deficiențele de activare
DNIC au fost demonstrate la un număr mare de pacienții cu durerii cronice, inclusiv, de exe mplu,
osteoartrita de genunchi [ 112], pancrea tită cronică [ 113], poliartrită reumatoidă (1 14), și mialgii
[115]. Unele studii au sugerat că deficiențele de la nivelul sistemul de inhibare a durerii ar putea
fi responsabile pentru dezvoltarea durerii cronice. De exemplu, Willer și Peters au investigat dacă
durerile de spate acute sau cronice sunt capabile de a activa DNIC [116,117]. Staud R. sugerează
că prezența sau absența de DNIC poate fi un factor cu rol important în tranziția de la durea acută
la durere cronică [108] .
Într-un studiu cu subiecți ce prezentau dureri de cap tensionate (CTT) și subiecți sănătoși, a
fost aplicat un stimul termic nociv de condiționare la coapsă și un stimul electric nociv la antebraț
[118]. Grupul de control a demonstrat o percepția a durerii scăzute cu stimulul condițio nat, în
timp ce pacienții CTT nu, indicând un deficit de activare DNIC [118]. În mod similar, un studiu
mai recent folosind un garou pentru producerea durerii și însumarea temporală de impulsuri
repetate de la algometrului electronic de presiune a demonstr at deficiențele de activ are a DNIC la
pacienții cu CTT [ 119]. Într -un studiu recent efectuat cu șobolani, s -a demonstrat că expunerea
frecventă la morfina a dus la o sensibilitate crescută a pragurilor senzitive și pierderea capacității
de activare DNIC la nivelul neuronilor trigeminali în urma stimul ării electrice a dura -materului .
Aici, s -a emis ipoteza că pierderea de DNIC poate contribui la dezvoltarea de medi camente
pentru ameliorarea durerilor de cap [ 120].
Dovezi clinice susțin punctul de vedere în curs de dezvoltare, că disfuncțiile căilor
descendente modulatorii care rezultă prin reducerea/ facilitarea sporită a inhibării (de exemplu,
pierderea de DNIC), poate duce consolidarea durerii.
Hărțile topografice 3D ale scalpului la activarea potenția lelor evocate SEP au fost realizare
pentru o mai bună înțelegere a efectul de însumarea temporală a răspunsurilor SEP în diferite
regiuni cerebrale ale creierului. Hărțile topografice din figurile 9 a) și b), au ilustrat contrastul
topografic la activarea componentelor N1 și N1r corespunzătoare potențialelor evocate SEP. S -a
observat că la activarea componentelor de vârf pentru fiecare grup și condiție: 60, 90, și 900 ms,
atât pentru grupul CRTL cât și pentru LBP emisfera contra -laterală stângă este activat ă după

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

111

stimularea nervului median. La activarea componentelor N1 și N1r toate ariile activate au fost
localizate în jurul aceleiași zone ale creierului, după primul și al cincilea stimul, și anume aria
cortexului motor și senzitiv. Ambele arii sunt implica te în receptarea impulsurilor de la
analizatori (funcții senzoriale) și sunt implicate în transmiterea impulsurilor către mușchi (funcții
motorii).
Confirmarea ipotezelor acestui studiu oferă primele informații privind perturbarea
capacității de modulare a durerii le nivelul sistemului endogen la pacienții cu dureri acute de
spate. Aceste rezultate vor aduce contribuții importante în cercetarea actuală în scopul elaborării
de noi strategii terapeutice pentru a trata durerile lombare acute și pentru a prev eni tranziția la
dureri lombare cronice.

 Concluzii.
Cercetările realizate demonstrează activarea DNIC în cazul subiecții sănătoși în timpul
însumării temporale, cu o componentă negativă N1r, la 82,22 ± 15,47 ms, respectiv de la 103,22
± 19,67 ms (stimul condiționat), după debutul stimul al cincilea.
Analizele statistice în cazul subiecți lor cu dureri acute lombare nu au demonstrat un efect
DNIC în timpul însumării temporală sau non -însumării și se poate presupune că pacienții cu
dureri lombare prezintă o perturbare în modularea durerii la nivelul sistemului endogen. De
asemenea , s-a obser vat o scădere în latență în cazul LBP după aplicarea stimulilor c eea ce
demonstrează o hipersensibilitatea a SNC .

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

112

CONCLUZII

C.1. CONCLUZII GENERALE
Creierul a fascinat dintotdeauna și a generat întrebări , iar cercetătorii au făcut progrese
semnificative î n înțelegerea modului în care funcționează acest organ. El este principalul
coordonator și centru de comand ă al întregului organism . Funcționează ca și un computer,
procesâ nd și înmagazinâ nd informa ții. În ultimii 25 de ani, cercetătorii au reușit să elaboreze
harta celei mai mari părți a creierului, localizând diverse z one ce îndeplinesc anumite funcț ii. Cu
toate acestea, au mai rămas încă multe mistere privitoare la creierul uman.
Electroencefalografia este o tehnică clasică de înregistrare și interpretare a activității
electrice a creierului, dar care continuă să joace un rol principal în diagnosticul și tratamentul
pacienților cu tulburări neurologice (epilepsie). De asemenea este utilizată și în diverse studii
pentru monitorizarea și identificarea modificărilor oscilațiilor neuronale ce apar pe durata
diverselor procese cognitive (învățare, evocare) și a stimuli lor exteriori .
Deoarec e creierul nu poate fi investigat prea mult fără consecințe asupra modu lui său de
funcționare, metodele dedicate de analiză și procesare a semnalelor alături de simulările de rețele
neuronale sunt unelte indispensabile în neuroștiință. Aceste metode au nevoie în mod constant să
fie testate și îmbunătățite pentru a ține pasul cu noile teorii asupra funcționării creierului , teorii
care se elaborează și necesită a fi confirmate sau infirmate. În acest scop s -a tratat în această teză
prelucrarea și analiza semnalelor EEG cu accent pe oscilațiile neuronale, care sunt extrem de
importante pentru extracția și procesarea informației. În cadrul fiecărui studiu au fost identificate
problemele specifice procesării semnalelor și au fost propuse soluții sau alternative.
Metodele de analiză utilizate sunt bazate pe analiza în domeniul frecvenței , analiza
componentelor in dependente și analize statistice .
În această teză a fost prezentată aplicația „Instrument virtual pentru achiziția EEG”, care
oferă utilizatorul ui/ studentului posibilitatea să facă trecerea mai ușor de la noțiunile teoretice
dobândite despre înregistrări și prelucrări EEG la punerea lor în practică. Aplicația poate fi
utiliza tă în cadrul activităților de laborator specifice cursurilor de prelucrare ș i achiziție semnale.
Studenții au astfel posibilitatea să dobândească o viziune practică despre ce înseamnă achiziția
EEG, ce artefacte pot apărea în diferite condiții și importanța diferiților parametri caracteristici
semnalului. Este o metodă la îndemână și necost isitoare pentru dobândirea experienței în tehnica
de înregistrare EEG.
Pe parcursul acestei teze s -au prezentat două studii experimentale realizate: „Evaluarea
efectului stresului acut asupra memoriei implicite contextuale” și „Dovezi ale hipersensibilității
centrale la pacienții cu dureri lombare acute, evaluate folosind pote nțiale evocate
somatosenzoriale . În aceste studii s-a realizat monitorizarea EEG pe durata paradigmelor și
prelucrarea s emnale lor astfel încât să se păstreze doar comp onentele spectrale corespunzătoare

