ii

UNIVERSIDADE FEDERAL DE MINAS GERAIS

ESCOLA DE ENGENHARIA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA ELTRICA

Caracterizao de Sistemas Ictognicos Perante Extrao

de Parmetros Eletrogrficos

Vincius Rezende Carvalho

Dissertao submetida banca examinadora designada pelo

Colegiado do Programa de Ps-Graduao em Engenharia

Eltrica da Universidade Federal de Minas Gerais, como
parte dos requisitos necessrios obteno do grau de
Mestre em Engenharia Eltrica

rea de Concentrao: Sinais e Sistemas

Orientador: Prof. Dr. Eduardo Mazoni Andrade Maral Mendes

Co-orientador: Prof. Dr. Mrcio Flvio Dutra Moraes

Belo Horizonte
Outubro de 2015

iii

iv

UNIVERSIDADE FEDERAL DE
MINAS GERAIS
ESCOLA DE ENGENHARIA

Caracterizao de Sistemas Ictognicos Perante

Extrao de Parmetros Eletrogrficos
Vincius Rezende Carvalho

Belo Horizonte
2015

vi

AGRADECIMENTOS
minha famlia, minha base e fundao, que tornou tudo isto possvel. Ao meu pai,
pelos conselhos e apoio em todos os momentos. minha me, pelo carinho
incondicional. Felipe, Aline e Davi, por encher a casa de novas alegrias.
Ao Dudu, eterno irmo e inspirao por toda minha vida.
Aninha, amor que comeou com o incio deste trabalho e j parte constante de
minha vida.
Ao Prof. Mazoni, pela orientao e apoio h mais de trs anos. Ao Prof. Mrcio, mestre
e referncia, por ensinar o significado e a importncia de se fazer cincia.
Aos colegas do laboratrio, Prof. Dr. Flvio Mouro (grande pesquisador e patrimnio
do NNC), Simes, Hyo, Daniel, Henrique, Levticus, Pedro e demais alunos e
professores do NNC.
Aos amigos, pelos momentos de descontrao entre os trabalhos; Colegas da pelada
amerndia, da Olaria do Arrocha, colegas de curso e do Paoca F.C.
UFMG e Escola de Engenharia, pelo privilgio do aprendizado.
s agncias de fomento pesquisa; CNPq, Capes e Fapemig.

vii

Look up at the stars and not down at your feet. Try to make sense of what you see,
and wonder about what makes the universe exist. Be curious.
Stephen Hawking

viii

RESUMO
Este trabalho envolve a extrao de caractersticas relacionadas excitabilidade e
sincronismo em registros eletrogrficos, para a avaliao de hipteses a respeito do
processamento auditivo em ratos da linhagem WAR, um modelo animal de Crises
Audiognicas. Estas so avaliadas em registros do Colculo Inferior, obtidos em
protocolos de experimentos baseados na sondagem acstica, onde tons modulados
em amplitude so apresentados, evocando respostas auditivas em regime permanente
(ASSR). Respostas evocadas deste tipo podem ser consideradas como assinaturas
eletrogrficas do processamento auditivo ao longo do tempo de cada animal,
realando atributos relativos magnitude e sincronismo da resposta com o estmulo.
O primeiro protocolo utiliza sons com intensidade 85 dB, insuficiente para
desencadear Crises Audiognicas nos animais, modulados em amplitude em 53,71 Hz
ou 92,77 Hz, em trials intercalados. Este protocolo utilizado para abordar a hiptese
de que o processamento auditivo de WARs hiperexcitvel em relao a animais
saudveis, sendo necessria a aplicao de estmulos auditivos para ressaltar a
diferena. A maior amplitude da resposta confirmou o processamento auditivo
anormal de WARs, indicando a hiperexcitabilidade do Colculo Inferior destes animais.
Porm, a atividade basal tambm diferenciada entre os grupos, com animais
ictognicos apresentando maior energia nas bandas de alta frequncia (Gamma e
Beta), alm de episdios semelhantes a fusos de alta amplitude. A segunda hiptese
proposta, que circuitos neurais de WARs possuem tendncia a sincronizar mais
facilmente com estmulos externos, foi confirmada pelo maior ndice de acoplamento
de fase (PLV) entre estmulo e resposta destes animais. Com os atributos de energia e
PLV utilizados nas abordagens das duas primeiras hipteses, foram testados
classificadores para identificao de registros provenientes de animais WAR. A
amplitude da resposta evocada possui o maior poder preditivo, sobretudo quando a
moduladora de 53,71 Hz utilizada (96% de exatido), em comparao com a de 92,77
Hz (80% de exatido). O uso de mais atributos (como energia de outras bandas e PLV)
possibilita a melhora no desempenho no segundo caso, aumentando de 80% para 87%.
Isto indica a possibilidade de usar atributos de um protocolo de sondagem como
biomarcadores, com aplicaes em ferramentas diagnsticas. A dinmica dos mesmos
atributos ao longo de crises analisada em um segundo protocolo, de modo a
confirmar ou refutar a hiptese que o processamento auditivo de WARs prejudicado
durante e aps uma crise audiognica. As caractersticas so extradas de registros do
novo protocolo, onde uma estimulao sonora de maior intensidade (110 dB) induz
crises tnico-clnicas em animais WAR. Foi mostrado que, apesar de alteraes
transitrias durante a crise, a energia da resposta evocada no alterada
significativamente entre os perodos pr-ictal, ictal e ps-ictal. Isto contrasta com as
energias em outras bandas de frequncia, que aumentam consideravelmente durante
a crise, devido ao recrutamento pelo foco ictal, mas diminuem no ps-ictal, onde
circuitos recrutados pela crise esto em perodo hipoexcitvel. O sincronismo da
resposta com o estmulo, quantificado pelo ndice PLV, confirma parte desta
concluso. Antes da crise, o PLV est abaixo dos valores normais encontrados em
WARs, possivelmente devido a interaes entre os circuitos responsveis pela resposta
e circuitos. Assim, apesar da amplitude da resposta no ser alterada antes da crise, a
capacidade de acompanhar o estmulo ligeiramente prejudicada. Durante a crise h
somente alteraes transitrias do PLV, sobretudo prximo ao final. No perodo ps-

ix
ictal, grande parte das oscilaes endgenas do sistema est em perodo hipoexcitvel,
mas este ainda responsivo a estmulos sonoros externos, evidenciado pela
persistncia e sincronismo da ASSR. Estes resultados refutam a hiptese proposta, pois
apesar de alteraes transitrias, a capacidade de processamento auditivo no
significativamente comprometida durante e aps a crise audiognica. Isto sugere que
circuitos que fazem parte do processamento auditivo, apesar de estarem envolvidos
no processo que leva a uma crise audiognica, podem no fazer parte efetivamente da
via ictognica, pois continuam responsivos durante e aps a crise.

ABSTRACT
This work deals with the extraction of features related to excitability and synchronism
in electrographic signals, for evaluating hypotheses about auditory processing in WAR
animals, an animal model for audiogenic seizures. These hypotheses are evaluated in
Local Field Potential (LFP) signals from the Inferior Colliculus, obtained through
experiment protocols based on the acoustic probing of the brain. Amplitude
Modulated tones are presented to evoke Auditory Steady State Responses (ASSR).
These can be considered as electrographic signatures of the auditory processing over
time of each animal, highlighting features related to response magnitude and
synchronism. The first protocol employs tones with intensity of 85 dB, enough to
evoke the ASSR, but without triggering audiogenic seizures, modulated in amplitude at
53.71 Hz or 92.77 Hz, in interleaved trials. The first hypothesis states that the auditory
processing in WARs is distinct from physiologic animals. The application of auditory
stimuli would be needed to elicit responses which would make this difference visible.
The larger amplitude response in WARs confirmed the hypothesis, indicating the
hyperexcitability of the Inferior Colliculus of these animals. However, basal activity is
also different between the groups, with ictogenic animals having greater energy in
high frequency bands (gamma and beta), besides the occurrence of episodes
resembling High Amplitude Spindles. The second hypothesis proposed that neural
circuits in WARs have a tendency to synchronize more easily with external stimuli. This
was confirmed by the higher phase coupling index (PLV) between stimulus and
response of these animals. A diagnostic tool is then proposed, on which these features
extracted from the probing protocol are used as inputs to classifiers that identify
animals prone to audiogenic seizures. The ASSR was found to have the greatest
predictive power, achieving accuracy of 96% with a modulating frequency of 53 Hz.
The use of other features such as energies of endogenous EEG rhythms enables the
improvement of performance, when a modulating frequency of 92 Hz is used. This
indicates the possibility of using features from a probing protocol as diagnostic
biomarkers. The second protocol involves the presentation of high intensity (110dB)
AM tones in order to elicit audiogenic seizures in WARs only. The dynamic of the
features presented earlier is analyzed in the pre-ictal, ictal and post-ictal periods, with
the purpose of evaluating the hypothesis that the auditory processing in WARs is
impaired during and after a seizure. It was shown that, although transitory changes
happen during the seizure, the energy of the evoked response is not significantly
changed across these three periods. This contrasts with the energies in other
frequency bands, which significantly increase during the seizure due to recruitment by
the ictal focus, followed by a refractory period with decreased activity after the
seizure. The synchrony of the response with the stimulus, measured by the PLV index,
confirms part of this conclusion. Before the seizure, the PLV is below the normal range
found in WARs, possibly due to interactions of the response circuits with ictogenic
ones. Thus, despite the magnitude of the response not being changed before the
seizure, the ability to follow the stimulus is slightly impaired. During the seizure, there
are only transient changes of the PLV, especially near its end. In the post-ictal period,
most of the endogenous oscillations are in refractory period, but the system is still
responsive to external sound stimuli, as evidenced by the persistence and synchrony of
the ASSR. Thus, the dynamics of the ASSR suggest that the circuitry of the auditory

xi
pathway, despite being involved in the processes leading to audiogenic seizures, may
not effectively be part of the ictogenic focus.

xii

LISTA DE FIGURAS
Figura 1: Diagrama representando as etapas de treinamento e teste de um
classificador .................................................................................................................... 10
Figura 2: Diagrama mostrando a sondagem de um sistema e subsequente extrao de
informaes para anlise ou classificao. .................................................................... 12
Figura 3: Exemplos de acoplamento entre X e Y. ........................................................... 18
Figura 4: Representao do Protocolo de Estimulao sublimiar de 85 dB. ................. 24
Figura 5: Exemplo de um sinal (CI do WAR02) e seu respectivo espectrogrma ........... 28
Figura 6: Sinal AM

e respectiva Transformada de Hilbert,

Figura 7: Representao do sinal AM

. ............................ 31

e respectivas sries de amplitude

e fase

instantneas .............................................................................................................. 31
Figura 8: Fase Relativa de dois sinais.............................................................................. 33
Figura 9: Exemplo simples mostrando a maximizao da margem entre separador e
vetores de suporte ......................................................................................................... 37
Figura 10: Exemplos de HVS no sinal. ............................................................................. 39
Figura 11: Espectrograma e ASSR de dois registros. ...................................................... 41
Figura 12: Potncias ASSR normalizadas pelo basal, grupos WAR x Wistar. ................. 42
Figura 13: Potncias ao redor da moduladora ............................................................... 42
Figura 14: Potncias dos ritmos Delta, Theta, Alpha, Beta e Gamma, em trechos sem
som ................................................................................................................................. 43
Figura 15: Potncias normalizadas pelos respectivos nveis basais, das bandas Delta,
Theta, Alpha, Beta e Gamma, durante trechos com som (trials) .................................. 45
Figura 16: Registros e seus respectivos valores de PLV ao longo do tempo. ................ 46
Figura 17: PLV, protocolo de 85 dB. ............................................................................... 47
Figura 18: Registro CI do WAR 01, protocolo 110 dB, e o respectivo espectrograma. .. 55
Figura 19: Potncia da ASSR, normalizada pelo respectivo basal, de animais WAR ao
longo dos trechos pr-ictal, ictal e ps-ictal................................................................... 56
Figura 20: Potncia da ASSR, normalizada pelo respectivo basal, de animais WAR e
Wistar ao longo dos trechos pr-ictal, ictal e ps-ictal .................................................. 56
Figura 21: Potncias normalizadas de WARs, nos trechos pr-ictal, ictal e ps-ictal .... 58

xiii
Figura 22: Potncias normalizadas das cinco bandas, comparando cada trecho de
animais WARs (pr-ictal, ictal e ps-ictal) com os respectivos perodos em animais
Wistar ............................................................................................................................. 59
Figura 23: ndices PLV de animais WAR, ao longo dos trechos pr-ictal, ictal e ps-ictal
........................................................................................................................................ 61
Figura 24: ndices de PLV de animais WAR e Wistar, ao longo dos trechos pr-ictal, ictal
e ps-ictal ....................................................................................................................... 61
Figura 25: Dinmica de uma Crise Audiognica em um WAR. ....................................... 64
Figura 26: Dinmica do trial do protocolo de 110 dB, em um Wistar. .......................... 65
Figura 27: Varincia intra-trial da ASSR, nos trials de 53 Hz e 92 Hz do protocolo de 85
dB. ................................................................................................................................... 85
Figura 28: Varincia intra-trial da ASSR, protocolo de 110 dB. ...................................... 86
Figura 29: Atributos de

. ................................................................................. 88

Figura 30: Centroide espectral de

Figura 31: Potncia de

, protocolo de 110 dB. ............................. 89

, no protocolo de 110 dB. .......................................... 89

Figura 32: Filtragem de sinais para ndice PAC. .............................................................. 93

Figura 33: Acoplamento fase-amplitude. ....................................................................... 94
Figura 34: Registro e MI ao longo do tempo. Acima, ..................................................... 95
Figura 35: Exemplo de segmentao do Espectro de um EEG normal ........................ 102
Figura 36: Sinais de EEG e respectivos espectros de frequncia ................................. 104

xiv

LISTA DE TABELAS
Tabela 1: Resultados de Classificao ............................................................................ 49
Tabela 2: Melhores ndices de desempenho de cada mtodo .................................... 107

xv

LISTA DE ABREVIATURAS E SMBOLOS

AM

Amplitude Modulated Modulado em Amplitude

ASSR

Auditory Steady-State Response - Resposta Auditiva em Regime

Permanente

CA

Crise Audiognica

CFC

Cross-Frequency Coupling Acoplamento cruzado de frequncias

CI

Colculo Inferior

EEG

Eletroencefalograma

EMD

Empirical Mode Decomposition Decomposio Emprica de Modos

EWT

Empirical Wavelet Transform Transformada de Wavelet Emprica

fc

Frequncia portadora

fm

Frequncia moduladora

FFT

Fast Fourier Tranform Transformada Rpida de Fourier

FM

Frequency Modulated Modulado em Frequncia

HVS

High Voltage Spindles Fusos de Alta Amplitude

IS

ndice de Severidade

LFP

Local Field Potential Potencial de Campo Local

PAC

Phase-Amplitude Coupling Acoplamento fase-amplitude

PDS

Paroxysmal Depolarization Shift Desvio Paroxsmico de Despolarizao

PLV

Phase Locking Value

PSD

Power Spectral Density Densidade de Potncia Espectral

STFT

Short Time Fourier Transform - Transformada de Fourier de Tempo Curto

WAR

Wistar Audiogenic Rat

WIS

Wistar

xvi

Sumrio
AGRADECIMENTOS ........................................................................................................... vi
RESUMO.......................................................................................................................... viii
ABSTRACT .......................................................................................................................... x
LISTA DE FIGURAS ............................................................................................................ xii
LISTA DE TABELAS ........................................................................................................... xiv
LISTA DE ABREVIATURAS E SMBOLOS ............................................................................ xv
1.

