Generalization of data augmentation to reduce the number of epochs to average

Idileisy Torres Rodríguez; Beatriz Pérez; Diamir Rodríguez; Samuel Herrera; Alberto Crispí

doi:10.5935/jetia.v10i48.1201

Autores/as

Idileisy Torres Rodríguez Universidad Central “Marta Abreu” de Las Villas, Santa Clara, Cuba. http://orcid.org/0000-0002-1783-9908 (no autenticado)
Beatriz Pérez Hospital Manuel Piti Fajardo, Santa Clara, Cuba http://orcid.org/0000-0003-3632-347X (no autenticado)
Diamir Rodríguez Empresa de Automatización (CEDAI), Santa Clara, Cuba http://orcid.org/0009-0004-9988-1246 (no autenticado)
Samuel Herrera Empresa de Automatización (CEDAI), Santa Clara, Cuba. http://orcid.org/0009-0007-3112-198X (no autenticado)
Alberto Crispí Universidad Central “Marta Abreu” de Las Villas, Santa Clara, Cuba. http://orcid.org/0000-0002-7797-1441 (no autenticado)

DOI:

https://doi.org/10.5935/jetia.v10i48.1201

Resumen

La forma de onda derivada de promediar múltiples registros de señales de EEG durante la estimulación representa un Potencial Relacionado con Eventos (PRE). Cuando se emplean estímulos sensoriales, los potenciales resultantes se denominan potenciales evocados (PE). Los PE se utilizan en diversos ámbitos de la investigación y la clínica, y constituyen una valiosa herramienta en neurociencia y medicina por su versatilidad a la hora de ofrecer información objetiva sobre la función cerebral. Sin embargo, el método convencional de promediado de señales utilizado para extraer las PE tiene limitaciones inherentes, como la necesidad de realizar numerosos ensayos para garantizar la fiabilidad y maximizar la relación señal-ruido (SNR). Esto exige tiempo adicional para el registro y el procesamiento de los datos. Además, la fiabilidad de las respuestas registradas puede verse comprometida debido a la habituación del sujeto al estímulo. Para abordar estos retos, este estudio pretende mejorar la SNR en la extracción de PE empleando el aumento de datos, reduciendo así el número de registros necesarios para promediar. El método propuesto demuestra una notable mejora de aproximadamente 9,77 ± 2,65 dB en comparación con el promediado de señal tradicional con el mismo número de registros. Este estudio concluye que el aumento juicioso de los datos permite mejorar las estimaciones de la SNR sin necesidad de realizar un gran número de registros nuevos.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

P. E. Clayson, C. J. Brush, y G. Hajcak, “Data quality and reliability metrics for event-related potentials (ERPs): The utility of subject-level reliability”, Int. J. Psychophysiol., vol. 165, pp. 121–136, jul. 2021, doi: 10.1016/j.ijpsycho.2021.04.004.

J. A. Carballo-Gonzalez, P. Valdes-Sosa, y M. Valdes-Sosa, “Detection of Event Related Potentials”, Int. J. Neurosci., vol. 46, núm. 3–4, pp. 109–122, ene. 1989, doi: 10.3109/00207458908986247.

A. Taboada-Crispi et al., “Simulation of Event-Related Potentials in a wide sense for assessment of detection∕estimation algorithms”, en AIP Conference Proceedings, 2008, vol. 1060, pp. 7–10. doi: 10.1063/1.3037119.

F. Congedo, Marco and Lopes da Silva, “Event-related potentials: General aspects of methodology and quantification”, en Niedermeyer’s Electroencephalography: Basic Principles, Clinical Applications, and Related Fields, D. L. S. and F. H. L. da Silva, Ed. Oxford University Press, 2018. [En línea]. Disponible en: https://hal.archives-ouvertes.fr/hal-01953600.

E. Laciar y R. Jane, “An improved weighted signal averaging method for high-resolution ECG signals”, en Computers in Cardiology 2001. Vol.28 (Cat. No.01CH37287), 2001, pp. 69–72. doi: 10.1109/CIC.2001.977593.