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

113

fenomenul ui fiziologic ce au prezentat interes pentru studiile de față. O importanță deosebită s -a
acordat interpretării fiziologice a rezultatelor obținute în urma prelucrării și procesării EEG .
Aceste studii realizate au contribuit la validarea unor teorii asupra funcționării creierului (studiul
din capitolul 5) dar și la elaborarea de noi teorii și concepte (studiul din capitolul 6).
Studiile prezentate în această teză au presupus dobândirea de către autor a unor noț iuni
avansate în domeniul neuroștiințelor și adaptarea tehnicilor de prelucrare a semnalelor EEG în
corelație cu fenomenul fiziologic.
Studiul „Dovezi ale hipersensibilității centrale la pacienții cu dureri lombare acute, evaluate
folosind potențiale evocate somatosenzoriale”, aduce contribuții semnificative și ipoteze noi
privind perturbarea capa cității de modulare a durerii la nivelul sistemului endogen la pacienții cu
dureri acute de spate. Aceste rezultate vor aduce contribuții importante în cercetarea actuală în
scopul elaborării de noi strategii terapeutice pentru a trata durerile lombare acute și pentru a
preveni tranziția la dureri lombare cronice.
Această teză poziționează activitatea științifică a autorului într -un mediu interdisciplinar la
confluența dintre procesarea de sem nale și neuroștiință . Datele sunt prelucrare și analizate pentru
a înțelege principiile fundamentale ce guvernează f uncțiile creierului și pentru a elabora noi teorii
cu privirea la funcționarea lui. Autorul speră că aceste studii se vor dovedi utile în elaborarea de
noi strategii terapeutice pentru tratarea epilepsiei și a durerii, și chiar pentru îmbunătățirea
sistemului Interfațare Creier -Computer.

C.2. CONTRIBUȚII ORIGINALE
Cele mai importante contribuții aduse prin intermediul acestei lucrări din domeniul
ingineriei electrice cu aplicații în neuroștiință sunt:
 Realizarea unei documentări consistente privind procesele fiziologice din creierul uman,
metodele de înregistrare a activității electrice a creierului, metodele de procesare a
semnalelor EEG, procese cognitive și stimuli nociceptivi ce pot influența activitatea
creierului.
 Realizarea unui instrument vi rtual pentru achiziția semnalelor EEG ușor de utilizat și foarte
practic în cadrul activităților de laborator specifice cursurilor de prelucrare și achiziție
semnale.
 Proiectarea și planificarea experimentală a studiilor prezentate în această teză: elabora rea
strategiei complete și optime de abordare a problemei de cercetat; stabilirea unei proceduri
de selectare a numărului de experiențe, a condițiilor de realizare pentru a răspunde problemei
studiate.
 Realizarea experimentelor și achizițiilor EEG în cazul celor două studii prezentate în teză:
„Evaluarea efectului stresului acut asupra memoriei implicite contextuale, cu ajutorul
semnalelor EEG ” și „ Dovezi ale hipersensibilității centrale la pacienții cu dureri lombare
acute, evaluate folosind potenția le evocate somatosenzoriale ”; elaborarea și stabilirea
ipotezelor de studiu.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

114
 Realizarea tuturor programelor de calcul necesare pre -procesării semnalelor EEG și
localizării surselor curenților electrici corticali.
 Realizarea unui cod în Matlab ce poate fi utilizat pentru pre -procesarea semnalelor EEG, și
poate fi adaptat în funcție de spectrul de frecvență al semnalelor. De cele mai multe ori re –
eșantionarea, eliminarea artefactelor de bază și segmentarea semnalului în funcție de
fenomenul fiziologic ce se dorește a fi analizat, ocupă o mare parte din timpul celui care
realizează prelucrarea de semnal.
 Pregătirea datelor obținute în urma prelucrării semnalelor EEG pentru interpretare prin
intermediul analizei statistice; identificarea valorilor SEP în cazul fiecărui subiect, în urma
inspecției vizuale a fiecărui semnal.
 Analiza statistică a datelor experimentale colectate și dezvoltarea unor relații cantitative
funcționale între variabilele independente și cele dependente; interpretarea sensului
rezultatelor analizei statistice în corelație cu paradigmele studiate.
 Elaborarea de noi teorii și concepte cu privire la funcționarea creierului pe durata unor
fenomene fiziologice: evidențierea capacității foarte mare de învățare datorată ghidării
contextuale și susceptibilitatea ei la stres; perturbarea capacității de modulare a durerii la
nivelul sistemului endogen la pacienții cu dureri acute de spate ;
 Diseminarea rezultatelor prin a rticole publicate în volume de P roceedings și reviste de
specialitate, cotate ISI sau indexate în baze de date internaționale.
Pe durata desfășurării studiilor de doctorat am desfășurat, susținută de „Competitivitate și
performanța în cercetare prin programe doctorale de calitate (ProDOC)
POSDRU/88/ 1.5/S/61178”, două stagii în laboratoare din universități de prestigiu, fiecare având
durată de patru luni:
– 15.10.2011 – 15.01.2012, Universitatea Tehnica din Sofia, Facultatea de Automatică,
Departamentul de Măsurări Electrice.
– 01.03.2012 – 01.07.2012, U niversitatea din Alborg -Danemarca, Facultatea de Medicină,
Departamentul de Interacțiune Senzorio -Motor.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

115

C.3. PERSPECTIVE DE DEZVOLTARE ULTERIOARĂ
Pe baza cunoștințelor dobândite î n cadrul aceste teze de doctorat, se dorește ca pe viitor să
se dezvolte un sistem de achiziție EEG având la bază tehnologia de electrozi „uscați” iar
transmisia pote nțialelor electrice înregist rate să se facă prin transmi sie Wi -Fi. O importanță
deosebită în ultima vreme o prezintă dezvoltarea de electrozi și căști EEG care să ofere
disponibilitate în utilizarea zilnică a acestora de către pacienți , fără ajutorul medicilor respectiv a l
tehnicienilor. Utilizarea electrozilor normali necesită folosirea unui gel de conducție, al cărui
principal dezava ntaj este dificultatea modului î n care se efectuează inserarea acestuia în lăcașul
fiecărui electrod (în special la sistemele performante EE G cu 128 de electrozi ). Un dezava ntaj
secundar este necesitatea î ndepărtă rii gelului de conducție din p ăr, procedura care se poate
efectua doar prin spălarea scalpului pentru care însă nu există întotdeauna condiț ii adecvate.
Dezvoltarea acestor electrozi și a tehnologiei este utilă și necesară în cazul sistemului de
Interfațare Creier -Calculator, deoarece pacienți trebuie s ă poată utiliza zilnic casca EEG.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