2.

Introduo ................................................................................................................ 1
1.1.

Epilepsia e Crises Epilpticas ............................................................................. 1

1.2.

Diagnstico ........................................................................................................ 2

1.3.

Ictognese e Epileptognese ............................................................................. 4

1.4.

Sincronismo e Excitabilidade ............................................................................. 6

1.5.

Extrao de Caractersticas de Sinais de EEG e Reconhecimento de Padres .. 8

1.6.

Sondagem de um Sistema Neural .................................................................... 11

1.7.

Tipo de estmulo .............................................................................................. 13

1.8.

Modelo animal ................................................................................................. 15

1.9.

Regio de interesse e LFP ................................................................................ 15

1.10.

Anlise dos Sinais ......................................................................................... 17

1.11.

Objetivos e Hipteses................................................................................... 19

1.12.

Estrutura do Texto........................................................................................ 20

Protocolo de Sondagem por Estimulao Sonora Sublimiar .................................. 21

2.1.

Introduo........................................................................................................ 21

2.2.

Protocolo de Estimulao ................................................................................ 22

2.2.1.

Animais ......................................................................................................... 23

2.2.2.

Cirurgia ......................................................................................................... 23

2.2.3.

Estimulao Acstica .................................................................................... 24

xvii
2.3.

Extrao de Caractersticas e Classificao...................................................... 26

2.3.1.

Potncia das bandas e ASSR ......................................................................... 27

2.3.1.1.
2.3.2.

Transformada de Hilbert .............................................................................. 30

2.3.3.

Phase Locking Value ..................................................................................... 32

2.4.

Avaliando a Hiptese I ..................................................................................... 34

2.5.

Avaliando a Hiptese II .................................................................................... 35

2.6.

Avaliando a Hiptese III ................................................................................... 36

2.6.1.

Descarte de Segmentos ................................................................................... 38

2.8.

Resultados e Discusso .................................................................................... 40

2.8.1.

Hiptese I - Resultados................................................................................. 40

2.8.2.

Hiptese II: Sincronismo de fase .................................................................. 45

2.10.

4.

Classificadores .............................................................................................. 36

2.7.

2.9.

3.

Potncia Espectral por STFT ..................................................................... 27

Hiptese III - Classificao................................................................................ 48

Concluso do Captulo .................................................................................. 52

Processamento Auditivo ao Longo de Crises Audiognicas ................................... 53

3.1.

Protocolo de estimulao a 110 dB ................................................................. 53

3.2.

Hiptese IV dinmica ictal............................................................................. 53

3.3.

Resultados e Discusso .................................................................................... 55

3.4.

Concluso do Captulo ..................................................................................... 66

Concluso................................................................................................................ 68
4.1.

Trabalhos Futuros ............................................................................................ 69

5.

Referncias ............................................................................................................. 71

6.

Anexos .................................................................................................................... 82
6.1.

CERTIFICADO CEUA .......................................................................................... 83

6.2.

DINMICA DA ASSR ......................................................................................... 84

xviii
6.2.1.

Varincia intra-trial

6.2.1.1.
6.2.2.

.................................................................... 84

Resultados ................................................................................................ 85
Caractersticas do envelope da ASSR: Centroide espectral e energia de
.................................................................................................................... 86

6.2.2.1.
6.3.

MODULAO FASE-AMPLITUDE ...................................................................... 90

6.3.1.1.
6.3.2.
6.4.

Resultados ................................................................................................ 88

Modulation Index MI ............................................................................. 92

Resultados PAC............................................................................................. 95

CLASSIFICAO DE SINAIS DE EEG POR DECOMPOSIO DE MODOS ............ 98

6.4.1.

Introduo .................................................................................................... 98

6.4.2.

Empirical Mode Decomposition - EMD ........................................................ 99

6.4.3.

Empirical Wavelet Transform ..................................................................... 101

6.4.4.

Base de Dados utilizada.............................................................................. 103

6.4.5.

Extrao de Caractersticas ........................................................................ 104

6.4.6.

Seleo de Caractersticas e Classificao.................................................. 106

6.4.7.

Resultados e Discusso .............................................................................. 107

6.4.8.

Concluso ................................................................................................... 109

1. Introduo
1.1. Epilepsia e Crises Epilpticas
Epilepsia uma desordem neurolgica que afeta certa de 50 milhes de
pessoas ao redor do mundo, 80% das quais vivem em pases em desenvolvimento
(WORLD HEALTH ORGANIZATION, 2012). Esta desordem caracterizada por uma ou
mais das seguintes condies; (1) ocorrncia de ao menos duas crises espontneas,
separadas entre si por no mnimo 24 horas, (2) uma crise espontnea com alto risco de
recorrncia, ou (3) diagnstico de uma sndrome epilptica (FISHER et al., 2014).
Um dos fatores que contribui para sua alta incidncia o grande nmero de
causas que levam a essa condio, tais como: fatores genticos, falhas no
desenvolvimento, convulses febris, traumas e infeces no sistema nervoso,
isquemia, tumores, entre outros. Apesar de ocorrer em todas as faixas etrias, crianas
e idosos possuem as maiores taxas de incidncia (IASEMIDIS, 2003).
Crises so caracterizadas pela atividade anormal, em geral rtmica e de alta
intensidade, de grupos de neurnios do crebro, cuja dinmica comumente
interpretada como excesso de excitabilidade e sincronismo neural (MORAES, 1998;
JIRUSKA et al., 2013).
Crises epilpticas podem ser classificadas como parciais ou generalizadas,
dependendo de seu local de origem e natureza (DREIFUSS, 1989). Tais disparos podem
comear localmente, em pores de hemisfrios cerebrais, caracterizando crises
parciais ou focais (sendo focos nicos ou mltiplos), ou simultaneamente em ambos os
hemisfrios, nas crises generalizadas (IASEMIDIS, 2003). Aps o incio de uma crise
parcial, essa pode permanecer local e levar a certos sintomas cognitivos, sensrios,
motores e autonmicos. Mas caso se espalhe, sintomas mais severos podem ocorrer,
como conscincia alterada, comportamentos automticos complexos, ou movimentos
tnico-clnicos bilaterais (IASEMIDIS, 2003). Abaixo mostrado, de modo geral, como
crises epilpticas so classificadas (BERG et al., 2010).

Crises Generalizadas
o Tnico-Clnico
o Ausncia
Tpica
Atpica
Ausncia com caractersticas especiais
o Mioclnica
Mioclnica
Mioclnica-atnica
Mioclnica-tnica
o Clnica
o Tnica
o Atnica
Crises Focais
Desconhecido
o Espasmos Epilpticos

1.2. Diagnstico
Dentro da ampla categorizao das sndromes epilpticas generalizadas e
locais, so definidas duas subclassificaes: Epilepsia primria (idioptica) e secundria
(sintomtica). Na epilepsia primria, nenhuma patologia subjacente identificada,
sendo que as prprias crises constituem a doena. Na epilepsia secundria, as crises
so consequncias de algum tipo de desordem neurolgica. Como resultado, no
segundo caso os prognsticos so menos favorveis, assim como respostas a
medicamentos (DREIFUSS, 1989).
Considerando os diferentes tipos e manifestaes de epilepsia e a semelhana
de seus sintomas com outras condies, seu diagnstico em geral no uma tarefa
simples. Os principais indicadores utilizados no diagnstico desta condio so os tipos
de crise de um paciente e suas possveis causas, assim como exames que envolvem o
monitoramento por Eletroencefalografia (EEG) do paciente. Alm destes, so levados
em conta uma srie de fatores e exames, como histrico mdico, exames por imagem,
testes sanguneos e testes de desenvolvimento, comportamento e neurolgicos
(FRAZEN, 2000). Contudo, diagnsticos errneos de epilepsia ainda no so incomuns,
com taxas que variam de 4.6% at 30% em diferentes situaes (SMITH; DEFALLA;

CHADWICK, 1999; STROINK et al., 2003; ULDALL et al., 2006; CHOWDHURY; NASHEF;
ELWES, 2008). Entre outros fatores, isso se deve semelhana de episdios de crise
com outras condies como Sncopes, ataques no epilpticos de origem psicognica e
at vertigem e enxaqueca (SMITH; DEFALLA; CHADWICK, 1999; CHOWDHURY; NASHEF;
ELWES, 2008).
comum que relatos de episdios de crise por testemunhas faam parte do
histrico do paciente. Ainda que estes relatos possam prover indcios que auxiliam no
diagnstico, sua confiabilidade muitas vezes questionvel. Alm da subjetividade
inerente a todo testemunho, que dificulta a descrio inequvoca de eventos, comum
que testemunhas estejam ansiosas durante episdios de crise, podendo prejudicar
ainda mais a confiabilidade do relato. Contudo, a ausncia de testemunhas ou
registros de uma crise ainda pior, uma vez que as caractersticas no podem ser
determinadas de modo algum. Logo, comum o monitoramento por vdeo-EEG de
pacientes por longos perodos de tempo, em busca de episdios de crise e sua
caracterizao comportamental e eletrofisiolgica, de anormalidades no EEG ou
eventos inter-ictais que indicariam um estado patolgico. Ainda que o mtodo seja de
grande valia no diagnstico de epilepsia, sua especificidade prejudicada pelo fato
que atividades epileptiformes podem ser detectadas sem epilepsia (CHOWDHURY;
NASHEF; ELWES, 2008). Sua sensibilidade tambm pode ser piorada, pois tais
anormalidades no EEG podem ser ausentes (ou no detectveis) em certos indivduos
com esta patologia, ou ocorrerem em perodos transitrios fora dos perodos
registrados por EEG (CHOWDHURY; NASHEF; ELWES, 2008), motivando o
monitoramento de pacientes a longo prazo (FRAZEN, 2000).
A prescrio de tratamentos em pacientes erroneamente diagnosticados com
epilepsia pode ter consequncias srias. Alm de reaes adversas decorrentes do uso
de remdios antiepilpticos, estes podem levar ao comprometimento do
desenvolvimento (sobretudo de crianas), danos psicolgicos (em parte devido ao
preconceito e fardo social acarretado por esta condio) e socioeconmicos (GIBBS;
APPLETON, 1992; CHOWDHURY; NASHEF; ELWES, 2008). Uma pessoa erroneamente

diagnosticada pode ter oferta reduzida de empregos, e ser impossibilitada de dirigir

em certos pases (como o Reino Unido) (SMITH; DEFALLA; CHADWICK, 1999).
Como visto nesta seo, o desenvolvimento de novas ferramentas de
diagnstico para epilepsia ainda uma rea com demanda e potencial. Parte deste
trabalho envolve uma abordagem para tal fim, e ser apresentada em sees adiantes.

1.3. Ictognese e Epileptognese

Pesquisas na rea de epilepsia buscam identificar anormalidades estruturais,
funcionais ou genticas, que possam explicar como um crebro se torna epilptico
(estudo da epileptognese) e quais os mecanismos envolvidos no incio de crises
(ictognese) (JIRUSKA; DE CURTIS; JEFFERYS, 2014).
As mudanas que podem levar um crebro a se tornar epilptico incluem perda
neural, alteraes metablicas e imunolgicas, gliose (VEZZANI; FRIEDMAN;
DINGLEDINE, 2013), mudanas na expresso de canais dependentes de voltagem
(BERNARD et al., 2004) e em receptores (EPSZTEIN et al., 2005). Os eventos inter-ictais
e ictais resultantes podem ocorrer em regies sem leses ou espacialmente distantes
(JIRUSKA; DE CURTIS; JEFFERYS, 2014). Assim, o conceito de foco epilptico
redefinido, sendo agora caracterizado como a sobreposio de reas patolgicas e
fisiopatolgicas que geram atividade epileptiforme, como a regio de incio da crise, a
regio irritativa (geradora de descargas inter-ictais), leso e a zona epileptognica
(GELZINIENE et al., 2008; JIRUSKA; DE CURTIS; JEFFERYS, 2014).
Processos de ictognese so mais rpidos, com durao da ordem de segundos
ou minutos, possuindo dinmica eletrogrfica de difcil deteco (BLAUWBLOMME;
JIRUSKA; HUBERFELD, 2014). A compreenso de como ocorrem estes processos
importante para o desenvolvimento de mtodos de tratamento voltados para a
supresso da transio para crises epilpticas. Estes seriam uma alternativa maioria
de medicamentos antiepilpticos, que so voltados para a reduo de excitabilidade e
neurotransmissores, porm em geral com pouca especificidade, pois afetam outras
funes e atividades do crebro, causando efeitos colaterais indesejados (ROGAWSKI;
LSCHER, 2004). Para atuaes pontuais que identifiquem e impeam a transio para

estados ictais, necessrio que padres associados a estgios pr-ictais sejam

identificados. A busca por estes padres referida como predio de crises epilpticas,
e tem sido um dos desafios mais buscados na rea de pesquisa em epilepsia
(SCHELTER; TIMMER; SCHULZE-BONHAGE, 2008).
Apesar de estudos relatarem mtodos promissores de predio de crises desde
a dcada de 90, recentemente vrios destes tiveram sua validade questionada, aps a
impossibilidade de reproduo de resultados positivos mostrados originalmente
(MORMANN et al., 2007; SCHELTER; TIMMER; SCHULZE-BONHAGE, 2008; KALITZIN;
VELIS; DA SILVA, 2010). Tais discrepncias ocorreram principalmente nos mtodos que,
originalmente foram otimizados e testados em conjuntos de dados especficos, mas
falharam em obter desempenhos semelhantes em outros tipos de dados, sobretudo
em registros extensos de EEG que reproduziam situaes mais reais e menos
controladas (MORMANN et al., 2007). concebvel que mecanismos de ictognese
sejam distintos para diferentes estruturas do crebro, ou entre diferentes patologias
(KALITZIN et al., 2002; MORMANN et al., 2007). Deste modo, a capacidade de
generalizao dos algoritmos de predio seria prejudicada, e os melhores mtodos de
deteco poderiam variar consideravelmente de paciente a paciente (MORMANN et
al., 2007).
Enquanto grande parte dos estudos de predio de crises focou no
desenvolvimento de algoritmos e tcnicas de anlise de sinais, pouca ateno era dada
aos mecanismos que envolvem a gerao de crises (MORMANN et al., 2007). O
desenvolvimento de metodologias de predio deve contar com algoritmos cuja
anlise de sinais leve em conta as interaes de circuitos neurais e suas complexas
dinmicas espao-temporais, ainda que estas no sejam totalmente compreendidas.
Em quase todas as teorias comumente aceitas de epileptognese, hiperexcitabilidade
e sincronizao neuronal patolgica desempenham papis fundamentais (ENGEL,
1989), de modo que grande parte dos mtodos desenvolvidos baseada na
explorao e quantificao dessas caractersticas, alm da interao destas entre
regies do crebro (SCHELTER; TIMMER; SCHULZE-BONHAGE, 2008). Outros mtodos
utilizam medidas de caoticidade, como Expoentes de Lyapunov (CHAOVALITWONGSE

et al., 2005; GULER; UBEYLI; GULER, 2005; IASEMIDIS; SHIAU, 2005; KALITZIN; VELIS;
DA SILVA, 2010), motivados por teorias que associam o crebro epilptico a um
sistema catico no linear, e crises epilpticas ocorrem devido a falhas no caos espaotemporal do crebro (SACKELLARES; IASEMIDIS; SHIAU, 2000).