T. Pander, S. Pietraszek, y T. Przybyła, Information Technologies in Biomedicine, vol. 284, núm. 4. Cham: Springer International Publishing, 2014. doi: 10.1007/978-3-319-06596-0.

I. Torres-Rodríguez, C. A. Ferrer, E. Velarde-Reyes, y A. Taboada-Crispi, “Improving ensemble averaging by epoch detrending in evoked potentials”, en Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2019, vol. 11401 LNCS, pp. 707–714. doi: 10.1007/978-3-030-13469-3_82.

J. M. Leski, “Robust weighted averaging [of biomedical signals]”, IEEE Trans. Biomed. Eng., vol. 49, núm. 8, pp. 796–804, ago. 2002, doi: 10.1109/TBME.2002.800757.

C. E. Davila y M. S. Mobin, “Weighted averaging of evoked potentials”, IEEE Trans. Biomed. Eng., vol. 39, núm. 4, pp. 338–345, abr. 1992, doi: 10.1109/10.126606.

Z. Leonowicz, J. Karvanen, y S. L. Shishkin, “Trimmed estimators for robust averaging of event-related potentials”, J. Neurosci. Methods, vol. 142, núm. 1, pp. 17–26, mar. 2005, doi: 10.1016/j.jneumeth.2004.07.008.

K. Kotowski, K. Stapor, y J. Leski, “Improved robust weighted averaging for event-related potentials in EEG”, Biocybern. Biomed. Eng., vol. 39, núm. 4, pp. 1036–1046, oct. 2019, doi: 10.1016/j.bbe.2019.09.002.

D. X. Wang y C. E. Davila, “Subspace Averaging of Auditory Evoked Potentials”, en 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), jul. 2019, pp. 656–659. doi: 10.1109/EMBC.2019.8857818.

P. Prado-Gutierrez, E. Martínez-Montes, A. Weinstein, y M. Zañartu, “Estimation of auditory steady-state responses based on the averaging of independent EEG epochs”, PLoS One, vol. 14, núm. 1, p. e0206018, ene. 2019, doi: 10.1371/journal.pone.0206018.

S. M. K. K. Madsen, J. M. Harte, C. Elberling, y T. Dau, “Accuracy of averaged auditory brainstem response amplitude and latency estimates”, Int. J. Audiol., vol. 57, núm. 5, pp. 345–353, may 2018, doi: 10.1080/14992027.2017.1381770.

C. Elberling y M. Don, “Quality Estimation of Averaged Auditory Brainstem Responses”, Scand. Audiol., vol. 13, núm. 3, pp. 187–197, ene. 1984, doi: 10.3109/01050398409043059.

H. Litvan et al., “Comparison of Conventional Averaged and Rapid Averaged, Autoregressive-based Extracted Auditory Evoked Potentials for Monitoring the Hypnotic Level during Propofol Induction”, Anesthesiology, vol. 97, núm. 2, pp. 351–358, ago. 2002, doi: 10.1097/00000542-200208000-00011.

D. L. Jewett y J. S. Williston, “Auditory-evoked far fields averaged from the scalp of humans”, Brain, vol. 94, núm. 4, pp. 681–696, 1971, doi: 10.1093/brain/94.4.681.

N. Acır, Y. Erkan, y Y. A. Bahtiyar, “Auditory brainstem response classification for threshold detection using estimated evoked potential data: comparison with ensemble averaged data”, Neural Comput. Appl., vol. 22, núm. 5, pp. 859–867, abr. 2013, doi: 10.1007/s00521-011-0776-2.

M. Don, C. Elberling, y M. Waring, “Objective Detection of Averaged Auditory Brainstem Responses”, Scand. Audiol., vol. 13, núm. 4, pp. 219–228, ene. 1984, doi: 10.3109/01050398409042130.

L. Sörnmo y P. Laguna, Bioelectrical Signal Processing in Cardiac and Neurological Applications, vol. 8. Elsevier, 2005. doi: 10.1016/B978-0-12-437552-9.X5000-4.