116

ANEXE
A1. COD MATLAB PRE -PROCESARE

%eeglab;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%
freq_sam = 1024; %sampling frequency desired. ONLY for downsampling
subjects=22; %number of subjects to process

input_folder =
{ 'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -08\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -09\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -10\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -11\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -12\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -13\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -15\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -16\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -17\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Cont rol\\CTRL -18\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Control \\CTRL -19\\';…

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%

'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-001\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-008\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-015\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-022\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-029\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EX P\\Datasets EEG \\LBP\\LBP-030\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-040\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-051\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-054\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-055\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\LBP\\LBP-056\\';…
};
output_folder = {
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -08\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -09\\';…

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

117

'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -10\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -11\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -12\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -13\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -15\\';…
'D:\\Documente pers& Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -16\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -17\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTR L-18\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\Control \\CTRL -19\\';…

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datase ts EEG \\Output \\LBP\\LBP-001\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-008\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-015\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-022\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-029\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-030\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-040\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-051\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-054\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-055\\';…
'D:\\Documente pers&Facultate \\Doctorat \\AAU EXP \\Datasets EEG \\Output \\LBP\\LBP-056\\';…
};

files1 = { 'CTRL -07_stim_' ; 'CTRL -07_stim_eis_' };
files2 = { 'CTRL -09_stim_' ; 'CTRL -09_stim_eis_' };
files3 = { 'CTRL -10_stim_' ; 'CTRL -10_stim_eis_' };
files4 = { 'CTRL -11_stim_' ; 'CTRL -11_stim_eis_' };
files5 = { 'CTRL -12_stim_' ; 'CTRL -12_stim_eis_' };
files6 = { 'CTRL -13_stim_' ; 'CTRL -13_stim_eis_' };
files7 = { 'CTRL -15_stim_' ; 'CTRL -15_stim_eis_' };
files8 = { 'CTRL -16_stim_' ; 'CTRL -16_stim_eis_' };
files9 = { 'CTRL -17_stim_' ; 'CTRL -17_stim_eis_' };
files10 = { 'CTRL -18_stim_' ; 'CTRL -18_stim_eis_' };
files11 = { 'CTRL -19_stim_' ; 'CTRL -19_stim_eis_' };
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
files12 = { 'LBP -001_stim_' ; 'LBP -001_stim_eis_' };
files13 = { 'LBP -008_stim_' ; 'LBP -008_stim_eis_' };
files15 = { 'LBP -029_stim_' ; 'LBP -029_stim_eis_' };
files16 = { 'LBP -030_stim_' ; 'LBP -030_s tim_eis_' };
files17 = { 'LBP -040_stim_' ; 'LBP -040_stim_eis_' };
files18 = { 'LBP -051_stim_' ; 'LBP -051_stim_eis_' };
files18 = { 'LBP -015_stim_' ; 'LBP -015_stim_eis_' };
files14 = { 'LBP -022_stim_' ; 'LBP -022_stim_eis_' };
files19 = { 'LBP -054_stim_' ; 'LBP -054_stim_eis_' };
files20 = { 'LBP -055_stim_' ; 'LBP -055_stim_eis_' };
files21 = { 'LBP -056_stim_' ; 'LBP -056_stim_eis_' };

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

118

files = struct('filenames', {files1 files2 files3 files4 files5 files6 files7 files8 files9 files10 files11});

%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%

for m=1:subjects
[ALLEEG, EEG, CURRENTSET] = prepross_MNEP(ALLEEG, EEG, CURRENTSET,
files(1,m).filenames, char(input_folder(m)), char(output_folder(m)), freq_sam);
[ALLEEG, EEG, CURRENTSET] = get_epoch_MNEP(ALLEEG, EEG, CURRENTSET,
char(output_folder(m)), files(1,m).filenames, m);

eeglab redraw ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function [ALLEEG, EEG, CURRENTSET]= get_epoch_MNEP(ALLEEG, EEG, CURRENTSET,
filepath, files_to_process, index) %function for creat epochs

n=length(files_to_process);

for k=((index*n) -n+1):1:(index*n)
[ALLEEG EEG CURRENTSET] = pop_newset(ALLEEG, EEG,
CURRENTSET, 'retrieve' ,k,'study' ,0);
EEG = eeg_checkset( EEG );

epochs_name = strcat(EEG.setname, ' epochs' );

if (ischar(EEG.event(1,1).type))
for i=1:size(EEG.event,2)
EEG.event(i).type=str2num(EEG.event(1,i).type);
EEG.event(i).urevent=i;
end
end
%this array has all the events' types
events_type={ALLEEG(k).event(1,:).type};

if(ischar(events_type{1})) %if the first event is char I assume all of them are.
events_type=cellfun(@str2double, events_type, 'UniformOutput' , false); So I convert them to
double
end

etv=cell2mat(events_type);

%now we look for the events that don´t have any information, according to
our experiment. But first we start by looking for the use events.

useful_events_index=find(etv==1);

%We need to create an array with the indices of the events to be deleted.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

119

aux_all_useful_events_index=zeros(1,length(etv));

%this "for" cycle turns into '1' the events indices which are useful
for o=1:length(useful_events_index)
aux_all_useful_events_index(useful_events_index(o))=1;
end

%All the events indices that don´t have a '1' are spurious..
%So the spurious events are found here
spurious_events_index=find(~aux_all_useful_events_index);

%The events found on the previous step are deleted here
EEG = pop_editeventvals(EEG, 'delete' ,spurious_event s_index(:));

[ALLEEG EEG] = eeg_store(ALLEEG, EEG, CURRENTSET);
EEG = eeg_checkset( EEG );
EEG = pop_saveset( EEG, 'savemode' ,'resave' );
[ALLEEG EEG] = eeg_store(ALLEEG, EEG, CURRENTSET);

events_type =[];
etv=[];

useful_events_index=[];
aux_all_useful_events_index=[];
spurious_events_index=[];

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

for j=1:5:length(EEG.event) -5
if j+4<length(EEG.event)
EEG.event(1,j+1).type=2;
EEG.event(1,j+2).type=3;
EEG.event(1,j+3).type=4;
EEG.event(1,j+4).type=5;
end
end

EEG = pop_saveset( EEG, 'savemode' ,'resave' );
[ALLEEG EEG] = eeg_store(ALLEEG, EEG, CURRENTSET);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

epochs_name = strcat(EEG.setname, ' epochs' );

EEG = pop_epoc h( EEG, { '1' }, [-0.250 1.6], 'newname' , epochs_name, 'epochinfo' , 'yes');
EEG = eeg_checkset( EEG );

EEG = pop_rmbase( EEG, [ -250 0]); %we remove according to the pre -cue baseline

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

120
EEG = eeg_checkset( EEG );

file_name=strcat(epochs_name, '.set');
output_file_path = strcat(filepath, file_name);

%Save the file…
[ALLEEG EEG CURRENTSET] = pop_newset(ALLEEG, EEG, CURRENTSET, …
'setname' ,epochs_name, 'savenew' ,…
output_file_path, 'overwrite' , 'on','gui','off');
EEG = eeg_checkset( EEG );

epochs_name = [];
file_name = [];
output_file_path = [];

end

return

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%function prepross_MNEP()
% function for fileters,re -reference.
function [ALLEEG, EEG, CURRENTSET] = prepross_MNEP(ALLEEG, EEG, CURRENTSET, files,
input_folder, output_folder, freq_sam)
[n,m] = size(files );

for k= 1:n
input_file_path = strcat(input_folder,char(files(k))); %creates the input file path e.g.
'C:\Desktop \New Folder \data01'.