1.4. Sincronismo e Excitabilidade

No crebro saudvel, processos cognitivos necessitam da correta integrao da
atividade neural em diferentes escalas espao-temporais. Porm, embora as estruturas
bsicas do crebro e conexes locais entre neurnios sejam relativamente bem
compreendidas, ainda no se sabe exatamente como se d esta integrao entre
diferentes funes e regies (BUZSKI, 2006). possvel que o mecanismo de Ligao
pelo Tempo (Binding by Time) esteja intimamente envolvido com tal funo (TASS et
al., 1998; ENGEL; SINGER, 2001; LE VAN QUYEN et al., 2001; BUZSKI, 2006). A
integrao por este meio torna possvel a comunicao entre as partes de um sistema
composto por um nmero extremamente grande de neurnios, em contrapartida a um
modelo puramente baseado em conectividade. Ou seja, no de interesse somente
como grupos de neurnios esto conectados entre si, mas como feita a codificao
temporal de informao entre as partes do sistema. Nesse contexto, a atividade de
populaes neurais locais seria modulada de acordo com dinmicas neurais globais,
com populaes maiores oscilando e sincronizando com frequncias mais baixas,
enquanto conjuntos menores so ativados em frequncias mais altas (BUZSKI, 2006).
Distrbios neste sincronismo poderiam ocorrer de vrias maneiras e resultar em
variedade de doenas e condies neurolgicas e psiquitricas (UHLHAAS; SINGER,
2006; JIRUSKA et al., 2013). No caso de Epilepsia, temos crises que so caracterizadas
pelo recrutamento de regies do crebro em estados de hipersincronismo (IASEMIDIS,
2003).
Apesar de ter importncia fundamental em epilepsia, o conceito de
sincronismo nesta patologia mais complexo do que apresentado na literatura
(JIRUSKA et al., 2013). De forma geral, o sincronismo descrito como o
relacionamento estvel entre caractersticas de dois ou mais sistemas. Porm, tais
relacionamentos podem ocorrer por diversos modos e mecanismos. Assim como em

outras reas, anlises de sincronismo podem ser feitas em diversas escalas, desde o
nvel celular, com sinapses e disparo de grupos de neurnios vizinhos, at o
acoplamento de circuitos neurais e comunicaes entre diferentes regies do crebro
(SCHARFMAN, 2007). Logo, fundamental discernir como ocorrem os processos de
sincronizao do crebro e quais anlises quantitativas deveriam ser empregadas, de
modo a oferecer uma viso mais profunda a respeito do desenvolvimento de crises
epilpticas (MORMANN et al., 2000; IASEMIDIS, 2003).
Um tema central em discusses a respeito de crises epilpticas, apesar dos
mltiplos mecanismos possveis para ictognese, a perturbao dos mecanismos que
regulam inibio e excitabilidade de clulas ou grupos neurais (SCHARFMAN, 2007).
Alguns mecanismos que levam excitabilidade de substratos neurais podem agir sobre
o potencial de repouso de membrana de neurnios, que normalmente esto situados
em uma faixa relativa ao limiar do potencial de ao, permitindo o disparo do neurnio
quando necessrio, mas evitando que este se comporte de modo instvel e seja
ativado de modo relativamente ininterrupto (SCHELTER; TIMMER; SCHULZE-BONHAGE,
2008). Porm, seja focal ou generalizada, somente disparos excessivos de neurnios
no so suficientes para causar uma crise (SCHARFMAN, 2007); necessrio que um
grupo ou circuito de neurnios esteja envolvido, e este recrutamento de neurnios
disparando de forma anormal envolve necessariamente algum tipo de sincronismo,
que pode ocorrer de modos e em escalas diferentes, por diversos mecanismos.
Eventos eletrogrficos durante estgios ictais refletem desvios paroxsmicos de
despolarizao (PDS) sncronos de clulas corticais piramidais (MATSUMOTO;
MARSAN, 1964), resultado de interconexes glutamatrgicas que geram massivos
potenciais excitatrios ps-sinpticos (JOHNSTON; BROWN, 1984; SCHARFMAN, 2007).
Outro mecanismo que pode promover sincronizao a baixa resistncia para
correntes intracelulares em junes Gap de neurnios corticais, que facilitaria o
acoplamento de neurnios vizinhos (TRAUB et al., 2004). O sincronismo de neurnios
tambm pode ser paradoxalmente promovido por mecanismos como inibio, como
neurnios principais se recuperando de inibio de forma sncrona (KLAASSEN et al.,
2006; JIRUSKA et al., 2013). Visto o grande nmero de mecanismos e modos de

manifestao de sincronismo neural, importante associar corretamente mtodos de

anlise de sincronizao com a questo e mtodo cientfico. Estas escolhas vo desde a
proposta do protocolo de experimento, como o tipo de resposta desejada, regies de
interesse e relaes esperadas de acoplamento, at a escolha do ndice de sincronismo
recomendado.
Ao analisar sinais de EEG, a presena de ritmos neurais endgenos e presena
de rudo dificultam consideravelmente a obteno de informaes de interesse. Os
mtodos devem tambm lidar com a variabilidade entre registros em situaes
semelhantes, de animais distintos ou ao longo de diferentes perodos de tempo em um
mesmo animal, decorrentes da plasticidade e carter de auto-organizao de redes
neurais. Certas abordagens envolvem o uso de estmulos como modos de sondar o
sistema, ressaltando caractersticas de interesse do sinal que sero analisadas. Tais
estratgias so interessantes especialmente quando anlises de sincronismo neural
so de interesse. Considerando que o sincronismo de dois ou mais sistemas envolve
um relacionamento funcional estvel entre as partes, a perturbao destes sistemas
neurais um mtodo til para avaliar sua estabilidade e seus limiares de sincronismo
(FRANCIS; GLUCKMAN; SCHIFF, 2003; JIRUSKA et al., 2013). Este trabalho utiliza um
protocolo deste tipo, onde estmulos so apresentados de modo a facilitar a extrao
de caractersticas do sinal relacionadas excitabilidade e sincronismo.

1.5. Extrao de Caractersticas de Sinais de EEG e Reconhecimento

de Padres
A combinao de mtodos de anlise parte fundamental no progresso em
neurocincia funcional

(BAAR, 2013). Como o crebro um sistema nico e

altamente complexo, a anlise de seus sinais marcada por desafios que necessitam
de diferentes abordagens para serem solucionados. Assim, no processamento de sinais
de EEG, so utilizados mtodos provenientes de diversas reas como Bioengenharia,
Engenharia Eltrica, Qumica, Matemtica e Fsica, alm de novos mtodos criados
para lidar com as particularidades de sinais neurais (IASEMIDIS, 2003).

De forma geral, mtodos de processamento e anlise de sinais buscam a

extrao de informao a respeito do sinal, que esteja relacionada com o fenmeno
em questo. Metodologias deste tipo podem ser denominadas como extrao de
atributos (features, parmetros ou caractersticas), nos quais valores quantitativos so
obtidos a partir de trechos de interesse do sinal, original ou processado por filtros ou
transformadas (como a Transformada de Fourier).
Quando a extrao de caractersticas de sinais associada a tcnicas de
reconhecimento de padres (ou machine learning), possvel a separao de amostras
em clusters, ou categorizao destas em classes. No segundo caso, em geral
necessrio que cada amostra esteja associada a um rtulo de classe. Por exemplo,
consideramos um conjunto de dados com

amostras de sinais, metade de pacientes

com algum tipo de patologia (classe ), outra metade de pacientes saudveis (classe
).

Parmetros de interesse com poder de discriminao entre os grupos so

extrados de cada amostra, que so associadas com os respectivos rtulos de classe

(Saudvel ou patolgica, no caso). O mtodo de classificao define ento, limites para
discriminao entre classes (ou superfcies/linhas de separao), representados no
espao

-dimensional. Logo, o algoritmo treinado faz previses a respeito da classe

das novas amostras a ele submetidas. Para avaliao (ou teste) do algoritmo, novos
dados conhecidos (no utilizados no treinamento) so submetidos, e a taxa de acerto e
outros parmetros de desempenho relacionados taxa de Falsos Positivos e
Verdadeiros Positivos so quantificados. Quando trabalhando com conjuntos de
dados, comum a separao de cerca de

de amostras para treinamento, e o

restante para teste do algoritmo. Para fins ilustrativos, a ideia bsica da metodologia
representada na Figura 1, onde sinais rotulados como classe A ou B tm dois atributos
extrados e so separados por um classificador (no caso, uma Mquina de Vetores de
Suporte linear - SVM).

10

Treinamento do Classificador
Sistema A

Aplicao/Teste do Classificador

Sistema B

Sistema ?

Medio (LFP/EEG)

Medio (LFP/EEG)

Extrao de Caractersticas

Extrao de Caractersticas

Classificador:
Definio da Superfcie de Separao

Predio

2.5

2.5

1.5

1.5
Superfcie Separao
A(Previsto)
B(Previsto)
B(teste)
A(test)

A
B
vetores de suporte
3

3.5

4.5

5.5

6.5

3.5

4.5

5.5

6.5

Figura 1: Diagrama representando as etapas de treinamento e teste de um classificador

Esta metodologia geral, de obteno de caractersticas de sinais de um

conjunto e reconhecimento dos padres resultantes, pode ser empregada em diversas
maneiras em pesquisas sobre epilepsia. Por exemplo, o diagnstico de epilepsia por
meio do monitoramento por EEG, normalmente feito por inspeo de um
neurologista, pode ser auxiliado por algoritmos de reconhecimento de padres.
Funes semelhantes podem envolver diagnsticos pr-cirrgicos, por meio da
identificao automtica de padres anormais de EEG, definindo se estes seriam
decorrentes de focos epileptognicos ou no. Aplicaes tambm so possveis para
deteco de crises, como parte de sistemas de alarme e aviso a parentes prximos. E
em o que provavelmente a tarefa mais difcil, o desenvolvimento de sistemas de
predio de crises envolve necessariamente o uso de mtodos de extrao de
atributos e reconhecimento de padres de sinais biolgicos. Em todos os casos, o tipo
de abordagem de anlise a ser deve levar em conta no s a natureza e as
peculiaridades de sinais de EEG ou LFP, mas os mecanismos da patologia em questo.

11

No caso de crises epilpticas, consideramos caractersticas relacionadas a dois fatores

que desempenham um papel fundamental em ictognese: sincronismo e
hiperexcitabilidade (MORAES, 1998).

1.6. Sondagem de um Sistema Neural

Apesar de todo esforo em pesquisas visando esclarecer a dinmica e os fatores
que levam ictognese e epileptognese, grande parte das questes ainda se
encontra em aberto. Isso se reflete em diagnsticos errneos (como descrito em
sees anteriores) e no mau desempenho dos algoritmos de predio de crises,
sobretudo quando estes so confrontados com dados que testam sua robustez,
confiana e capacidade de generalizao (MORMANN et al., 2007). Isto motiva a busca
de caminhos alternativos aos tradicionais, que focam no processamento e anlise de
sinais, mtodos estatsticos e validao em bancos de dados de EEG disponveis. Como
exemplos de tais caminhos alternativos, temos abordagens que envolvem protocolos
de experimentos baseados na sondagem de sistemas. Ou seja, pela aplicao contnua
ou intermitente de certos estmulos em indivduos, possvel a extrao de
caractersticas que possibilitem a melhor caracterizao de seus estados. Desta forma,
os fatores que diferenciam um crebro com epilepsia de um normal seriam
ressaltados, assim como os parmetros que so alterados durante transies de
estados inter-ictais para estados ictais. Isto teria aplicaes promissoras nas reas de
caracterizao e prospeco de sistemas epileptognicos e ictognicos, diagnsticos,
anlises sobre dinmicas ictais e predio de crises.
De forma geral, a sondagem feita aplicando um estmulo controlado ao
sistema, e analisando sua resposta. Por exemplo, um impulso pode ser aplicado em um
filtro linear, e a resposta ao impulso deste uma boa representao de seu
funcionamento. Em (VALENTN et al., 2005), um protocolo deste tipo utilizado, no
qual a resposta a estmulos eltricos intra-corticais utilizada como biomarcador para
identificao de regies epileptognicas. Em (KALITZIN; VELIS; DA SILVA, 2010) e
(MEDEIROS et al., 2013), a aplicao de pulsos eltricos em regies do crebro
(hipocampo e complexo amigdaloide, respectivamente) possibilitou o clculo de
ndices que evoluram progressivamente at a ocorrncia de crises, e que poderiam ser

12

usados como marcadores para predio de episdios ictais. Caso seja utilizada para
esta finalidade, importante que os estmulos utilizados no sejam pr-convulsivos,
que as crises no sejam agravadas nem causadas pela estimulao (MEDEIROS et al.,
2013). Porm, tambm possvel o desenvolvimento de protocolos onde a
estimulao esteja diretamente relacionada com a iniciao e desenvolvimento de
crises, de modo a estudar os mecanismos de iniciao e dinmicas ictais. Nestes casos,
podem ser explorados modelos animais de crises ou modelos de epilepsia reflexa, com
a aplicao dos respectivos estmulos que desencadeiam as crises. E em protocolos
onde estas no so induzidas (com estmulos de baixa intensidade, por exemplo),
possvel que a prospeco seja til na identificao de sistemas ictognicos. A Figura 2
representa, de forma geral, a prospeco de um sistema para obteno de
informaes a seu respeito.

Protocolo de Sondagem
ESTMULO

Sistema X

Medio (LFP/EEG)

Extrao de Caractersticas

Anlise
Classificao

Classificao
Classificao

Figura 2: Diagrama mostrando a sondagem de um sistema e subsequente extrao de informaes para anlise
ou classificao.

Na sondagem de circuitos neurais, certos estmulos podem resultar em

Potencias Evocados (PE). PEs so o surgimento de atividades eltricas de resposta do
crebro a estmulos externos, e anlises de suas caractersticas podem revelar
informaes importantes a respeito do estado do sistema. Como exemplo, PEs so
comumente utilizados em ambiente clnico para avaliao de integridade de redes
neurais somato-sensrias (CHIAPPA, 1997).

