Year: 2023
Type: dissertation
Abstract: A eletroencefalografia (EEG) é uma técnica não invasiva que permite medir os campos elétricos gerados pela corrente elétrica cerebral. Esta é uma técnica bastante utilizada em neuroimagem devido à sua excelente resolução temporal. Para colmatar a fraca resolução espacial, foi desenvolvida EEG de alta densidade que consiste num número elevado de elétrodos no capacete de EEG (normalmente 128 ou 256). A eletroencefalografia de alta densidade é muitas vezes associada à ressonância magnética, uma vez que a conjunção de ambas as técnicas garante uma elevada resolução temporal e espacial, para além de permitir uma melhor reconstrução das fontes de atividade cerebral. Uma das diversas formas de avaliar a atividade cerebral com EEG é recorrendo aos potenciais relacionados a eventos (ERPs) que são criados por certos eventos, como por exemplo estímulos visuais e auditivos. Estes ERPs podem ser quantificados usando o método de dessincronização/sincronização. A dessincronização (ERD, do inglês ‘Event-Related Desynchronization’) representa uma diminuição da amplitude do EEG após o estímulo, enquanto que a sincronização (ERS, do inglês ‘Event-Related Synchronization’) simboliza um aumento da amplitude do EEG após o estímulo. A presente dissertação encontra-se associada à experiência Brain as Predictor (BAP) que pertence ao projeto eMOTIONAL Cities. O objetivo maior deste projeto é obter evidências de como os espaços urbanos moldam os processos cognitivos e emocionais do ser humano. A experiência BAP recorreu a EEG e fMRI (functional Magnetic Resonance Imaging), em simultâneo, para estudar a atividade cerebral e avaliar o potencial dessa mesma atividade como fator de previsão dos espaços urbanos no ser humano. Já em relação ao objetivo concreto da presente dissertação, este prende-se em dois pontos. Primeiramente, pretende-se verificar se a análise espetral dos sinais de EEG pode servir como fator de previsão da popularidade dos espaços urbanos. Para além disto, pretende-se verificar se existe diferença significativa na análise espetral dos sinais de EEG entre as imagens tiradas por turistas e as fotografias tiradas por residentes, recorrendo para tal a um boxplot de violino. A experiência Brain as Predictor tem como objetivo averiguar se a atividade cerebral pode ser utilizada para prever a forma como os ambientes urbanos afetam as pessoas, nomeadamente a atividade do córtex frontal, visto que é uma zona proeminente no que toca a tarefas de memória de curto prazo e atenção. Para este estudo recorreu-se estímulos visuais que consistiam em imagens de diferentes ambientes urbanos de Lisboa (uns mais turísticos e outros mais urbanos). Os sujeitos saudáveis participaram na experiência, na qual classificaram cada imagem utilizando um joystick numa escala de 1 a 4. A experiência seguiu um paradigma específico, incluindo intervalos de ecrã em branco, apresentação de cruzes pretas, apresentação de imagens e classificação por estrelas, cada uma com intervalos de tempo definidos. Os participantes passaram por duas sessões com 80 imagens cada, perfazendo a duração total de cada tarefa 640 segundos. O processo completo de aquisição de dados durou 1280 segundos. Para esta experiência foram recrutados 25 participantes saudáveis com idades compreendidas entre os 18 e 35 anos (é = 23.1 e = 3.24). De modo a analisar os dados provenientes da eletroencefalografia, foi necessário fazer um préprocessamento para limpar o sinal. Os sinais de EEG são frequentemente ruidosos, pelo que a limpeza é um passo crucial para uma correta análise. O processo compreendeu várias etapas, como a remoção de artefactos, a resolução de um efeito de corte residual nos dados, a remoção de canais desnecessários, a redução da amostragem dos dados para eficiência computacional, a aplicação de um filtro passa-banda para limitar a informação de frequência, a limpeza agressiva para remover canais e partes de dados com ruído, a interpolação para colmatar a ausência de canais ruidosos e, finalmente, a re-referenciação dos dados EEG utilizando a referenciação média. A Análise de Componentes