EEG = pop_loadeep(input_file_path , 'triggerfile' , 'on'); %this function loads a dataset from a *.cnt
file
EEG = eeg_checkset( EEG ); %this function checks consistency between the file amd the dataset in
memory

if(EEG.srate>freq_sam) %changes sample rate if it is bigger than freq_sam
EEG = pop_resample( EEG, freq_sam);
end

EEG = pop_eegfilt( EEG, 0, 150, [], [0]); %low pass filter
EEG = eeg_checkset( EEG );

EEG = pop_eegfilt( EEG, 0.5, 0, [], [0]); %high pass filter
EEG = eeg_checkset( EEG );

EEG = pop_eegfilt( EEG, 49, 51, [], [1]); % Notch filter at ~50 Hz
EEG = eeg_checkset( EEG );

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

121

%Look up channel locations…
EEG=pop_chanedit(EEG, 'lookup' ,'C:\\Program
Files\\MATLAB \\eeglab10_2_4_4a \\plugins \\dipfit2.2 \\standard_BESA \\standard -10-5-cap385.elp' );
EEG = eeg_checkset( EEG );

%re-reference to T7+T8
EEG = pop_reref( EEG, [36 123] );

% %reject bad channels
% [EEG, EEG.reject.indelec] = pop_rejchan(EEG, 'elec',[1:126]
,'threshold',5,'norm','on','measure','kurt');
% EEG = eeg_checkset( EEG );

%update the dataset information
aux_subject_filename=char(files(k)); %'CTRL -01 stim_' or 'LBP -001_stim_'

if(strncmp(aux_subject_filename, 'CTRL' , 4))
group= 'control' ;
subject=aux_subject_filename(1,6:7);
else
group= 'LBP' ;
subject=aux_subject_filename(1,5:7);
end
if(strfind( aux_subject_filename, 'eis'))
condition= 'stim+ice' ;
else
condition= 'stim' ;
end

EEG = pop_editset(EEG, 'subject' , subject, 'group' , group, 'condition' , condition);

%rename the output files
dataset_name=strcat(char(files(k)), '_fbpn_rerefT7T8' ); %creates the name of the current processed
dataset e.g. 'data01fbp' -> fbpn: filter -> bandpassed, notched; rerefM1M2: re -reference M1+M2
file_name=strcat(dataset_name, '.set'); %creates the name of the new dataset file e.g. 'data01fbpr.set'
output_file_path = strcat(output_folder, file_name);

[ALLEEG EEG CURRENTSET] = eeg_store(ALLEEG, EEG); % creates a new dataset at the next
available free space in the ALLEEG variable.
EEG = eeg_checkset( EEG );
%now we save it into output_file_path folder
[ALLEEG EEG CURRENTSET] = pop_newset(ALLEEG, EEG,
CURRENTSET, 'setname' ,dataset_name, 'savenew' ,output_file_path, 'overwrite' , 'on');
EEG = eeg_checkset( EEG );

input_file_path = 0;
dataset_name = 0;

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

122
file_name = 0;
output_file_path = 0;
group=[];
condition=[];
subject=[];

end
eeglab redraw ;

return

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

123

BIBLIOGRAFIE
[1] Marius Ignatescu , „Cum functioneaza neuronul biologic?” http://www.descopera.org/cum –
functioneaza -neuronul -biologic/ , 2009.
[2] M. Morega, „ Bioelectromagnetism – Notițe de curs: Neuroni și celule senzitive”, 2006.
[3] A. Olteanu, V. Lupu, „Neurofiziologia sistemelor senzitivo -senzoriale ”, Editura Presa Univers itară
Clujeană Cluj -Napoca,2000.
[4]***
http://www.lefo.ro/aelbiologie.lefo.ro/biologie/USC/Lectia04_Neuronul_P roprietati/13_material_bibliotec
a/proprietati_neuron.html .
[5] *** http://www.sfn.org/skins/main/pdf/brainfacts/brainfacts.pdf .
[6] Leon Zăgrean , „Neuroștiințe. Principii Fundamen tale”, Editura Universitară „Carol Davila” București,
2002.
[8] *** http://www.scribd.com/doc/25259829/1/Sistemul -nervos -central .
[9] Mihaela Morega , „Bioelectromagnetism”, Editur a Matrix Rom 1999.
[10] L. Marin, „Sistemul nervos central”, http://lucianmarin.com/anatomie/pagina/nervos -central/ , 2008.
[11] Georg Deutsch, Sally P. Springer , “Left Brain, Right Brain: Perspectives From Cognitive
Neuroscience”, W.H. Feeman and Company/Worth Publishers. 2001.
[12] Betty Edwards, “Drawing on the Right Side of t he Brain”, Penguin Putnam Press, 1999.
[13] Fei Xu, E .S. Spelke and S . Goddard , “Number sense în human infa nts”, Develo pmental Science, Vol.
8, 2005.
[14] Leon Zăgrean, „ Elemente de Neurobiologie”, edit. Univ. „Carol Davila”, București, 1996.
[15] *** http://www.scritube.c om/medicina/MANIFESTARI -ELECTRICE -ALE -CELU43197.php .
[16] F.H Duffy, V.G Iyer, W.W Surwillo , “Clinical Electroencephalography and Topographic Brain
Mapping”, Springer –Verlag New York Inc. 1989.
[17] Radu Ciorap , „Introducere în electronică biomedicală”, Editura PIM Iași, 2007.
[18] Gaurav Sood , “Innovative brain wave monitoring technology”, http://www.gizmowatch.com/ , 2010.
[19] Ioan P. Mihu , „Procesarea numerica a semnalelor. Noțiuni Esențiale ”, Ed. Alma Mater, Sibiu, 2005.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