13

Considerando que a epilepsia caracterizada pelo funcionamento anormal de

grupos de neurnios do crebro, possvel utilizar protocolos de estimulao e anlise
dos respectivos PEs como prospeco de circuitos neurais, identificando os parmetros
que caracterizam um sistema como patolgico e auxiliando em seu diagnstico. Para
epilepsia, esta caracterizao seria mais evidente (mas no restrita) em protocolos que
envolvessem estmulos diretamente relacionados com a gerao de crises. Assim,
sistemas ictognicos podem ter suas caractersticas ressaltadas e analisadas por meio
de protocolos que envolvam a correta combinao de: (1) tipo de estmulo e resposta
evocada, (2) modelo utilizado, (3) tipo e regio dos sinais medidos e (4) mtodos de
processamento e anlise de tais sinais. Nas sees a seguir, so mostrados, em linhas
gerais, a combinao dos mtodos utilizados neste trabalho e sua motivao.

1.7. Tipo de estmulo

A princpio, so buscados tipos de estmulo que desencadeiam episdios ictais
em algum modelo animal de crises ou de epilepsia. Alm disso, desejvel que o
estmulo em questo possibilite anlises de duas caractersticas intimamente
relacionadas com ictognese: sincronismo e hiperexcitabilidade. Uma possibilidade a
utilizao de estmulos auditivos em modelos de crise audiognica.
Quando um sujeito submetido a um estmulo sonoro, atividades eltricas da
ordem de dezenas de V so evocadas ao longo de estruturas que fazem parte da via
auditiva (SILVA; NIEDERMEYER, 2010). Estas respostas so denominadas Potenciais
Evocados Auditivos (PEA), e podem ser divididas em dois tipos: Potenciais Evocados
Auditivos Transitrios (PEAt) (PICTON et al., 1974) e Potenciais Evocados Auditivos de
Regime Permanente (PEArp ou ASSR Auditory Steady State Response) (PICTON et al.,
2003). No primeiro caso, os estmulos so de curta durao (como cliques ou bursts de
tons) e apresentados a uma taxa que permite que um PEA (a atividade eltrica
decorrente do estmulo sonoro) termine antes que o prximo estmulo seja
apresentado. Nestes casos, em geral, so utilizados tcnicas de mdia coerente para a
anlise dos sinais de EEG, onde a mdia de janelas sincronizadas com os estmulos
(trials) calculada, de modo a cancelar atividades neurais aleatrias (correspondendo
a rudos ou atividades endgenas) e ressaltar a resposta evocada. J no caso de ASSR,

14

estmulos contnuos so aplicados, de forma a evocar respostas sustentadas, com

aplicaes na avaliao de limiares auditivos e monitoramento de estados durante
anestesia (PICTON et al., 2003). Estes estmulos podem ser gerados por meio de tons
modulados em amplitude (AM), onde uma frequncia alta
por uma frequncia menor

(portadora) envelopada

(moduladora). No caso de ASSR,

est relacionada

com a frequncia de ativao de grupos de neurnios recrutados por

. Ou seja, um

estmulo composto por uma portadora de 10 kHz e moduladora de 30 Hz resultaria na

ativao sncrona de grupos de neurnios que respondem a 10 kHz, na forma de
oscilaes de 30 Hz.
A amplitude do sinal medido em um protocolo ASSR de estimulao por sons
AM um importante indicador de excitabilidade neural, de grande valia para a
avaliao de circuitos potencialmente ictognicos (ODA, 2014). Outros parmetros de
interesse para esse fim esto relacionados com as dinmicas de sincronismo neural,
que tambm podem ser sondadas por meio de tons AM de um protocolo ASSR, j que
a ASSR uma resposta essencialmente oscilatria, que acompanha a componente
moduladora do estmulo. Medidas quantitativas deste tipo podem caracterizar graus
de coerncia e variao da fase relativa entre os sinais, alm de revelar possveis
dinmicas direcionais, onde os sinais so caracterizados por relaes driver-responder
(KREUZ et al., 2007). Algumas destas medidas independem de relaes de amplitude
entre os sinais, sendo teis para a avaliao independente do hipersincronismo em
relao hiperexcitabilidade, ainda que possvel que estes estejam intimamente
relacionados em certas escalas espao-temporais (SCHARFMAN, 2007; MEDEIROS;
MORAES, 2014).
Alteraes de potncia e sincronismo da ASSR podem ser utilizadas como
biomarcadores de patologias neurais como esquizofrenia (ODONNELL et al., 2013).
Neste trabalho, caractersticas da ASSR so utilizadas como biomarcadores da
propenso a crises epilpticas, alm de esclarecer possveis mecanismos de
ictognese.

15

1.8. Modelo animal

O uso de modelos animais abre novas possibilidades para o estudo de epilepsia
e ictognese, por meio do desenvolvimento de diferentes protocolos de experimento.
Estes podem ser agudos, onde uma crise pode ser induzida pela aplicao nica de um
estmulo especfico, ou crnicos, onde a estimulao sucessiva permite o estudo da
evoluo de crises em diversas escalas de tempo (MORAES, 1998). Um dos modelos de
crises agudas que pode ser associado com estmulos sonoros, que possibilite anlises
tanto da dinmica ictal quanto de sondagem de circuitos neurais, o modelo de crises
tnico-clnicas Audiognicas (CAs), desencadeadas em ratos da linhagem Wistar
Audiogenic Wars (WARs). Esta linhagem foi obtida por meio de seleo gentica, que
resultou em animais com predisposio a crises convulsivas em vrios substratos
neurais (SCARLATELLI-LIMA et al., 2003; PITKNEN; SCHWARTZKROIN; MOSH, 2006).
Estes animais sofrem crises generalizadas tnico-clnicas quando submetidos a
estmulos sonoros de alta intensidade (~110 dB), alm de possurem maior
sensibilidade a certos indutores de crises, como eletrochoque e certas drogas
(Pentilenotetrazol e Pilocarpina) (SCARLATELLI-LIMA et al., 2003). Assim, temos a
combinao entre estimulao sonora e modelo animal, possibilitando a sondagem de
substratos neurais em busca dos mecanismos de ictognese. Em seguida, necessrio
definir qual tipo de sinal ser medido, representando atividade neural de interesse, e
em qual regio do crebro.

1.9. Regio de interesse e LFP

Dois

substratos

neurais

desempenham

papel

fundamental

para

desencadeamento de crises audiognicas e lmbicas; O Colculo Inferior (CI) (MORAES

et al., 2000) e a Amgdala (DUTRA MORAES; GALVIS-ALONSO; GARCIA-CAIRASCO,
2000). Acredita-se que as vias epilpticas de tronco enceflico e prosenceflica
interagem na amgdala (DUTRA MORAES; GALVIS-ALONSO; GARCIA-CAIRASCO, 2000).
J o CI um substrato essencial da via auditiva, situado em seus primeiros estgios
(OLIVER et al., 1991). O CI tambm possui funes de integrao multissensorial, com
conexes para o sistema lmbico, motor e sensorial (WINER; SCHREINER, 2005). Devido

16

sua posio na via auditiva, tons AM evocam ASSRs evidentes no CI, com oscilaes
presentes na frequncia de modulao (

) do som. Deste modo, a ASSR funciona

como marcador eletrogrfico da capacidade de processamento auditivo primrio

(ROSS; HERDMAN; PANTEV, 2005). Com isto, possvel avaliar como esta funo est
envolvida na propenso a crises de animais WAR, assim como seu papel em CAs; uma
CA um sistema reverberante, no qual um circuito de resposta auditiva recruta outros
circuitos em um estado hipersncrono, ou este age apenas como gatilho da via
ictognica?
Ponderando as limitaes prticas e motivaes fisiolgicas, decidiu-se que as
anlises deste trabalho seriam feitas em sinais provenientes do CI, em experimentos
envolvendo a apresentao de estmulos sonoros acima e abaixo dos limiares para
desencadeamento de crises em WARs.
Para a estimao de atividade neural no CI, recorremos implantao de
microeletrodos nesta estrutura, a fim de medir potenciais eltricos extracelulares (no
caso, o Potencial de Campo Local, ou LFP). Estes potenciais medidos resultam da
sobreposio de correntes transmembranares, originadas por diferentes eventos
inicos. Para variaes significativas no potencial, esta sobreposio ocorre mais
facilmente para eventos relativamente lentos, como atividades sinpticas, que
constituem as fontes mais significativas para fluxos de corrente extracelulares que
influenciam o LFP (BUZSKI; ANASTASSIOU; KOCH, 2012). Outros eventos podem
influenciar o LFP medido, como Potenciais de ao rpidos (Na+), Spikes de Clcio
(KAMONDI; ACSDY; BUZSKI, 1998), correntes intrnsecas (SILVA; AMITAI; CONNORS,
1991), efeitos efticos (OZEN et al., 2010), junes Gap e interaes neurnio-glia
(BUZSKI; ANASTASSIOU; KOCH, 2012). Assim, interaes entre populaes de
neurnios so quantificadas indiretamente pelo LFP medido (JIRUSKA et al., 2013),
revelando caractersticas de circuitos neurais em diversas bandas de frequncia, alm
de componentes oscilatrias especficas como a ASSR evocada por um som AM. A alta
resoluo temporal de sinais de LFP e a melhor resoluo espacial (em relao a
registros de EEG de escalpo) tornam o uso deste mtodo interessante para o estudo de
sincronismo e dinmicas de osciladores neurais.

17

1.10.

Anlise dos Sinais

Sinais de EEG e LFP tambm podem ser vistos como medies da atividade de
conjuntos de osciladores que geram atividade rtmica, em geral aleatria, em diversas
faixas de frequncia (BAAR, 2013). Porm, estmulos sensoriais podem ser utilizados
para acoplar tais osciladores, fazendo-os agir de forma coerente e resultando em
potenciais evocados. Neste trabalho, um protocolo ASSR utilizado de modo a realar
informaes a respeito do sistema, que estejam relacionadas com ictognese. Ou seja,
caractersticas do sistema, inicialmente contidas na atividade aparentemente
desordenada de neurnios, podem ser transformadas por meio de ASSR em um estado
ordenado e mais simples de extrair caractersticas. Embora os parmetros relacionados
ASSR sejam de maior interesse neste trabalho, a anlise dos sinais no restrita aos
potenciais evocados, mas tambm inclui a dinmica de ritmos neurais endgenos
durante a apresentao de estmulos e ao longo de episdios ictais.
Dos sinais de LFP medidos, temos interesse em caractersticas relacionadas a
dois fatores fundamentais para o desenvolvimento de crises (MORAES, 1998):
excitabilidade (ou nvel de atividade neural) e sincronismo. A excitabilidade vista na
prpria amplitude do sinal (embora esta esteja relacionada indiretamente com o
sincronismo entre neurnios de grupos locais). Porm, os sinais de LFP possuem
diversos componentes e so no-estacionrios em sua maioria (dependendo do
perodo e regio analisada, alm do estado do animal). Como o ASSR tem uma
frequncia especfica (definida por

), e os ritmos cerebrais tambm possuem

diferentes faixas de interesse (delta, theta, alpha, beta, gamma), de interesse o

clculo das potncias em bandas de frequncias especficas, de modo a avaliar efeitos
da estimulao em osciladores endgenos. Para isso, possvel a utilizao de
mtodos de anlise tempo-frequncia, como a Transformada de Fourier de Tempo
Curto (STFT Short Time Fourier Transform) e Wavelets, ou por meio da filtragem dos
sinais nas bandas desejadas seguida pela estimao de envelopes e clculo de
amplitude e potncia.
Outras caractersticas de interesse esto relacionadas com o vago conceito de
sincronizao em epilepsia (IASEMIDIS, 2003). Em geral, o sincronismo caracterizado

18

pela dinmica das interaes temporais entre componentes, podendo se manifestar

de diversas formas e motivando o desenvolvimento de diversas medidas (KREUZ et al.,
2007). Como exemplos de manifestaes, temos o acoplamento entre dois sinais, onde
determinada caracterstica de um sinal rege a dinmica de outro parmetro do sinal
acoplado. Diversas interaes deste tipo so mostradas na Figura 3.

Figura 3: Exemplos de acoplamento entre X e Y.(a) sinal X e seu envelope (em vermelho) (b) Acoplamento
1
Amplitude -Amplitude (c) Acoplamento de fase n:m a cada ciclo de X, temos 4 ciclos de Y2. (d) Acoplamento
fase-amplitude, ou PAC (Phase-Amplitude Coupling). (e) Fase de X modulando a frequncia de Y4. (f) Amplitude
de X modulando a frequncia de Y5 (g) Acoplamento Frequncia-Frequncia (JENSEN; COLGIN, 2007)

Estes tipos no so mutualmente exclusivos (JENSEN; COLGIN, 2007), de modo

que uma caracterstica de X pode estar relacionada com mais de uma caracterstica de
Y. Entre os tipos de acoplamento de interesse deste trabalho, destacamos a
modulao entre fase e amplitude (PAC - Phase Amplitude Coupling, Figura 3.d) e o
acoplamento de fase n:m (Figura 3.c).
O tipo de sincronismo analisado neste trabalho caracterizado pelas relaes
temporais entre o estmulo sonoro e a ASSR. Ou seja, alm de analisar a amplitude da

Neste caso, amplitude = power, sendo relacionada com a magnitude do envelope do sinal (em vermelho, na Figura 3)

19

resposta neural em

, o quanto esta est acoplada com a forma de onda do som

aplicado? Como a fase a nica caracterstica variante na componente moduladora do

estmulo sonoro (j que a frequncia

e amplitude so constantes), de interesse a

estimativa do acoplamento de fase n:m. Ou seja, o quanto a ASSR capaz de seguir

o estmulo. Detalhes a respeito dos mtodos utilizados so apresentados na seo
2.3.3.

1.11.

Objetivos e Hipteses

Este trabalho focado no estudo de sincronismo e hiperexcitabilidade em um

modelo animal de crises epilpticas, visando esclarecer mecanismos de ictognese,
alm da avaliao de um mtodo de identificao de animais propensos a crises, com
possveis aplicaes diagnsticas.
O processamento auditivo de animais propensos a crises audiognicas
analisado em termos de excitabilidade e sincronismo, por meio de experimentos
envolvendo a sondagem da circuitaria neural por estimulao acstica. Hipteses so
propostas a respeito do papel destes fatores em ictognese, descritas a seguir:
I.

Os WAR apresentam um processamento da informao sensorial auditiva

diferente de animais saudveis.
i.

Isto no seria visvel na atividade basal, mas seria evidente pela ASSR
evocada pela ativao da via auditiva por um som modulado em
amplitude.

ii.

Isto seria visvel, em menor grau, na atividade diferenciada de

osciladores endgenos de WARs, durante a aplicao de estmulos
sonoros.

II.

Circuitos neurais do CI de animais WAR so propensos a sincronizar mais

facilmente com estmulos externos.

III.

Utilizando atributos de energia (ASSR e outras bandas) e PLV, possvel treinar

um classificador que identifique se determinada amostra de um animal WAR
(propenso a CAs) ou Wistar.