E. Perez-Abalo, Maria Cecilia and Rodriguez-Davila, Ernesto Luis and Sanchez-Castillo, Manuel and Sotero-Diaz, Roberto Carlos and Torres-Fortuny, Alejandro and Santos-Febles, “Method and apparatus for the objective detection of auditive disorders”, US Patent 9,345,419, 2016 [En línea]. Disponible en: https://patents.google.com/patent/US9345419B2/en.

O. Rompelman y H. H. Ros, “Coherent averaging technique: A tutorial review Part 1: Noise reduction and the equivalent filter”, J. Biomed. Eng., vol. 8, núm. 1, pp. 24–29, ene. 1986, doi: 10.1016/0141-5425(86)90026-9.

M. A. Chesnaye, “Optimising Objective Detection Methods for the Auditory Brainstem Response”, University of Southampton, 2019. [En línea]. Disponible en: https://eprints.soton.ac.uk/428621/

K. Rennert et al., “British Columbia Early Hearing Program (BCEHP) Audiology Assessment Protocol”. 2012. doi: 10.13140/2.1.2977.5683.

I. Torres-Rodríguez, “Estimadores Robustos de Promediado para la Detección de Potenciales Relacionados con Eventos”, Universidad Central “Marta Abreu” de Las Villas, 2014.

I. Torres-Rodríguez, C. A. Ferrer-Riesgo, J. C. Oliva Pérez, y A. Taboada-Crispi, “Performance of Different Average Methods for the Automatic Detection of Evoked Potentials”, en Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 11896 LNCS, 2019, pp. 629–636. doi: 10.1007/978-3-030-33904-3_59.

I. Torres-Rodríguez, C. A. Ferrer-Riesgo, M. M. P. de Morales Artiles, y A. Taboada-Crispi, “Performance Evaluation of Average Methods in the Time Domain Using Quality Measures for Automatic Detection of Evoked Potentials”, en IFMBE Proceedings, vol. 75, Springer, 2020, pp. 12–20. doi: 10.1007/978-3-030-30648-9_2.

C. A. Ferrer, I. Torres-Rodríguez, A. Taboada-Crispi, y E. Nöth, “Analytical Solution for the Optimal Addition of an Item to a Composite of Scores for Maximum Reliability”, en Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 11896 LNCS, Springer, 2019, pp. 408–416. doi: 10.1007/978-3-030-33904-3_38.

K. Zhang et al., “Data Augmentation for Motor Imagery Signal Classification Based on a Hybrid Neural Network”, Sensors, vol. 20, núm. 16, p. 4485, ago. 2020, doi: 10.3390/s20164485.

C. He, J. Liu, Y. Zhu, y W. Du, “Data Augmentation for Deep Neural Networks Model in EEG Classification Task: A Review”, Frontiers in Human Neuroscience, vol. 15. Frontiers Media S.A., el 17 de diciembre de 2021. doi: 10.3389/fnhum.2021.765525.

R. Zhang et al., “ERP-WGAN: A data augmentation method for EEG single-trial detection”, J. Neurosci. Methods, vol. 376, p. 109621, jul. 2022, doi: 10.1016/j.jneumeth.2022.109621.

B. K. Iwana y S. Uchida, “An empirical survey of data augmentation for time series classification with neural networks”, PLoS One, vol. 16, núm. 7, p. e0254841, jul. 2021, doi: 10.1371/journal.pone.0254841.

M. M. Krell, A. Seeland, y S. K. Kim, “Data Augmentation for Brain-Computer Interfaces: Analysis on Event-Related Potentials Data”, arXiv Prepr. arXiv1801.02730, ene. 2018, doi: https://doi.org/10.48550/arXiv.1801.02730.

I. Torres-Rodríguez, R. Díaz-Amador, B. Peón-Pérez, A. Hurtado Armas, y A. Taboada-Crispi, “Realistic Simulation of Event-Related Potentials and Their Usual Noise and Interferences for Pattern Recognition”, en Pattern Recognition, 2023, pp. 201–210.