124
[20] O.Postolache, C. Foșalău, „Tratarea numerică a semnalelor ”, Editura "Gh.Asachi" Iași, 2000.
[21] M. Fatourechi, A . Bashashati, R.K. Ward, G.E . Birch , “Emg and eog artifacts in brain computer
interface systems: a survey” , Clinical Neurophysiology 118(3):480 –494, (2007).
[22] Letian Wang , “Artifact Correction for EEG Alpha Wave Measurements”, M.Sc. thesis, Delft
University of Technology, 2009.
[23] V.J.S. Krishnaveni, L.R K. Anitha , “Removal of ocular artifacts from eeg using adaptive thresholding
of wavelet coefficients”, Journal of Neural Engineering , 3(4):338 –346, 2006.
[24] P.S. Kumar, R. Arumuganathan, K. Sivakumar, and C.Vimal, “Removal of ocular artifacts in the eeg
through wavelet transform without using an eog reference channel”, Int . J. Open Problems Compt. Math ,
2008.
[25] Mehrdad Fatourechia, Ali Bashashatia, Rabab K. Warda, Gary E. Bircha, “EMG and EOG artifacts
in brain computer interface systems: A survey”, Clinical Neurophysiology, Volume 118, Issue 3, March
2007, Pages 480 –494.
[26] L. Wang, “Psycho -physiological event detection from ECG and EEG”, pages 20 –27, 2009.
[27] Graces Correa , “Artifact removal from EEG signal s using adaptive filters in cascade”, IOP
publishing Ltd, 90, pp.1 -10.5, 2007.
[28] G. Geetha, S.N. Geethalakshmi , “Scrutinizing different techniques for artifact removal from EEG
signals”, International Journal of Engineering Science and Technology (IJEST ), 2011.
[29] Yandong Li, “Automatic removal of the eye blink artifact from EEG using an ICA -based template
matching approach”, Psyological Measurement; 27:425 -436, 2006.
[30] V. Krishnaveni , “Automatic identification and Removal of ocular artifacts from E EG using Wavelet
transform”, Measurement Science Review, Vol. 6, No.4, pp.45 -57, 2006.
[31] P. Senthilkumar , “Removal of Ocular Artifacts in the EEG through Wavelet Transform without
using an EOG Reference Channel”, Int. J. Open Problems Compt. Math., Dec ember, Vol. 1, No. 3 pp.188 –
200, 2008.
[32] A. Grossman, J. Morlet , “Decomposition of Hardy Functions into Square Integrable Wavelets of
Constant Shape”, SIAM Journal of Mathematical Analysis, vol. 15, 1984.
[33] I. Daubechies , “The Wavelet Transform, Tim e-Frequency Localization and Signal Analysis ”, IEEE
Trans.Inform.Theory, vol.36, no.9, 1990.
[34] I. Daubechies , “Ten Lectures on Wavelets ”, CBSM -NSF Regional Conference in Applied
Mathematics, SIAM, 1992.
[35] Sever Pașca , „Instrumentație Virtuală – Lecți i practice LabVIEW”, Editura Cavallioti, București,
ISBN: 978 -973-7622 -47-1, 2007.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

125

[36] A.C. Enache , C. Cepiș că, A. -M. Paraschiv, C.K. Banic ă, “Virtual instrument for
electroencephalography data acquisition”, IEEE – 2011 7th International Symposium on Advanced Topics
in Electrical Engineering (ATEE), 2011, ISSN : 2068 -7966 , ISBN: 978 -1-4577 -0507 -6
[37] Alan Baddeley , „Memoria umana ”, Ed. Teora, Bucuresti, 1998,
[38] Henry Bergson , „Materie si memorie ”, Ed. Polirom, Iasi, 1996;
[39] Ribot Théodule , „Memoria si patologia ei ”, Ed. IRI, Bucuresti, 1998;
[40] Mielu Zlate , „Secretele memoriei ”, Ed. Științifică și enciclopedic ă, Bucuresti, 1979;
[41] Mielu Zlate , „Psihologia mecanismelor cognitive ”, Ed. Polirom, Iasi, 1999.
[42] Mielu Zlate , „Psihologia mecanismelor cognitive ”, Ed. Polirom, Iasi, 2004.
[43] Andrei Cosmovici , „Psihologie generală ”, Ed. Polirom, Iași, 1996.
[44] Al in Roșca, „Psihologie generală ”, Editura Didactică și Pedagogică, București, 1978.
[45] C.E. Westerberg, B. B. Miller, P. J. Reber, N. J . Cohen, K. A. Paller, Neural correlates of contextual
cueing are modulated by explicit learning, Neuropsychologia 49, 3439 –3447, 2011.
[46] M.M. Chun, Y . Jiang , Top -down attentional guidance based on implicit learning of visual covariation.
Psychological Science, 10, 360 -36 , 1999.
[47] M.M. Chun, Y. Jiang , Contextual Cueing: Implicit Learning and Memory of Visual Context Guides
Spatial Attention, Cognitive Psychology 36, 28 –71, 1998.
[48] M.M. Chun, Y . Jiang , Implicit, long -term spatial context memory. Journal of Experimental
Psychology: Learning, Memory, Cognition, 29, 224 -234, 2003.
[49] M.M. Chun, K. Nakayama , On the functional role of implicit visual memory for the adaptive
deployment of attention across views, Visual Cognition, 7, 65 -81, 2000.
[50] S.-J. Park, M. -S.Kim, M.M. Chun , Concurrent working memory load can facilitate selective attention:
Evidence for specialized load. Journal of Experimental Psychology: Human Perception & Performance,
33, 1062 -1075, 2007.
[51] A.C. Enache , “Evaluation of implicit contextual memory with EEG methods”, 3rd WSEAS
International Conference on sensors and signals (SENSING'10); ISSN: 1792 -6211 / ISSN: 1792 -6238;
ISBN: 978 -960-474-248-6.
[52] R.D. Pascualmarqui, C.M . Michel, D. Lehmann , Low -resolution electromagnetic tomography – a new
method for localizing electrical -activity in the brain, International Journal of Psychophysiology Volume:
18 Issue: 1 Pages: 49 -65 Published: OCT 1994.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

126
[53] R.D. Pascualmarqui, Standardized low -resolution brain electromagnetic tomography (sLORETA):
Technical details, Methods and Findings in Experimental and Clinical Pharmacology,Volume: 24 pp. 5 –
12, 2002.
[54] M.J. Henckens, E.J. Hermans, Z. Pu, M. Joels, G. Fernandez, “Stressed Memories: How Acute Stress
Affects Memory Formation in Humans” , J Neurosci. 2009 Aug 12;29(32):10111 -9.
[55] N.Y. Oei, B.M. Elzinga, O.T. Wolf, M. B. de Ruiter, J. S. Damoiseaux, J. P. Kuijer, D. J. Veltman, P.
Scheltens, S.A. Rombouts S, “Glucocorticoids Decrease Hippocampal and Prefrontal Activation during
Declarativ e Memory Retrieval in Young Men”, Brain Imaging and Behaviour , pp.31 -41, 2007.
[56] C.M. Andrei, A.I. Olteanu, „Neuroștiințe: de la mecanisme moleculare și celulare la comportament și
evoluți e”, Vol. I: “Dezvoltarea sistemului nervos”, Editura Dacia, Cluj -Napoca, 2002.
[57] ***, http://www.scrigroup.com/sanatate/DUREREA -ACUTA54714.php .
[58] M. Curatolo, S. Petersen -Felix, L. Arendt -Nielsen, C. Giani, A.M. Zbinden, B.P. Radanov, “Central
hypersensitivity in chr onic pain after whiplash injury”, Clin J Pain 2001; 17:306 –15.
[59] M.K. Johansen, T. Graven -Nielsen, A.O. Schou, L. Arendt -Nielsen, “Generalized muscular
hyperalgesia in chronic whiplash syndrome ”, Pain 1999:229 –34.
[60] D.D. Price, R. Staud , M.E. Robinson, A.P. Mauderli, R. Cannon , C.J. Vierck, “Enhanced temporal
summation of second pain and its central modulation in fibromyalgia patients ”, Pain 2002; 99:49 –59.
[61] J.Sörensen, T.Graven Nielsen, K.G. Henriksson, M. Bengtsson, L. Arendt -Nielsen, “Hyperexcitability
in fibromyalgia ”, J Rheumatol 1998; 25:152 –5.
[62] R. Staud, C.J. Vierck, R.L. Cannon, A.P. Mauderli, D.D. Price , “Abnormal sensitizati on and temporal
summation of second pain (wind -up) in patients with fibromyalgia syndrome ”, Pain 2001;91:165 –75.
[63] F. Mauguiere, T. Allison, C. Babiloni, H. Buchner, A.A. Eisen, D.S. Goodin , “Somatosensory evoked
potentials ”, Electroencephalogr Clin Neu rophysiol Suppl. 1999;52:79 -90.
[64] M.R. Nuwer, M. Aminoff, J. Desmedt, A.A. Eisen , D. Goodin, S. Matsuoka , “IFCN recommended
standards for short latency somatosensory evoked potentials. Report of an IFCN committee. International
Federation of Clinical Neurophysiology”, Electroencephalogr Clin Neurophysiol. 1994 Jul;91(1):6 -11.
[65] L.Hu, Z.G. Zhang, Y.S. Hung, K.D. Luk, G.D. Iannetti, Y. Hu, “Single -trial detection of
somatosensory evoked potentials by probabilistic independent component analysis and wavelet filtering ”,
Clin Neurophysiol. 2011 Jul;122(7):1429 -39. Epub 2011 Feb 4.
[66] A.Y. Neziri, M. Dickenmann, P. Scaramozzino, O.K. Ande rsen, L. Arendt -Nielsen, A.H. Dickenson,
M. Curatolo, “Effect of intravenous tropisetron on modulation of pain and central hypersensitivity in
chronic low back pain patients”, Pain. 2012 Feb;153(2):311 -8. Epub 2011 Nov 17.
[67] D. Le Bars, A.H. Dickenson, J.M. Besson , “I. Effects on dorsal horn convergent neurones in the rat”,
Pain Jun., 6(3):283 -304. 1979.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