20

IV.

O processamento de informaes sensoriais auditivas em WARs alterado na

iminncia de uma crise audiognica, e se torna comprometido nos perodos
ictal e ps-ictal.

1.12.

Estrutura do Texto

A dissertao organizada do seguinte modo:

Captulo 2: O protocolo de estimulao sonora em um modelo de crises

audiognicas descrito. Atributos relacionados excitabilidade neural e
sincronismo so extrados dos sinais de EEG obtidos pelo protocolo, para
avaliao das hipteses I, II e III.

Captulo 3: A hiptese IV testada, utilizando mtodos de anlise semelhantes

ao captulo anterior e estimulao sonora de alta intensidade (110 dB,
suficiente para desencadear crises em animais sensveis).

Captulo 4: Concluses e sugestes de trabalhos futuros.

21

2. Protocolo de Sondagem por

Estimulao Sonora Sublimiar
2.1. Introduo
Neste captulo, um protocolo de sondagem por estimulao sonora utilizado
para avaliar hipteses que envolvem a hiperexcitabilidade e sincronismo de substratos
neurais da via auditiva em animais suscetveis a CAs. Estas caractersticas seriam
evidentes na ASSR, que pode ser considerada como uma assinatura eletrogrfica da via
sensorial primria que recrutada durante a estimulao de tons AM. Assim, esperase auxiliar na compreenso a respeito das anormalidades do processamento auditivo
em animais suscetveis a CAs, e qual papel circuitos de resposta auditiva
desempenham no desencadeamento de crises.
Por meio da quantificao da Potncia da ASSR no CI de animais WAR (grupo
experimental) e Wistar (controle), submetidos a um protocolo de estimulao acstica,
avaliada a hiptese (I) que o processamento auditivo em WARs diferente de
animais Wistar. O grupo experimental teria amplitudes da ASSR maiores que o grupo
controle, devido hiperexcitabilidade dos substratos neurais que estariam envolvidos,
direta ou indiretamente, com a via ictognica. Como sub-hiptese, proposto que a
potncia basal (das bandas delta, theta, alpha, beta, gamma e ao redor de

) dos dois

grupos no seria diferente, de modo que a ativao da via por estimulao acstica
seria necessria para ressaltar a diferena.
Considerando que hipersincronismo outro fator envolvido em ictognese, foi
proposta a hiptese (II) que a resposta de animais WAR possui maior grau de
acoplamento com estmulos externos. Para avaliar esta hiptese, foi utilizado o mesmo
protocolo de estimulao sonora, com eletrodos no CI. Porm, ao invs da potncia da
ASSR, quantificado o grau de sincronismo de fase entre a ASSR e a componente
do som aplicado, por meio do ndice de Phase Locking Value (PLV).
Em seguida, apresentada a hiptese III, no qual os mtodos utilizados para
avaliao das hipteses anteriores so empregados no desenvolvimento de um

22

algoritmo que, por meio de sinais de EEG obtidos durante estimulao sonora,
identifica parmetros para diferenciar animais suscetveis a crises de animais
saudveis. Esta hiptese tem como motivao o desenvolvimento de uma ferramenta
diagnstica auxiliar, visto que diagnsticos errneos de epilepsia ainda so um
problema. O monitoramento por EEG durante longos perodos, alm de trabalhoso,
no garante a deteco de episdios ictais e inter-ictais (ou eventos fisiolgicos podem
ser interpretados como patolgicos). Alm disso, um diagnstico positivo errneo
devido identificao de anomalias no EEG no decorrentes de epilepsia, que resulte
na administrao desnecessria de medicamentos, pode ter consequncias
catastrficas na vida e desenvolvimento do paciente, sobretudo se este for uma
criana. Um protocolo de diagnstico baseado na sondagem de sistemas neurais seria
uma ferramenta auxiliar dentro do conjunto de exames de diagnstico para epilepsia,
com o diferencial de que os sinais so obtidos com a prospeco do sistema, de modo
a ressaltar caractersticas no sinal inerentes ictognese. Estas seriam representadas
de modo esparso, relativamente separadas das componentes geradas por ritmos
endgenos do crebro. As sees a seguir descrevem a metodologia do protocolo de
experimento, seguido pelos mtodos de anlise dos sinais obtidos.

2.2. Protocolo de Estimulao

Os protocolos deste captulo e do Captulo 3 utilizam os mesmos animais e
equipamentos, variando a disposio dos perodos de estimulao (trials) e a
intensidade do estmulo sonoro. Enquanto nesta seo a estimulao feita somente
como sondagem do sistema, com diferentes frequncias e intensidade sublimiar para
CAs, no Captulo 3 a estimulao de alta intensidade serve tanto para prospeco do
sistema, quanto como desencadeadora das crises em ratos WAR.
Os experimentos foram realizados no Ncleo de Neurocincias (NNC), mas no
fazem parte do escopo deste trabalho, que focado na anlise dos sinais adquiridos.
Porm, os protocolos sero brevemente aqui descritos para referncia e
esclarecimento de como os dados foram obtidos. Para mais detalhes a respeito de
como foram conduzidos os experimentos, conferir (PEREIRA, 2014).

23

Todos os experimentos foram conduzidos de acordo com as recomendaes do Comit

de tica em Experimentao Animal da Universidade Federal de Minas Gerais (CEUAUFMG) - nmero de processo 24/2013 (ver Anexo I).

2.2.1. Animais
Foram utilizados oito ratos WAR, uma linhagem obtida por seleo gentica no
qual os animais sofrem crises generalizadas tnico-clnicas, seguidas por espasmos
clnicos, quando submetidos a estimulaes sonoras de alta intensidade ( 110 dB). O
grupo controle composto por oito ratos machos da linhagem Wistar. Todos os
animais possuam peso entre 270 e 310 gramas (aproximadamente oito semanas de
idade) e foram fornecidos pelo Centro de Bioterismo do Instituto de Cincias Biolgicas
da Universidade Federal de Minas Gerais (CeBIO-ICB/UFMG).
Para incluso nos protocolos experimentais, cada animal deveria se adequar
aos critrios de; (1) Screening Audiognico, para determinar a sensibilidade aos
estmulos acsticos e (2) Confirmao do posicionamento do eletrodo de registro, por
meio de verificao histolgica.

2.2.2. Cirurgia
Alguns pontos a respeito do procedimento cirrgico so mostrados abaixo:

Anestesia: Soluo de quetamina (30mg/kg) e xilazina (5mg/kg), de acordo com

as recomendaes do comit de tica no uso de animais da UFMG (CEUAUFMG). Se necessrio, era fornecido ao animal um reforo anestsico de 0,1
mL de quetamina (10g/100 mL) intraperitonealmente.

Posicionamento do animal: Feito em aparelho estereotxico (Stoelting Co.),

com o animal fixado por meio de barras auriculares macias.

Coordenadas: As coordenadas para trepanao e posicionamento do eletrodo

so definidas utilizando o bregma como referencial (PAXINOS; WATSON, 1998)
para implantao do eletrodo de registro, que era fixado do lado direito do
crnio com o auxlio da substncia cimento de zinco.

24

Conectores: Os trs eletrodos (terra, referncia e ativo) foram soldados ao

conector RJ-11 de 4 pinos, cobrindo-se logo em seguida a ferida cirrgica com
acrlico odontolgico.

Para mais detalhes, conferir em (PEREIRA, 2014).

2.2.3. Estimulao Acstica

As formas de onda dos estmulos auditivos foram geradas pelo programa Adobe
Audition (Adobe Systems Inc., 3.0). Os sinais eram compostos por uma portadora com
frequncia

, modulada em amplitude por

de 53,71 Hz ou 92,77,

formando trials de 30s intercalados por perodos de silncio (30s). O valor de

foi

definido como um bom custo-benefcio, considerando capacidade de resposta auditiva

nos animais utilizados no trabalho e a capacidade dos alto-falantes usados. As
frequncias de

foram escolhidas por possurem uma menor variao na disperso

de fase e maior estabilidade da ASSR entre os grupos analisados, em um protocolo de

varredura de frequncias (PEREIRA, 2014).
Como o objetivo a princpio somente a prospeco do sistema, a intensidade
do som foi definida como 85 dB, abaixo do limiar de crise dos WAR. A Figura 4 ilustra o
protocolo de estimulao audiognica deste captulo, aplicado uma vez para cada rato.

Figura 4: Representao do Protocolo de Estimulao sublimiar de 85 dB.Ao longo do registro, so intercalados

perodos com som (trials) e trechos sem som (basal). So 6 trials de 30s, com valores de
ou
.

Assim, so sete trechos sem som, que foram considerados como perodos de
atividade basal nas anlises, e seis trechos com som (trials), dos quais trs so com
uma moduladora de

, e trs com

Todas as trilhas sonoras utilizadas foram geradas contendo dois canais. O

primeiro consistia em uma onda senoidal nas mesmas frequncia e fase da
componente moduladora, servindo como canal de referncia para analises das
relaes de fase entre estmulo e LFP. O segundo canal consistia no sinal da trilha a ser
reproduzida - em um tom de 10.000Hz com amplitudes moduladas em 53,71 Hz ou

25

92,77 Hz. As trilhas sonoras foram reproduzidas por um tocador de CD (Panasonic, SLS140) de modo que o primeiro canal fosse registrado como um sinal pelo
condicionador analgico de sinais e o segundo canal fosse reproduzido pelo sistema de
reproduo de som. A sada do segundo canal foi, ento, conectada a um amplificador
automotivo (MXR 2250 500 watts), que por sua vez se conectava a um alto falante
(Sellenium T-40). O alto falante foi acondicionado em uma caixa metlica, para
blindagem eletromagntica, forrada internamente com espuma acstica. O estmulo
sonoro foi ento conduzido por um tubo de borracha at o topo da caixa de acrlico e a
intensidade do som no interior da caixa foi calibrada (Brel & Kjr, Type 2236) antes
de cada sesso experimental para 85 dBA SPL no centro da caixa.
Os sinais foram registrados em dois canais. O primeiro contm a onda
moduladora

, servindo como referncia para anlises de relaes temporais entre

estmulo e ASSR. Este sinal no contm a componente correspondente portadora,

pois esta no est presente na resposta evocada no CI, que oscila de acordo com as
variaes de amplitude do som ( ), enquanto a componente de

est presente

somente em estgios iniciais da via auditiva (uma vez que neurnios no disparam a
10kHz). O segundo canal registra o LFP por meio de um eletrodo monopolar ativo no CI
(fios entrelaados de ao 0,005, revestido por TeflonTM, alcanando uma espessura
final de 0,007, #7915, A-M Systems) e referncia no osso nasal.
Na aquisio, ambos os sinais so filtrados na banda de

amplificados 10.000x por um condicionador analgico de sinais (Axon Instruments,

Cyberamp 320). Aps o processamento analgico, os sinais foram digitalizados a uma
taxa de amostragem de 20.000Hz (National Instruments, NI-DAQ 6023E) e
visualizados pelo software Kananda. Os protocolos tambm foram registrados em
vdeo (TVnPC P6), para comparao entre caractersticas eletrofisiolgicas e
comportamento.
Os valores exatos de

foram escolhidos considerando o fato de alguns

mtodos de anlise tempo-frequncia necessitarem da segmentao do sinal em

janelas com nmero de amostras igual a potncias de 2. desejvel que a componente
senoidal dentro de uma janela possua um nmero inteiro de ciclos, de modo a

26

diminuir os efeitos do Vazamento Espectral. Quando isto ocorre, um sinal composto

por um som puro pode ter um espectro onde os coeficientes so espalhados ao redor
da frequncia central da senide, ao invs de serem concentrados apenas nesta
frequncia. Assim, para garantir um nmero inteiro de oscilaes ( ) de uma senide
com

, em uma janela com

amostras e frequncia de amostragem

, temos

(JIANGTAO XI; CHICHARO, 1996):

(1)
Com

dois valores para

inteiro.

potncia de 2 (215 inicialmente), precisamos definir

(um ao redor de 53 Hz, outro ao redor de 92 Hz) que resultem em

e

so valores que satisfazem a esta condio com grau de

preciso satisfatria, pois com

temos

respectivamente.

2.3. Extrao de Caractersticas e Classificao

Caractersticas foram extradas de cada trecho do sinal, associando atributos a
cada um, como PLV e potncias das bandas. Trechos so separados em trials, que so
os perodos de 30s com apresentao do som AM, e perodos sem som, definidos
como trechos basais. Os trials de

so analisados

separadamente. As caractersticas extradas so usadas para avaliao de hipteses;

excitabilidade perante estmulo (I), sincronismo da ASSR com a componente
moduladora do som (II), e classificao (III). Subconjuntos de amostras e atributos so
selecionados de acordo com a hiptese a ser avaliada (a hiptese II utiliza somente o
PLV de trials, por exemplo) ou problema de classificao.
Os scripts utilizados neste e no prximo captulo foram desenvolvidos em
MATLAB (R2013b). Parte das anlises estatsticas foram feitas no software GraphPad
Prism 6.

27

2.3.1. Potncia das bandas e ASSR

Um dos modos de quantificar excitabilidade neural atravs do clculo da
potncia de bandas de frequncia especficas. Estas podem estar na faixa de
frequncia da ASSR, ou em ritmos oscilatrios onde a estimulao sonora influencia
indiretamente. Em geral, a potncia de uma banda pode ser obtida por meio de
anlises espectrais como a Transformada de Fourier e suas variantes. Como os
registros de EEG/LFP deste trabalho so relativamente longos e marcados por noestacionariedade e oscilaes transitrias, foi utilizada a Transformada de Fourier de
Tempo Curto (STFT).

2.3.1.1. Potncia Espectral por STFT

A Transformada Rpida de Fourier (FFT Fast Fourier Transform) um dos
algoritmos mais tradicionais para anlise espectral de sinais. Porm, seu uso em sinais
de LFP e EEG deve levar em conta fatores como a baixa resoluo temporal e
suposio de estacionariedade deste mtodo. Alm disso, de interesse a
quantificao da evoluo de diferentes componentes de frequncia ao longo do
tempo. A Transformada de Fourier de Tempo Curto (STFT Short Time Fourier
Transform) uma adaptao da Transformada de Fourier que lida com essas
limitaes, por meio da segmentao e janelamento do sinal.
Na Transformada de Fourier, temos a decomposio do sinal como uma soma
ponderada de senos e cossenos:

(2)

Quando multiplicamos o sinal por uma janela de suporte compacto deslizante

no tempo e aplicamos a Transformada de Fourier em cada segmento, temos a STFT:

(3)

Sob outra perspectiva, podemos ver a STFT como o produto interno entre o
sinal e um conjunto de funes de oscilao de suporte compacto tomos.