Independentes (ICA) foi também efetuada para classificar os componentes em diferentes categorias, sendo listados em: cérebro, músculo, olho, coração, ruído de linha, ruído de canal e outros, com valores de limiar específicos para rejeição. Para analisar estes potenciais, é muito recorrente utilizar o domínio tempo-frequência dos ritmos do EEG. Esta análise consiste num gráfico 3D com o tempo e a frequência nos eixos xx e yy, respetivamente, e uma outra variável no eixo zz, como por exemplo a amplitude. Para obter o gráfico no domínio tempo-frequência, foi utilizado o método da convolução com wavelets, com o sinal do EEG e em diversas frequências pertencentes às ondas cerebrais. Este método é uma alternativa ao espetrograma convencional e garante uma ótima resolução temporal e em frequência. Para fazer esta convolução, as wavelets de Morlet complexas foram sobrepostas ao EEG pré-processado. Após a convolução, os valores de potência resultantes foram extraídos de frequências de 8 a 30 Hz e de -1 a 4 segundos em relação ao início do estímulo. Foi escolhida uma onda de 10 ciclos para equilibrar a resolução temporal e de frequência. A análise principal teve como objetivo comparar as respostas do EEG a imagens tiradas por residentes e turistas. Os conjuntos de dados EEG foram carregados, segmentados, e analisados dentro das bandas de frequência alfa e beta, aplicando uma correção da linha de base. Os ensaios com tempos de reação inferiores a 1 segundo foram excluídos. A qualidade dos dados foi ainda melhorada através da remoção de épocas com potência excessiva em bandas de frequência específicas. As representações tempo-frequência de todos os ensaios foram traçadas e foram aplicadas máscaras estatísticas para identificar pontos significativos com base em testes t. Foi efetuada uma comparação entre imagens de residentes e de turistas utilizando boxplots e gráficos de violino. Além disso, o coeficiente de correlação de Spearman foi utilizado para explorar a relação entre as respostas EEG (ERS/ERD) e a popularidade da imagem para os pontos significativos. Após a análise tempo-frequência, foi aplicada uma máscara estatística que identificou três regiões significativas que foram nomeadas com base na gama de frequências pertencentes: região alfa, região alfa-beta e região beta. A região na banda alfa está associada ao processamento de estímulos visuais, marcadas por ERD, indicando ativação cortical durante a visualização de imagens. As regiões alfa-beta e beta estão relacionadas com a tomada de decisões, marcadas por ERS, indicando uma redução do processamento de informações no córtex frontal. Na zona alfa, a população dos turistas apresenta valores de ERS/ERD mais elevados e com menor variabilidade do que o grupo dos residentes. Apesar disto, ambos os grupos parecem ser estatisticamente semelhantes ( = 0.87). Foi evidenciada uma correlação entre popularidade e ERS/ERD ( = 0.24, < 0.05). Para a zona alfa-beta, a população dos residentes apresenta valores de ERS/ERD ligeiramente superiores, porém ambos os grupos apresentam uma variabilidade semelhante. O t-test aplicado evidencia a identidade estatística entre ambas as populações ( = 0.30). A popularidade não se correlacionou significativamente com a ERS/ERD ( = 0.07, > 0.05). Na zona da banda beta, a população dos residentes tinha dados mais dispersos e o grupo dos turistas tinha valores ERS/ERD mais elevados. A análise estatística sugere que as populações não são estatisticamente diferentes ( = 0.54). A relação entre popularidade e ERS/ERD foi insignificante ( = 0.05, > 0.05). De modo geral, os valores de ERS/ERD diferiram em ambas as populações em várias regiões das bandas de frequência, mas o seu poder preditivo para a popularidade da imagem foi evidente apenas na zona da banda alfa. Em resumo, a atividade do ritmo alfa no córtex frontal fornece informações valiosas para prever a popularidade dos locais urbanos apresentados nas imagens.
Author: Marques, Rafael Alexandre Santos
Language: Portuguese
Subfield: Cognitive Neuroscience
Field: Neuroscience
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W7009388567