127

[68] M.L. Peters, A.J. Schmidt, M.A. Van den Hout, R. Koopmans, M.E. Sluijter , “Chronic back pain,
acute postoperative pain and the activation of diffu se noxious inhibitory controls (DNIC)”, Pain. 1992
Aug;50(2):177 -87. PMID: 1408314.
[69] L. Arendt -Nielsen, K. Gotliebsen, “Segmental inhibition of laser -evoked brain potentials by ipsi – and
contralaterally applied cold pressor pain ”, Eur J. Appl Physiol Occup Physiol. 1992;64(1):56 -61.
[70] U. Johannesson, C.N.de Boussard, G. B. Jansen, N. Bohm -Starke, “Evidence of diffuse noxious
inhibitory controls (DNIC) elicited by cold noxious stimulation in patients with provoked vestibulodynia”,
Pain. 2007 Jul;130( 1-2):31 -9. Epub 2006 Dec 13.
[71] T. Sanada, H. Kohase, K. Makino, M. Umino, “Effects of alpha -adrenergic agonists on pain
modulation in diffuse noxious inhibitory control”, J. Med Dent Sci. 2009 Mar; 56(1):17 -24. PMID:
19697515.
[72] K. Fujii, K. Motohas hi, M. Umino, “Heterotopic ischemic pain attenuates somatosensory evoked
potentials induced by electrical tooth stimulation: diffuse noxious inhibitory controls in the trigeminal
nerve territory”, Eur J Pain. 2006 Aug;10(6):495 -504. Epub 2005 Sep 26.
[73] C. R. France, S. Suchowiecki , “A comparison of diffuse noxious inhibitory controls in men and
women”, Pain. 1999 May;81(1 -2):77 -84. PMID: 10353495.
[74] L. Arendt -Nielsen, K.A. Sluka, H.L. Nie , “Experimental muscle pain impairs descending inhibition”,
Pain. 2008 Dec;140(3):465 -71. Epub 2008 Nov 1. PMID: 18977598.
[75] S. Lautenbacher, M. Kunz, S. Burkhardt , “The effects of DNIC -type inhibition on temporal
summation compared to single pulse processing: does sex matter?”, Pain. 2008 Dec; 140(3):429 -35.
[76] R. Defrin, I. Tsedek, I. Lugasi, I. Moriles, G. Urca, “The interactions between spatial summation and
DNIC: Effect of the distance between two painful stimuli and attentional factors on pain perception”, Pain.
2010 Nov;151(2):489 -95. Epub 2010 Sep 6.
[77] M. Serrao, P. Rossi, G. Sandrini, L. Parisi, G.A. Amabile, G. Nappi, F. Pierelli , “Effects of diffuse
noxious inhibitory controls on temporal summation of the RIII reflex in humans”, Pain. 2004 Dec;
112(3):353 -60.
[78] H.Y. Ge, P. Madeleine, L. Arendt ‐Nielsen , “Sex differences in temporal characteristics of descending
inhibitory control: an evaluation using repeated bilateral experimental induction of muscle pain”, Pain
2004; 110(1 ‐2):72‐78.
[79] L.G. Hart, R.A. Deyo, D.C. Cherkin , “Physician office visit s for low back pain. Frequency, clinical
evaluation, and treatment patterns from a U.S. national survey”, Spine. 1995; 2011 -9 PubMed.
[80] R.A. Deyo, S.K. Mirza, B.I. Martin , “Back pain prevalence and visit rates: estimates from U.S.
national surveys, 2002”, Spine. 2006;312724 -7 PubMed.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