28

(4)

Um importante parmetro da STFT o tamanho da janela utilizada. Isto

influencia diretamente o numero de pontos da transformada nos eixos de tempo e
frequncia. Para uma mesma frequncia de amostragem

, quanto maior o nmero

de amostras da janela, maior a resoluo na frequncia (pois esta conter maior

nmero de oscilaes) e menor a resoluo no tempo, sobretudo para frequncias
menores. J em janelas menores, so bem definidos os instantes em que uma
oscilao tem incio (maior resoluo temporal), porm a janela ir conter menor
nmero de oscilaes, podendo resultar em menor resoluo espectral. Logo, a
escolha de uma janela ideal uma relao de custo-benefcio entre resolues
temporais e de frequncia, que ir depender de caractersticas do sinal e objetivo da
aplicao. Nesta seo, utilizamos janelas com 32768 (
segundos com

) amostras, equivalendo a

. A magnitude dos coeficientes calculados pela STFT de

um registro representada por um espectrograma, mostrado na Figura 5.

-4

Sinal (CI WAR 01)

x 10
4

(V)

(a) 2
0
-2
-4
0

50

100

150

200

250
Tempo(s)

300

350

400

450

Espectrograma do Sinal

V/Hz

(b)

Frequncia(Hz)

20
1.5
40
1

60

0.5

80
100

50

100

150

200

250
Tempo(s)

300

350

400

450

Figura 5: Exemplo de um sinal (CI do WAR02) e seu respectivo espectrogrma (a) e (b), respectivamente. So
representadas as dinmicas de diferentes componentes de frequncia ao longo do tempo. A ASSR de cada trial
evidente, com componentes em 53,71Hz ou 92,77Hz.

Na anlise de sinais de EEG, motivadas pela hiptese que redes neurais ao

longo do crebro se comunicam atravs do mesmo conjunto de cdigos de frequncia

29

por meio de oscilaes (BAAR, 2013), comum a diviso de bandas de frequncia

especficas. Neste trabalho, as bandas foram definidas de acordo com (BUZSKI;
WATSON, 2012)e ajustadas de acordo com os valores de frequncia de cada bin da
STFT obtida com janelas de 215 amostras;

delta (

theta (

alpha (

beta (

gamma (

)
)
)

Para a ASSR, uma assinatura eletrogrfica na forma de oscilaes presente na

componente moduladora

, de modo que o sinal tambm analisado de

, onde

a largura de banda ASSR. A escolha deste

valor depende da aplicao; para caractersticas relativas modulao em amplitude e

dinmica da ASSR, valores maiores so desejveis, por exemplo. Nesta seo, como
de interesse a potncia da banda da ASSR, refletindo o grau de excitabilidade neural, e
no variaes de amplitudes decorrentes de processos de modulao, definimos

Para o clculo de potncia de cada banda (delta, theta, alpha, beta, gamma e
ASSR), a STFT de cada trecho de interesse calculada, e os coeficientes de cada faixa
de frequncia de interesse so somados (resultando num vetor que representa a
energia de determinada banda ao longo do tempo). No caso da banda gamma, os
coeficientes ao redor da frequncia da ASSR so eliminados (

).

calculada ento a mdia de energia de cada vetor (de energia de banda ao longo do
tempo), resultando em 6 valores de potncia por STFT, um para cada banda de
frequncia. Isto feito de modo que cada trecho de interesse (trials com som, ou sem
som) seja uma amostra, com 6 atributos de potncia. Caso determinado trecho possua
partes com artefatos considerveis, seus atributos sero obtidos pela mdia dos
valores calculados de seus segmentos vlidos (sem rudo). Como analisada a resposta
perante um estmulo, de interesse a normalizao destes valores pelos respectivos
valores basais de cada animal, para compensar eventuais diferenas do LFP medido de

30

diferentes animais. Os valores basais so obtidos pelas mdias dos valores calculados
para os trechos sem som. Assim, so extrados 12 amostras de cada registro, das quais
6 correspondem a trechos com som (3 trials de 53,71Hz e 3 trials de 92,77Hz) e 6
trechos sem som, e cada uma possui 6 atributos de potncia (delta, theta, alpha, beta,
gamma e ASSR). Estes podem ser ou no normalizados pelos respectivos valores
basais, de acordo com a anlise necessria. O subconjunto de amostras e as
respectivas caractersticas a serem comparadas tambm iro depender do propsito
da anlise em questo. De forma geral, sero comparados:

Trechos sem som WAR x Trechos sem som Wistar

Trechos com som (normalizados) WAR x Trechos com som (normalizados)

Wistar

Trechos sem som WAR/Wistar x Trechos com som WAR/Wistar

2.3.2. Transformada de Hilbert

Caractersticas como a fase e amplitude de um sinal de banda limitada podem
ser obtidas por meio da representao analtica do sinal

, proposta por (GABOR,

1946), definida por:

(5)
Onde

a Transformada de Hilbert de

(6)

E P.V o valor principal de Cauchy. A amplitude instantnea do sinal dada por

, e a fase instantnea por

A transformada de Hilbert pode ser vista como uma defasagem de na fase

de cada componente espectral de

. Assim, o sinal analtico anlogo

representao de um oscilador harmnico

complexa por
por uma senide de

, representado na forma

. Como exemplo, temos um sinal

modulado em amplitude por
, e a respectiva Transformada de Hilbert

composto

31

s(t)
s H(t)

-1

-2

-3
0.15

Figura 6: Sinal AM
relao

0.2

0.25
0.3
tempo(s)

0.35

0.4

e respectiva Transformada de Hilbert,

. notvel o defasamento (/2) de
. Ou seja, quando
atinge um pico ou um vale,
, e vice-versa.

pode ser representado por

em

, equivalendo ao raio e ngulo em uma representao polar,

respectivamente -

. Assim, representando

com

, e a

respectiva representao polar, temos a Figura 7.

(a) Sinal, Amplitude instantnea e Fase instantnea
4
s(t)
A(t)

(t)

0
-2

39.35

39.4

39.45

39.5

39.55

39.6

(b) Representao Polar

90 10
120
60
5

150

30

180

210

330
240

270

300

Figura 7: Representao do sinal AM

e respectivas sries de amplitude
e fase
instantneas, em
(a). Em (b), mostrado a trajetria deste trecho, em uma representao polar.

32

A transformada de Hilbert uma ferramenta til para anlises envolvendo

diferentes tipos de acoplamento entre sinais. Por exemplo, sries de fase instantnea
podem ser utilizadas para quantificao do sincronismo de fase entre dois canais, por
meio do ndice de Phase Locking Value (PLV), apresentado a seguir.

2.3.3. Phase Locking Value

Para avaliao de hipteses envolvendo sincronismo e extrao de atributos
para classificao, necessrio um mtodo de quantificao do grau de acoplamento
entre estmulo e resposta. Para tal, foi utilizado o ndice de PLV (Phase Locking Value)
(TASS et al., 1998; LACHAUX; RODRIGUEZ, 1999; KREUZ et al., 2007). Ao contrrio de
mtodos tradicionais como coerncia espectral, o clculo do PLV separa os
componentes de fase e de amplitude do sinal, podendo ser diretamente interpretado
no mbito da integrao neuronal (LACHAUX; RODRIGUEZ, 1999). Neste trabalho, o
PLV calculado entre a componente

do som (canal 1) e a ASSR (canal 2) dos trechos

de interesse. A extrao deste ndice feita de acordo com os passos a seguir.

Primeiramente, os dois sinais/canais so filtrados (
frequncias de corte ao redor da ASSR (

) com um filtro FIR com

) e ordem igual a 3

comprimentos de onda da banda de corte inferior. O filtro aplicado em direes

opostas para eliminar distores de fase (zero phase filtering). Por meio da
Transformada de Hilbert, so calculadas as sries de fase instantnea

de cada sinal filtrado, que aps serem desenroladas (unwrapped) e subtradas entre
si, resultam na srie de fase relativa
calculamos a fase cclica relativa

. De

, limitada em *0 2+:
(7)

Alm da transformada de Hilbert, as sries de fase de cada sinal podem ser

extradas por Wavelets (LACHAUX; RODRIGUEZ, 1999). O desempenho de ambos os
mtodos avaliado como semelhante em (LE VAN QUYEN et al., 2001), mas em
(KREUZ et al., 2007), a fase por Hilbert resulta em desempenhos ligeiramente
superiores. Na Figura 8, so mostrados dois sinais (som e de um eletrodo no CI de um

33

Wistar) e suas respectivas sries de fase, alm da fase relativa cclica resultante
.
Sinal 1 (SOM) original (V)
Sinal filtrado em 53+-1Hz (V)
Fase Instantnea (rad)

Canal 1 - SOM
2
0
-2
40.1

40.2

40.3

40.4

40.5
Canal 2 - CI
tempo(s)

40.6

40.2

40.3

40.4

40.5
tempo(s)

40.6

40.7

40.8

40.9
Sinal 2 (CI) original (V)
Sinal filtrado em 53+-1Hz (V)
Fase Instantnea

40.7

40.8

40.9

-5
40

40.1

Fase Relativa Cclica

(rad) [0 2]

6
4

180
2
0
40

41

Fase Relativa Cclica (Grfico polar)

0.5
120 90 60
0.25
150
30
0

210
330
240 270 300
40.2

40.4
40.6
tempo(s)

40.8

41

Figura 8: Fase Relativa de dois sinais. (a) Sinal de estmulo (azul) e respectiva srie de Fase instantnea em
vermelho (b) Sinal de EEG (CI) original, sinal filtrado e respectiva srie de Fase instantnea (c) Fase Relativa
cclica, mostrando o acoplamento relativo entre as componentes (d) Representao polar da fase relativa. Caso
no houvesse acoplamento, a distribuio dos valores seria prxima do uniforme ao longo do crculo polar.

Com

, possvel analisar o grau de acoplamento (inversamente

relacionado disperso dos valores de fase) por:

Onde

( )

o nmero total de amostras de

a varincia circular

(8)
. Este ndice relacionado com

da distribuio da fase relativa cclica. Outras medidas desta

disperso incluem entropia de Shannon e probabilidade condicional da distribuio

de

(TASS et al., 1998).

Para evitar ndices de acoplamento esprios devido a rudo e distribuies de

fase individuais no-uniformes, comum a utilizao de ndices validados

estatisticamente por meio de sries substitutas (surrogates). Estas so geradas ao
embaralhar uma das sries de fase, preservando as caractersticas de sua
distribuio, mas destruindo sua relao temporal com a outra srie. Assim, vrios
ndices substitutos so obtidos embaralhando uma srie de fase

e calculando o

34

respectivo ndice

a cada iterao. O ndice normalizado de PLV ento

calculado (KREUZ et al., 2007):

{

(9)

Onde a mdia dos valores substitutos de PLV. Os valores de

so limitados de 0 (ausncia de acoplamento) at 1 (fases totalmente acopladas).
Neste trabalho, ao invs da permutao e anlise de distribuio da fase
relativa entre trials, como ocorre em (LACHAUX; RODRIGUEZ, 1999), os valores de PLV
so obtidos de acordo com a distribuio de fase ao longo do tempo em cada trial, e
sries substitutas so geradas permutando a ordem das amostras de cada sinal
individual, de modo semelhante ao empregado em (TASS et al., 1998) e (KREUZ et al.,
2007). Esta metodologia foi preferida pelo fato da 1 opo necessitar de um grande
nmero de trials, alm da suposio de estacionariedade entre estes, o que no o
caso para os protocolos de ASSR aqui utilizados.
Antes da aplicao do mtodo PLV, importante definir a escala de tempo
desejada para anlise de sincronismo. Por exemplo, possvel que uma resposta esteja
fortemente acoplada ao estmulo, mas com a lenta adio de atrasos ao longo do
tempo. Neste caso, a fase relativa seria estvel em trechos menores (alto PLV), mas
sua deriva resultaria em menores valores de PLV se grandes trechos fossem
selecionados. Para os propsitos deste trabalho, de interesse a quantificao do
sincronismo de fase entre estmulo e resposta em escalas menores, de modo que o
valor de PLV de cada trial dado pela mdia dos PLVs calculados em janelas
deslizantes (de 2 segundos) de cada trecho com som.

2.4. Avaliando a Hiptese I

De modo a auxiliar na compreenso do modelo de CAs de animais WAR, foram
propostas hipteses a respeito do processamento auditivo no CI de animais propensos
a CAs. A primeira hiptese (I) relativa a estmulos sublimiares ao gatilhamento de
CAs, propondo que este substrato em WARs hiperexcitvel. Isto no seria visvel no

35

EEG basal destes animais, mas poderia ser evidenciada na ASSR evocada por um som
modulado em amplitude.
Primeiramente, a potncia normalizada da ASSR de cada trial calculada e
comparada entre os grupos WAR e Wistar. Estes valores so indicadores da
excitabilidade perante estmulo (ou capacidade de resposta) de cada animal. Em
seguida, so comparados os valores de potncia sem normalizao (ao redor de

das bandas delta, theta, alpha, beta, gamma) de cada grupo, dos perodos sem som e
com som. Assim, so avaliados trs fatores; se a resposta evocada realmente
diferente do nvel basal, se os valores basais so diferentes entre WAR e Wistar, e se
os grupos so diferentes em relao potncia evocada pela ASSR. Os valores de
potncia so calculados por STFT (seo 2.3.1.1), considerando coeficientes ao redor
de

.
A segunda parte desta hiptese avalia os efeitos de estmulos auditivos (sons

AM) em osciladores endgenos de animais WAR, ao invs de utilizar a ASSR como

marcador. Assim, a potncia normalizada de cada ritmo (delta, theta, alpha, beta,
gamma) calculada e comparada entre os grupos WAR e Wistar.

2.5. Avaliando a Hiptese II

Embora a anlise envolvida na hiptese II possa ser estendida para a hiptese I,
pois o sincronismo da ASSR com resposta pode ser interpretado como marcador de
processamento sensorial, esta hiptese se trata de uma abordagem para investigar o
sincronismo do substrato neural em questo. Espera-se que circuitos neurais do CI
sejam propensos ao hipersincronismo, que seria um dos fatores envolvidos na
ictognese. Por meio da sondagem do sistema com estmulos acsticos AM de 85 dB,
possvel analisar a capacidade de sincronismo destes circuitos com estmulos externos,
por meio do clculo do PLV entre ASSR e componente moduladora do som. Trechos
com som so segmentados em janelas de 2 segundos, de modo que PLV de cada trial
dado pela mdia dos valores de

de cada segmento do respectivo trial. Deste

modo, o ndice de acoplamento calculado no afetado por pulos nem por atrasos
incrementais da fase relativa. Apesar de estas dinmicas serem potencialmente de

36

interesse em outras anlises, esta hiptese envolve a capacidade da ASSR de seguir o

estmulo, em nveis menores de escala temporal. Assim, a separao dos trials em
segmentos para clculo do PLV busca dar nfase na quantificao entre o jitter entre
estmulo e ASSR, e desconsiderar eventuais tendncias lentas da fase relativa entre
estas duas componentes. Os ndices calculados so ento comparados entre os grupos
WAR e Wistar, refutando ou confirmando a hiptese proposta.

2.6. Avaliando a Hiptese III

Nas sees anteriores, foram mostrados diferentes mtodos de extrao de
atributos que poderiam ser utilizados como entradas em classificadores para prever a
qual classe pertence determinada amostra (trecho de EEG). Assim, a avaliao da
hiptese III envolve testes de desempenho de classificadores utilizando diferentes
caractersticas. O problema de classificao aqui abordado feito considerando o
protocolo de estimulao (de 85 dB) mostrado neste captulo.