128
[81] T.S. Carey, A.T. Evans, N.M. Hadler, G. Lieberman, W.D. Kalsbeek, A.M. Jackman , “Acute severe
low back pain. A population -based study of prevalence and care -seeking”, Spine. 1996; 21339 -44
PubMed.
[88] *** http://www.carpal -tunnel -treatments.com/median -nerve.html .
[89] Advanced Neuro Technology, http://www.ant -neuro.com/ .
[90] J.F. John, Y. Sherlyn, C.S . Adam, P.K. Simon, H.T. Jogin, M. Sophie, “The N1 auditory evoked
potential component as an endophenotype for schizophrenia: high -density electrical mapping in clinically
unaffected first -degree relatives, first -episode, and chronic schizophrenia patients ”, Eur Arch Psychiatry
Clin Neurosci. 2011 August; 261(5): 331 –339.
[91] A .D. Back, A.S. Weigend , “A First Application of Independent Component Analysis to Extracting
Structure from Stock Returns”, Int. J. on Neural Systems, 8(4), 1998, pp. 473 -484.
[92] P. Pajunen, J. Karhunen , “Least -Squares Methods for Blind Source Separation Based on Nonlinear
PCA”, Int. Journal of Neural Systems, vol. 8, oct./dec. 1998, pp. 601 -612.
[93] S. Makeig, M. Westerfield, T.P. Jung , J. Covington, J. Townsend, T.J. Sejnowski, E.Courchesne ,
“Functionally independent components of the late positive event -related potential during visual spatial
attention”, Journal of Neuroscience, 19(7):2665 -2680, 1999.
[94] A. Delorme, T. Sejnowski, S. Makeig, “Enhanced detection of artifacts in EEG data using higher -order
statistics and independent component analysis”, NeuroImage, vol. 34, no. 4, pp. 1443 -1449, Feb. 2007.
[95] A. Delorme, S. Makeig, “EEGLAB: an open source toolbox for analysis of single -trial EEG dynamics
including independent component analysis”, Neurosci Methods J., vol. 134, pp. 9 -21, 2004.
[96] A. Hyvärinen, O. Erkki , “Independent Component Analysis: Algorithms and Applications”, FIN –
02015 HUT, Finland, Neural Networks, 13(4 -5):411 -430, 20 00.
[97] *** http://sccn.ucsd.edu/eeglab/
[98] A.C. Chen, M. Shimojo, P. Svensson, L. Arendt -Nielsen , “Brain Dynamics of Scalp Evoked Potentials
and Current Source Densities to Repetitive (5 -pulse Train) Painful Stimulation of Skin and Muscle:
Central Correlate of Temporal Summation”, Brain Topogr. 2000 Fall;13(1):59 -72.
[99] R. Staud, M.E. Robinson, C.J. Vierck, D.D Jr. Price , “Diffuse noxious inhibitory controls (DNIC)
attenuate temporal summation of second pai n in normal males but not in normal females or fibromyalgia
patients”, Pain 2003 Jan;101(1 -2):167 -74.
[100] D. Le Bars, A.H. Dickenson, J.M. Besson , “Diffuse noxious inhibitory cont rols (DNIC). II. Lack of
effect on non -convergent neurones, supraspinal inv olvement and theoretical implications”, Pain.
1979;6(3):305 –327.
[101] D. Le Bars, A.H. Dickenson, J.M. Besson , “Diffuse noxious inhibitory controls (DNIC). I. Effects on
dorsal horn convergent neurones in the rat”, Pain. 1979; 6(3):283 –304.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

129

[102] K.S. S utton, C.F. Pukall, S. Chamberlain , “Diffuse Noxious Inhibitory Control Function in Women
With Provoked Vestibulodynia”, Clin J Pain. 2011 Dec 30. PMID: 22209799.
[103] J. Nielsen, L. Arendt -Nielsen , “The importance of stimulus configuration for temporal s ummation of
first and second pain to repeated he at stimuli”, Eur. J. Pain, 1998 2: 329 -341.
[104] D.D. Price, J.W. Hu, R. Dubner, R.H. Gracely, “Peripheral suppression of first pain and central
summation of second pain evoked by noxious heat pulses”, Pain, 1977, 3: 57 -68.
[105] L. Arendt -Nielsen, A.M. Drewes, J.B. Hansen, and U. Tage -Jensen , “Gut pain reactions in man: An
experimental investigati on using short and long duration transmucosal electrical stimulation”, Pain,
1997b, 69: 255 -262.
[106] L. Arendt -Nielsen, O.K. Andersen, T.S Jensen, “Brief prolonged and repeated stimuli applied to
hyperalgesic skin areas: a psychophysical study”, Brain Re s. 1996, 712: 165 -167.
[107] L. Arendt -Nielsen L, T. Graven -Nielsen, P. Svensson, T.S. Jensen , “Temporal summation in muscles
and referred pain areas: an experimental human study. Muscle Nerve”, 1997a, 20: 1311 -1313.
[108] R. Staud, M.E. Robinson, C.J. Jr. Vierck, D.D. Price , “Diffuse noxious inhibitory controls (DNIC)
attenuate temporal summation of second pain in normal males but not in normal females or fibromyalgia
patients”, Pain 2003 Jan;101(1 -2):167 -74.
[109] O.K. Andersen, L.M. Jensen, J. Brennum , L . Arendt -Nielsen , “Evidence for central summation of C –
and A -delta nociceptive activity in man”, Pain 1994 Nov; 59(2):273 -80.
[110] C.D. King, F. Wong, T. Currie, A.P. Mauderli, R.B. Fillingim, J.L. Riley , “Deficiency in endogenous
modulation of prolonge d heat pain in patients with Irritable Bowel Syndrome and Temporomandibular
Disorder”, Pain. 2009; 143(3):172 –178.
[111] L. Villanueva , “Diffuse Noxious Inhibitory Control (DNIC) as a tool for exploring dysfunction of
endogenous pain modulatory systems”, Pain. 2009; 143(3):161 –162.
[112] L. Arendt -Nielsen , “Sensitization in patients with painful knee osteoarthritis”, Pain. 2010;
149(3):573 –581.
[113] S.S. Olesen, “Descending inhibitory pain modulation is impaired in patients with chronic
pancreatitis”, Cli n Gastroenterol Hepatol. 2010;8(8):724 –730.
[114] A.S. Leffler, E. Kosek. T. Lerndal, B. Nordmark, P. Hansson , “Somatosensory perception and
function of diffuse noxious inhibitory controls (DNIC) in patients suffering from rheumatoid arthritis”,
Eur J. Pai n. 2002;6(2):161 –176.
[115] A.S. Leffler, P. Hansson, E. Kosek , “Somatosensory perception in a remote pain -free area and
function of diffuse noxious inhibitory controls (DNIC) in patients suffering from long -term trapezius
myalgia”, Eur J. Pain. 2002;6(2): 149–159.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

130
[116] J.C. Willer, T. de Broucker , A. Barranquero, M. F. Kah n, “Brain evoked potentials to noxious sural
nerve stimulation in sciatalgic patients”, Pain 1987;30:47 -58.
[117] M.L. Peters., A. J. M. Schmidt, M. A.Van den Hout, R. Koopsman, M. E. Sluitjer , “Chronic back
pain, acute postoperative pain and the activation of diffuse noxious inhibitory controls (DNIC)” Pain
1992;50:177 -87.
[118] A. Pielsticker, G. Haag, M. Zaudig, S. Lautenbacher, “Impairment of pain inhibition in chronic
tension -type headache”, Pain. 2005;118(1 –2):215 –223.
[119] S. Cathcart, A.H. Winefield, K. Lushington, P. Rolan , “Noxious inhibition of temporal summation is
impaired in chronic tension -type headache”, Headache. 2009; 50(3):403 –412.
[120] A. Okada -Ogawa, F. Porreca, I. D. Meng , “Sustained morphine -induced sensitization and loss of
diffuse noxious inhibitory controls in dura -sensitive medullary dorsal horn neurons”. J . Neurosci. 2009;
29(50):15828 –15835.
[121] A.Y. Neziri, M. Curatolo, E. Nüesch, P. Scaramozzino, O.K. And ersen, L. Arendt -Nielsen, P. Jüni,
“Factor analysis of responses to thermal, electrical, and mechanical painful stimuli supports the
importance of multi -modal pain assessment”. Pain 2011 May; 152(5):1146 -55. Epub 2011 Mar 10.
[122] F. Seifert, G. Kiefer, R . de Col, M. Schmelz, C. Maihöfner , “Differential endogenous pain
modulation in complex -regional pain syndrome. Brain”, Mar; 132(Pt 3):788 -800. Epub 2009 Jan 19.
[123] S. Lautenbacher, M. Kunz, S. Burkhardt, “The effects of DNIC -type inhibition on temporal
summation compared to single pulse processing: does sex matter?” Pain 2008 Dec; 140(3):429 -35. Epub
2008 Oct 23. PMID: 18950941.
[124] A. Pielsticker, G. Haag, M. Zaudig, S. Lautenbacher, “Impairment of pain inhibition in chronic
tension -type headache”, P ain. 2005 Nov; 118(1 -2):215 -23. Epub 2005 Oct 3.
[125] E. Kosek, P. Hansson, “Dysfunction of diffuse noxious inhibitory controls (DNIC) but normal
vibration induced modulation of somatosensory function in fibromyalgia patients”, Abstracts of the 8th
World Congress on Pain, Vancouver 1996:477.
[126] M.L. Peters, A.J.M. Schmidt, M.A. Van den Hout, “Chronic low back pain and the reaction to
repeated acute pain stimulation”, Pain 1989;39:69 -76.
[127] S. Lautenbacher, R.B. Rollman , “Possible Deficiencies of Pain Modulatio n in Fibromyalgia”, Clin J
Pain 1997 Sep; 13(3):189 -96.
[128] T. Allison, G. McCarthy, C.C. Wood, “The relationship between human long -latency somatosensory
evoked potentials recorded from the cortical surface and from the scalp”, Electroencepha logr Clin
Neurophysiol. 1992 Jul -Aug; 84(4):301 -14.
[129] T.Allison, G. McCarthy, C.C. Wood, T.M. Darcey, D.D. Spencer, P.D. Williamson , “Human cortical
potentials evoked by stimulation of the median nerve. I. Cytoarchitectonic areas generating short -latency
activity”, J Neurophysiol. 1989 Sep; 62(3):694 -710.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