2.6.1. Classificadores
So consideradas duas classes possveis; uma classe positiva (1), representando
animais suscetveis a crises (WAR), e uma classe negativa (2), de animais saudveis ou
controle (Wistar). Dois tipos de classificadores foram utilizados: Bagging aplicado a
uma rvore de decises, e uma Mquina de Vetores de Suporte (SVM) (CORTES;
VAPNIK, 1995).
O mtodo de Bagging (de Bootstrap Aggregation), proposto em (BREIMAN,
1996), consiste basicamente na obteno de novas amostras, dado um nico conjunto
de amostras de treinamento, de modo a reduzir a varincia e evitar a
sobreparametrizao do modelo. A rvore de decises, por sua vez, prev respostas
para determinadas amostras, de acordo com regras de deciso. Estas regras vo desde
a raiz (incio) at ns terminais ou folhas, que contm a deciso sobre a classe
pertencente determinada amostra.
O mtodo SVM possui fortes bases tericas que resultam em certas garantias
de desempenho. De modo geral, um classificador SVM define um hiperplano timo

37

para separao entre classes, por meio de um problema de otimizao quadrtica que
busca maximizar a margem entre hiperplano e vetores de suporte, como mostrado no
exemplo simples da Figura 9:

Figura 9: Exemplo simples mostrando a maximizao da margem entre separador e vetores de suporte (amostras
prximas da margem) (WATSON, 2011)

Neste trabalho, utilizamos um tipo de SVM cujo hiperplano quadrtico,

definido por meio de um kernel. Para mais detalhes a respeito de mtodos SVM,
conferir em (CORTES; VAPNIK, 1995; BURGES, 1997)
Na avaliao dos classificadores foram feitas 100 iteraes, utilizando validao
cruzada por k-dobras (

). Ou seja, o conjunto de dados de cada anlise dividido

em k subconjuntos com o mesmo tamanho e mutualmente exclusivos. Um destes

subconjuntos utilizado como teste, avaliando exatido (Acc), sensibilidade (SE) e
especificidade (SP) do classificador treinado com os
processo feito

subconjuntos restantes. Este

vezes, variando o conjunto de teste escolhido, com o resultado final

igual mdia dos valores (de Acc, SE e SP) encontrados para cada iterao. Deste
modo, a capacidade de generalizao do classificador melhor avaliada, e no
somente sua capacidade de se ajustar aos dados (overfitting).
Foram feitos diferentes testes de desempenho, utilizando diferentes
subconjuntos de caractersticas:
a. Potncia normalizada da ASSR (1 atributo)
b. Potncia normalizada da ASSR + PLV (2 atributos)
c. Potncia normalizada (trial) das bandas delta-gamma (5 atributos)
d. PLV, Potncias normalizadas de ASSR e bandas delta-gamma durante trial (7
atributos)
e. Potncia basal das bandas delta-gamma (5 atributos)

38

Nos testes (a) e (b), somente atributos relacionados com a resposta evocada
foram utilizados, de modo a provar a eficincia do protocolo de estimulao sonora
para identificao de indivduos suscetveis a crises. O teste (c) feito de modo a
simular o desempenho do classificador em casos onde a ASSR no estaria disponvel
(ou no seria to evidente). No teste (d), so utilizados atributos diretamente
relacionados ASSR e a potncia normalizadas das bandas delta at gamma
(combinao de b e c). Por fim, no teste (e) feita a classificao utilizando trechos
sem apresentao do som, para esclarecer se a estimulao sonora realmente
necessria para classificao, ou se somente o EEG basal suficiente para identificar
animais

propensos

a crises.

Outros atributos

poderiam

ser considerados

(especialmente os relacionados com a ASSR), mas como veremos a seguir, somente a

energia da ASSR suficiente para total discriminao entre classes.
Assim como nas sees anteriores, os desempenhos so avaliados
separadamente para os trials de

2.7. Descarte de Segmentos

De modo a caracterizar e diferenciar diferentes indivduos e amostras, nas
anlises quantitativas so extrados atributos de cada trecho de 30s de estimulao
(cada trecho = 1 trial). Como o nmero de animais relativamente pequeno (8 de cada
classe ou grupo) para avaliao de classificadores, mas cada animal possui 6 trials (3
para cada

), consideramos cada trial como uma amostra, com seus respectivos

rtulos de classe (WAR ou Wistar) e atributos (Potncia de bandas, PLV, etc). Para a
extrao destes atributos de forma confivel, necessria a inspeo dos registros e
trechos de cada trial, em busca de artefatos no sinal que poderiam influenciar os
resultados.
Nos registros dos animais WAR, observou-se a presena de espculas de alta
amplitude, inicialmente de origem desconhecida. Um registro de um animal WAR
mostrado na Figura 10, assim como seu respectivo espectrograma (STFT) e um trecho
destacado de um episdio deste tipo.

Amplitude sinal (V)

39

WAR 02
4
2
0
-2
-4
0

(a)
50

100

150

200

250
tempo(s)
HVS - High Voltage Spindle

300

350

400

450

(b)

0
-2

Frequncia(Hz)

375

20
40
60
80
100

376

377

378

379
tempo(s)
STFT do sinal

380

381

382

383

384

(c)
50

100

150

200

250
tempo(s)

300

350

400

450

Figura 10: Exemplos de HVS no sinal.(a) Registro de um WAR (com amplificao de 10000x e seu respectivo
espectrograma (c). Trecho de fuso/HVS em destaque em (b).

A princpio, tais espculas foram interpretadas como artefatos de mastigao.

Porm, alm das formas de onda encontradas possurem uma frequncia caracterstica
(

) levemente superior frequncia de mastigao de ratos encontrada na

literatura (

) (WESTNEAT; HAL, 1992), a inspeo do vdeo-EEG no evidenciou

comportamentos deste tipo associado a estes eventos eletrogrficos. Ademais, estes

perodos

eram

caracterizados

pela

imobilidade

momentnea

dos

animais.

Considerando este padro comportamental e caractersticas eletrogrficas destes

eventos, conclumos que estes seriam espculas correspondendo a Fusos de Alta
Amplitude (HVS, ou High Voltage Spindles), presentes tanto em ratos saudveis
(BUZSAKI et al., 1988; BUZSKI et al., 1988), quanto em WARs (MORAES, 1998). Porm,
no caso de WARs, a frequncia de ocorrncia destes eventos significativamente
maior, enquanto em Wistars a ocorrncia de HVS estaria relacionada a transies de
estado viglia-sono (SAKATA; YAMAMORI; SAKURAI, 2005), no sendo observados nos
registros deste trabalho.
Apesar de estes episdios possurem origem neural e investigaes a respeito
de suas causas e origem sejam vlidas, isto est fora do escopo deste trabalho. Assim,
os trechos com presena de HVS foram demarcados manualmente (analisando o sinal
e seu espectrograma), e somente segmentos sem HVS, com durao mnima de 2
segundos, tiveram caractersticas extradas. Para manter o nmero de amostras de

40

cada classe, calculada a mdia dos valores encontrados de todos os segmentos

vlidos em cada trial. Ou seja, um trial com 3 segmentos vlidos equivale a uma
amostra, cujos atributos (Potncia de cada banda, PLV, etc) so as respectivas mdias
calculadas ao longo dos 3 segmentos.

2.8. Resultados e Discusso

Os resultados so divididos de acordo com as hipteses avaliadas, seguidas
pelo problema de classificao. As anlises foram feitas separando os trials de 53 Hz e
os de 92 Hz, descartando os perodos com a presena de HVS ou artefatos nos
registros WAR e Wistar. Assim, temos 192 amostras totais: 96 para cada classe (WAR
ou WIS), das quais 48 so de trechos com silncio e 48 so trechos com som (trials).
Destes, cada metade corresponde aos trials ou de 53 Hz, ou de 92 Hz.

2.8.1. Hiptese I - Resultados

Um registro de cada grupo mostrado na Figura 11, seguido pelos respectivos
espectrogramas (tempo-frequncia por STFT). Nestes, evidente o aparecimento de
componentes de frequncia especficas durante os trials, nas respectivas frequncias
de modulao

, representando a ASSR.

Aps o espectrograma, so mostradas as energias ao redor da banda ASSR ao

longo do tempo, para

(Figuras 11.g e 11.h) e

. Percebe-

se que o registro do WAR possui maiores valores de energia de ASSR. Para avaliar
estatisticamente a diferena entre WARs e Wistars, a potncia normalizada de cada
trial (trecho com som) de todos animais calculada. As distribuies de cada grupo
no foram rejeitadas por testes de normalidade (KolmogorovSmirnov e Shapiro-Wilk),
sendo posteriormente comparadas entre si por Teste T, como mostrado pela Figura 12.

41

fm=53Hz

Freq.(Hz)

5
0

0
-5
(a)
0

200
300
400
Tempo(s)
Espectrograma WAR 01

100

200
300
400
Tempo(s)
Energia ASSR WAR - fm 53Hz

400

50
100

200
300
400
Tempo(s)
Energia ASSR Wistar - fm 53Hz

1.5

V/Hz

V/Hz

200
300
Tempo(s)

100
(d)

1.5
1
0.5
0
(e)

200
300
400
tempo(s)
Energia ASSR WAR - fm 92Hz

1
0.5
0
(g)

100

200
300
tempo(s)

400

1
0.5
0
(f)

100

V/Hz

V/Hz

100

Espectrograma Wistar 01

(V/Hz)
0.4
0.2

50

Registro Wistar

x 10

-5
(b)
0

100

100
(c)

-4

fm=92Hz

Freq.(Hz)

(V)

Registro WAR

(V)

-4

x 10

100

200
300
400
tempo(s)
Energia ASSR Wistar - fm 92Hz

1
0.5
0
(h)

100

200
300
tempo(s)

400

Figura 11: Espectrograma e ASSR de dois registros.Registros de um WAR (a) e Wistar (b), com os perodos de
aplicao de estmulo sonoro marcados. (c) e (d) mostram o espectrograma de cada sinal (janela de 32768
amostras), representando a evoluo da magnitude de diferentes componentes de frequncia ao longo do
tempo. evidente a ASSR durante a aplicao do som. Abaixo, so mostradas as energias das respectivas ASSRs
ao longo do tempo, por meio da soma dos coeficientes ao redor de
; 53.01Hz at 54.32Hz para (e) e (f), e 92.12
at 93.37Hz para (g) e (h).

Independentemente do

utilizado, a amplitude da ASSR significativamente

maior em animais WAR, indicando que o CI destes animais mais responsivo a

estmulos auditivos. Ou seja, para estmulos de mesma intensidade, animais WAR,
suscetveis a CAs, respondem com maior amplitude relativa ao nvel basal. Isto
confirma parte da 1 hiptese. Na Figura 13, avaliado se a potncia pura (sem
normalizao basal) ao redor da respectiva banda da ASSR (

) diferente

somente durante perodos com estimulao (trials), ou tambm em trechos basais

(sem som).

42

Energia ASSR normalizada

trechos com som(fm = 53Hz)

Energia ASSR normalizada

trechos com som(fm = 92Hz)

***

***

12

12
10
10

(adim.)

(adim.)

8
8
6

WAR

WIS

WAR

WIS

Figura 12: Potncias ASSR normalizadas pelo basal, grupos WAR x Wistar. Em (a),
e (b)
. Resultados mostrados como mdia + EPM. Diferenas significativas (teste T) encontradas em
ambos os casos; ***p<=0.001.
Energia em fm = 53.71+-0.61Hz

Energia em fm = 92.77+-0.61Hz

***
1.2

1.2

***

0.8

0.8

(V/Hz)

(V/Hz)

***

0.6

0.4

0.2

***

***
***

0.6

0.4

0.2

***

***
0

WAR(basal)

WIS(basal)

WAR(trial)

WIS(trial)

WAR(basal)

WIS(basal)

WAR(trial)

WIS(trial)

Figura 13: Potncias ao redor da moduladora(

), em trechos sem som (basal) e com som (trial), dos
grupos WAR e Wistar.
, esquerda, e
direita. Resultados mostrados como
mdia + EPM. RM-Anova1 foi utilizado para comparar Basal x Trial, do respectivo grupo de animais. Para
comparaes entre Basal (WAR) e Basal (WIS), foi utilizado teste T. ***p<=0.001.

Na Figura 13, evidente a diferena dos trials em relao ao basal do

respectivo grupo, devido ASSR evocada pelo som. Alm disso, confirmado que a
potncia da ASSR nos trials de animais WAR maior que em animais Wistar. Porm, ao

43

contrrio do proposto na hiptese, h uma diferena tambm nos nveis basais, onde
WARs apresentam maior potncia em

e em

, frequncias

que esto inseridas na banda gamma. Comparando os nveis basais de diferentes

ritmos (delta at gamma) entre WAR e Wistar por teste T, temos a Figura 14.
Energia em Delta
trechos SEM som

Energia em Theta
trechos SEM som

0.8

Energia em Alpha
trechos SEM som

1.5

1
0.8

0.6

0.4

V/Hz

V/Hz

V/Hz

0.5
0.2

WAR

WIS

WAR

WIS

WAR

WIS

Energia em Gamma
trechos SEM som

1.2

***
2.5

0.8

V/Hz

V/Hz

0.4
0.2

Energia em Beta
trechos SEM som

0.6

1.5
1

0.4

0.5

0.2
0

0.6

WAR

WIS

WAR

WIS

Figura 14: Potncias dos ritmos Delta, Theta, Alpha, Beta e Gamma, em trechos sem som(definidos como
atividade basal). Resultados mostrados como mdia + EPM.. Diferenas significativas so mostradas por
asteriscos (teste T). *p<=0.05 ***p<=0.001

Estes resultados indicam que, mesmo em perodos sem estmulos sonoros, o

EEG de WARs possui maior potncia nas bandas Gamma e Beta. Assim, o EEG basal
destes animais suscetveis a CAs, alm da presena de episdios de HVS (cujos trechos
so excludos destas anlises), possui maior nvel de atividade em circuitos neurais de
alta frequncia, comumente relacionados a dinmicas locais (BUZSKI, 2006). Um fator
que poderia ser relacionado com este resultado a aparente maior resistncia
extracelular do mesencfalo de animais WAR (MORAES, 1998), que facilitaria a
sincronizao entre neurnios vizinhos por meio de um mecanismo de transmisso
eftica (BUZSKI; ANASTASSIOU; KOCH, 2012). A gerao de um fluxo de corrente
inica extracelular pela ativao de um neurnio poderia ser conduzida, cada vez mais,
pelo meio intracelular de neurnios vizinhos, diminuindo seus potenciais de
membranas. Isto seria um modo de aumentar excitabilidade destes neurnios e

44

promover o sincronismo entre seus disparos, que poderia ser um fator envolvido no
aumento de atividade de circuitos locais, indicado pelo aumento nas potncias em
Gamma desta seo. Porm, os experimentos deste trabalho so insuficientes para
avaliar tal hiptese. Para tal, seriam necessrios registros multi-unitrios, assim como a
confirmao de que o mecanismo de transmisso eftica favorecido em certos
substratos neurais de animais WAR.
Oscilaes em gamma tambm podem estar relacionadas com armazenamento
e recuperao de informaes (LISMAN, 1999), mecanismos de inibio (BARTOS;
VIDA; JONAS, 2007), ou servir como referncia para codificao temporal (BUZSAKI;
CHROBAK, 1995). Alteraes neste ritmo tambm podem levar a distrbios
psiquitricos como esquizofrenia (SPENCER et al., 2003). Porm, novamente os
experimentos deste trabalho no so suficientes para avaliar a relao de possveis
mecanismos de oscilaes gamma com a maior potncia deste ritmo encontrada em
WARs, e qual o papel disto na ictognese e outras particularidades em animais desta
linhagem.
Por fim, avaliada a sub-hiptese que diz respeito influencia de estmulos
sonoros em osciladores endgenos do CI de animais WAR. Assim, potncias
normalizadas pelos respectivos nveis basais, das bandas Delta at Gamma, so
calculadas para ambos os grupos, de modo a avaliar se a apresentao de estmulos
altera os nveis basais de modo diferente em animais suscetveis a CAs. Os resultados
so mostrados na Figura 15.
Novamente, as bandas Beta e Gamma apresentam diferenas entre os grupos.
Porm, agora que so considerados os trechos com som, e normalizando pelos
respectivos valores basais, animais WAR apresentam menores valores. Ou seja, houve
uma queda significativa em relao aos nveis basais de animais WAR, em relao a
Wistars, nas duas bandas de frequncias mencionadas. Isto confirma a subhiptese (ii),
que o som produz efeitos em osciladores endgenos em WARs. Ademais, a queda nos
valores normalizados em Gamma poderia ser decorrente do recrutamento de circuitos
deste ritmo pela ASSR (uma vez que a resposta est inserida no ritmo Gamma), que
poderia ser um dos fatores envolvidos na maior amplitude de resposta de WARs.