131

[130] T.Allison, G. McCarthy, C.C. Wood, D.D. Spencer, P.D. Williamson, “Human cortical potentials
evoked by stimulation of the median nerve. II. Cytoarchitectonic areas generating long -latency activity”, J .
Neurophysiol. 1989 Sep; 62(3):711 -22.
[131] D.F. McLaughlin, E. F. Kelly , “Evoked potentials as indices of adaptation in the s omatosensory
system of humans: a review and prospectus”, Brain Res -Brain Res Rev 1993; 18:151 -206.
[132]***
http://www.scritube.com/tehnica -mecanica/MASURARI -FOLOSIND -NSTRUMENTAT41973.php
[133] http://www.labsmn.pub.ro/academic/labview/L6/3%20Functii%20pentru%20Clustere%201.ht
[134] *** http://beams.ulb.ac.be/beams/
[135] N.J. Cohen , “Preserved learning capacity in amnesia: Neuropsychological evidence for multiple
memory systems”, Butters, & L. R. Squire (Eds.), Neuropsychology of memory (pp. 84 –103). New York:
Guilford Press.
[136] N.J. Cohen, H. Eichenbaum , “Memory, amnesia, and the hippocampal system”, Cambridge: MIT
Press, 1993.
[138] R.W. Cox, “AFNI: Software analysis and visualization of functional magnetic resonance
neuroimages”, Computers and Biomedical Research, 29, 162 –173.
[139] Z. Dienes, G. Altmann , “Transfer of implicit knowledge across domains: How implicit and how
abstract?” pp. 107 –123, New York: Oxford University Press.
[140] H. Eichenbaum, N. J. Cohen , “From conditioning to cons cious recollection: Memory systems of the
brain”, New York: Oxford University Press.
[141] K. Foerde, B.J. Knowlton, R.A. Poldrack , “Modulation of competing memory systems by
distraction”, Proceedings of the National Academy of Sciences of the United State s of America, 103,
11778 –11783.
[142] A.J. Greene, W.L. Gross, C.L. Elsinger, S.M. Rao , “Hippocampal differentiation without
recognition: An fMRI analysis of the contextual cueing task. Learning & Memory”, Learn Mem. 2007
August; 14(8): 548 –553.
[143] B.D. Gonsalves, I. Kahn, T. Curran, K.A. Norman, A.D. Wagner , “Memory strength and repetition
supression: Multimodal imaging of medial temporal cortical contributions to recognition”, Neuron, 47,
751–761.
[144] L.M. Harrison, A. Duggins, K.J. Friston , “Encodin g uncertainty in the hi ppocampus”, Neural
Networks, pp. 535–546.
[145] R.N.A Henson, M.D. Rugg , “Neural response supression, haemodynamic repetition effects, and
behavioural priming”, Neuropsychologia, 41, 263 –270.

Cercetări privind monitorizările EEG ale fenomenelor bioeletrice

132
[146] R.N.A Henson, T. Shallice, R. Dolan , “Neuroimaging evidence for dissociable forms of repetition
priming”, Science, 287, 1269 –1272.
[147] R. Insausti, K. Juottonen, H. Soininen, A.M. Insausti, K. Partanen, P. Vainio, “MR volumetric
analysis of the human entorhinal, perirhinal, and temporopol ar cortices”, American Journal of
Neuroradiology, 20, 659 –671,1998.
[148] S. Kastner, L.G. Ungerleider , “Mechanisms of visual attention in the human cortex ”, Annual
Reviews of Neuroscien ce, 23, 315 –341, 2000.
[149] I.R. Olson, M. M. Chun , “Temporal contextu al cueing of visual attention” , Journal of Experimental
Psychology: Learning, Memory, & Cognition, 27, 1299 -1313.
[150] C. Sandi, M. Pinelo -Nava, M. Teresa, “Stress and Memory: Behavioral Effects and Neurobiological
Mechanisms”. Neural Plasticity 2007: 1 –20.
[151] Andreea C. Enache , „Evaluarea memoriei implicite contextuale cu ajutorul biosemnalelor EEG ”,
METSIM 2009 – The 5th International Conference on Metrology & Measurement Systems, București,
România, 2009, ISSN: 2068 -7966; ISBN: 978 -606-8082 -22-66.
[152] Ana-Maria Paraschiv, Costin Cepișcă, Cosmin K. Banică, Andreea C. Enache , “Remote
Monitoring ECG Signals System”, ATEE 2011 -The 7th International Symposium on ADVANCED
TOPICS IN ELECTRICAL ENGINEERING, București, România, 2011; ISSN : 2068 -7966; ISBN: 978 –
1-4577 -0507 -6
[153] Ioana Raluca Edu, Teodor Lucian Grigorie, Andreea -Cătălina Enache , Florin Ancuta,
Costin Cepișcă , “A redundant aircraft attitude system based on miniaturised gyro clusters data
fusion by using kalman filtering ”, Revista “Scien tific Bulletin”, Buletinul POLITEHNICII din
București, Seria D Inginerie Mecanică, București, România, 2012 .
[154] Andreea -Cătălina Enache , Federico G. Arguissain, José A.B. Manresa, Ole, K. Andersen, Alban
Neziri, Michele Curatolo, Costin Cepișcă, Lars Arendt -Nielsen , “Evidence for central hypersensitivity in
patients with acute low back pain assessed using somatosensory evoked potentials”, Brain Research
Journal .