Energia (normalizada) em Delta

trechos COM som

Energia (normalizada) em Theta

trechos COM som

0.8

0.8

0.8

0.6

0.6

0.6

0.4

0.4

0.4

0.2

0.2

0.2

WAR

WIS

Energia (normalizada) em Beta

trechos COM som

WIS

WAR

WIS

0.8

adim.

0.8

0.6

0.6

0.4

0.4

0.2

0.2

WAR

Energia (normalizada) em Gamma

trechos COM som

adim.

Energia (normalizada) em Alpha

trechos COM som

adim.

adim.

adim.

45

WAR

WIS

WAR

WIS

Figura 15: Potncias normalizadas pelos respectivos nveis basais, das bandas Delta, Theta, Alpha, Beta e Gamma,
durante trechos com som (trials). Resultados mostrados como mdia + EPM. Diferenas significativas so
mostradas por asteriscos (teste T). *p<=0.05

2.8.2. Hiptese II: Sincronismo de fase

Na Figura 16, os ndices de PLV ao longo do tempo so mostrados para dois
registros, um de cada grupo.
Quando no h estmulo em 53,71 Hz, no h acoplamento entre os canais de
som e do CI, confirmado pelos baixos valores de PLV. Durante os trials de 53 Hz, o
acoplamento entre ASSR e estmulo auditivo evidente pelo aumento do PLV. Neste
caso, o animal WAR apresentou maior ndice. Tambm aparente que a presena de
HVS em animais WAR no prejudica o sincronismo da ASSR com a resposta. Parte disso
se deve ao fato que esses episdios de alta amplitude possuem componentes de
frequncia de no mximo 45Hz, no afetando a componente da ASSR.

46

Registro WAR 01

(a)

0
-5
0

50

100

150

200

250
Tempo(s)

300

350

400

450

PLV

Acoplamento de Fase entre Som e ASSR

(b)

0.5
0

50

100

150

200

250
Tempo(s)

300

350

400

450

Registro Wistar 06

(c)

0
-5
0

50

100

150

200

250
Tempo(s)

300

350

400

450

PLV

Acoplamento de Fase entre Som e ASSR

(d)

0.5
0

50

100

150

200

250
Tempo(s)

300

350

400

450

Figura 16: Registros e seus respectivos valores de PLV ao longo do tempo.Os ndices PLV so calculados entre
registro e som, na banda de
e em janelas deslizantes de 4 segundos, com 75% de overlap. (a)
Registro de um WAR (com amplificao de 10.000 vezes) e em (b) seus respectivos valores de PLV ao longo do
tempo. (c) Registro de um Wistar (com amplificao de 10.000 vezes) e PLV ao longo do tempo em (d). Durante
os trials de 53 Hz (demarcados pelos crculos pretos e vermelhos), a ASSR acoplada com o estmulo auditivo,
resultando no aumento do PLV.

Considerando todos os registros e calculando a mdia dos valores de PLV em

janelas deslizantes de 2 segundos, para todos trials (de 53 Hz e 92 Hz), temos a Figura
17. Como as distribuies dos ndices de PLV de WARs no passaram nos testes de
normalidade de KolmogorovSmirnov e Shapiro-Wilk, foi utilizado um teste no
paramtrico para comparao entre os grupos (Wilcoxon Rank Sum test).
Animais WAR apresentaram maior ndice de PLV que animais Wistar, em ambos
os casos (53 Hz ou 92 Hz). Com

, a diferena entre WAR e Wistar

reduzida (em relao a 53 Hz), pois enquanto o PLV WAR est perto do valor mximo
em ambos os casos, o PLV de animais WISTAR aumenta de

para

. Isso relacionado com parte dos resultados da Hiptese I, onde a

potncia normalizada da ASSR de animais Wistar dos trials de 92 Hz maior que nos
trials de 53 Hz. O aumento no PLV poderia ser decorrente tanto de uma melhor

47

relao sinal/rudo (causada pelo aumento do sinal), quanto de um efetivo aumento na

capacidade de acoplamento com um estmulo externo.
PLV Trials 53.71Hz

PLV Trials 92.77Hz

*

***

0.9
0.8

ndice PLV

ndice PLV

0.8
0.6

0.7

0.4
0.6

0.2

0.5

0.4
WAR

Wistar

WAR

Wistar

Figura 17: PLV, protocolo de 85 dB.ndices PLV de cada grupo (WAR ou WIS), nos trials de 53 Hz ( esquerda) e 92
Hz ( direita). Resultados mostrados como boxplots; mediana em vermelho, e os limites da caixa so os percentis
de 50% e 75%. Diferenas significativas (Wilcoxon Rank Sum) encontradas em ambos os casos; *p<=0.05,
***p<=0.001.

Um fator que poderia invalidar as concluses desta anlise seria que as

diferenas de PLV observadas poderiam ser decorrentes apenas de diferenas na
relao sinal/rudo, causadas pelo aumento de rudo nos sinais do grupo controle. Ou
seja, o PLV de animais WAR poderia ser maior no porque a ASSR est acoplada com o
som, mas devido a uma melhor relao sinal/rudo decorrente de uma menor
atividade aleatria em Gamma (ao redor de

). Porm, os resultados na Figura 14

mostram que a potncia basal em Gamma e ao redor de

de animais maior. Alm

disso, a ordem de amplitude da ASSR em relao aos nveis basais alta, de tal modo
que diferenas significativas no PLV decorrentes de ligeiros aumentos na atividade
basal seriam improvveis.
Assim, as diferenas encontradas entre os grupos validam a hiptese proposta,
que circuitos neurais do CI de animais WAR sincronizam mais facilmente com
estmulos externos. Isto estaria relacionado com a propenso destes animais a CAs,

48

onde o hipersincronismo circuitos neurais locais e distantes estaria envolvido na

ictognese. Porm, o protocolo experimental utilizado limitado quanto a estas e
outras questes de interesse; este sincronismo elevado constante ao longo da via
auditiva? Outros circuitos neurais se acoplam de modo anormal com este estmulo?
Como a dinmica do acoplamento da ASSR com o estmulo, na iminncia e durante
uma CA? Esta ltima pergunta ser tratada no prximo captulo.

2.9. Hiptese III - Classificao

O desempenho dos classificadores avaliado por trs ndices: Exatido (Acc),
Sensibilidade (SE) e Especificidade (SP). A Exatido a taxa de acertos dos dados de
teste (aps o treinamento). A porcentagem de WARs (definida como classe positiva)
que corretamente classificada dada pela Sensibilidade, ou verdadeiros positivos
(VP). J a Especificidade a taxa de Wistars (classe negativa) que corretamente
classificada (Verdadeiro Negativo - VN).
Os parmetros dos classificadores (bagging e SVM) foram os mesmos para
todos os testes da Tabela 1. Melhores desempenhos seriam possveis com o ajuste de
parmetros em cada caso. Porm, visto que o nmero de amostras relativamente
pequeno, tais melhoras poderiam ser decorrentes de overfitting, de modo que se
optou pela padronizao das configuraes dos classificadores. Alm disso, o objetivo
central desta seo no somente a obteno dos melhores valores de exatido, mas
a avaliao do poder preditivo da ASSR e comparao de desempenho dos diferentes
subconjuntos.
Diferentes testes de desempenho foram feitos, variando os conjuntos de
atributos utilizados como entradas de dois classificadores (SVM e Bagging). A Tabela 1
mostra o desempenho dos diversos testes, separados pelos respectivos trials (de 53 Hz
ou 92 Hz, ou perodos basais), tipo de classificador (SVM ou Bagging) e atributos
utilizados.

49

Tabela 1: Resultados de Classificao Desempenho de diferentes classificadores (SVM e bagging), em trials (de
53 Hz ou 92 Hz) e trechos sem som, utilizando os atributos; PLV entre ASSR e estmulo, potncia da ASSR e das
bandas delta at gamma. Diferentes subconjuntos so testados; todos 7 atributos (7), somente potncia da ASSR
(1), potncia ASSR + PLV (2), potncias normalizadas de delta/theta/alpha/beta/gamma, em trials (5), potncias
de trechos sem som, das 5 bandas (5)

Atributos
7

Trials
53 Hz

1
2
5
7

Trials
92 Hz

1
2
5

BASAL

Classificador

Acc(%)

SE(%)

SP(%)

SVM

88,8%

88,0%

89,6%

Bag

96,1%

96,2%

95,9%

SVM

95,6%

91,2%

100,0%

Bag

96,1%

96,0%

96,2%

SVM

95,0%

90,0%

100,0%

Bag

96,4%

96,3%

96,5%

SVM

73,7%

72,7%

74,8%

Bag

68,7%

73,2%

64,1%

SVM

85,6%

84,4%

86,8%

Bag

86,8%

85,6%

88,0%

SVM

76,2%

83,3%

69,0%

Bag

80,4%

75,3%

85,5%

SVM

81,7%

88,5%

75,0%

Bag

81,7%

78,5%

84,8%

SVM

67,7%

66,2%

69,3%

Bag

75,3%

72,4%

78,2%

SVM

77,4%

80,9%

73,9%

Bag

77,3%

77,7%

76,9%

Nos testes de trials, os seguintes atributos so utilizados:

7 Atributos: PLV, Potncias normalizadas de ASSR e bandas delta-gamma

durante trial.

1 Atributo: Potncia normalizada da ASSR.

2 Atributos: Potncia normalizada da ASSR + PLV

5 Atributos: Potncia normalizada das bandas delta-gamma

Nos trechos basais, so utilizados os atributos de potncia (sem normalizao)

das 5 bandas (delta-gamma).

50

Nos trials de 53 Hz, somente o clculo da potncia normalizada da ASSR

suficiente para prever corretamente cerca de

das amostras, mostrando seu alto

poder preditivo. Neste caso, o uso de mais atributos (PLV ou potncia de deltagamma) desaconselhvel, pois estes podem ser redundantes ou inclusive piorarem o
desempenho. J nos trials de 92 Hz, o poder preditivo da potncia da ASSR
significativamente diminudo, classificando cerca de

das amostras

corretamente. Neste caso, o uso de mais atributos interessante para a melhora de

desempenho (

com adio de PLV, e

com adio de PLV + potncias

delta-gamma). A piora na capacidade de discriminao da ASSR nos trials de 92 Hz

pode ser explicada pelas Figuras 12 e 13. Enquanto nos dois grupos (WAR e WIS) h
uma queda na potncia basal na banda de

em relao a

(esperado, pois o espectro de sinais de EEG segue uma distribuio

(BUZSKI,

2006)), a potncia pura (no normalizada pelo basal) da ASSR no alterada nos
animais Wistar, enquanto h uma diminuio (de 92 Hz em relao a 53 Hz) em
animais WAR. Isso resulta em um aumento da potncia normalizada da ASSR de
em relao a

em animais Wistar, enquanto em animais

WAR os valores so semelhantes independentemente da

escolhida. Logo, a

capacidade de discriminao entre as classes WAR e Wistar diminuda para a ASSR

dos trials de 92 Hz.
Utilizando somente as potncias normalizadas das 5 bandas (delta-gamma) em
trials,

das amostras so corretamente identificadas. Apesar da queda

considervel em relao aos classificadores que utilizam informaes da ASSR, estes

valores mostram que tais atributos ainda possuem capacidade de discriminao entre
WAR e Wistar. Isto reforado pelo melhor desempenho quando foram utilizados 7
atributos nos trials de 92 Hz, em comparao com os atributos da ASSR somente
.
Os resultados utilizando os 5 atributos de potncia basal (

) so

ligeiramente melhores que os obtidos com 5 atributos de potncia normalizada nos

trials. Ou seja, a estimulao sonora no til se considerarmos somente o nvel de
atividade neural de ritmos endgenos. Porm, quando associados com a ASSR, o

51

protocolo de estimulao possibilita ganhos considerveis na performance dos

classificadores.
Como visto anteriormente, o EEG basal de animais WAR possui caractersticas
diferentes de animais Wistar. Utilizando somente as potncias basais das bandas deltagamma, possvel a classificao correta de cerca de

das amostras. Este

desempenho pode ser melhorado, sobretudo se forem extrados atributos relativos

aos HVS (citados na seo 2.7) de animais WAR. Porm, a motivao desta parte do
trabalho no a simples diferenciao entre registros de animais WAR e Wistar (que
pode ser feita de diversas maneiras), mas a avaliao da eficincia do protocolo de
sondagem por estimulao acstica para obteno de atributos que permitam um
modo robusto de identificao de sistemas ictognicos. Os resultados mostram o
poder de discriminao da ASSR; o simples clculo de sua potncia suficiente para
diferenciar uma classe da outra, nos trials de 53 Hz. Alm de representar informaes
de modo esparso (devido concentrao em uma banda limitada em frequncia), as
oscilaes da ASSR esto em bandas de frequncia relativamente altas, mais separadas
dos ritmos endgenos de maior amplitude do EEG e de diferentes tipos de rudo. Estes
fatores contribuem para a robustez e eficincia de classificadores que utilizem a ASSR
para identificao de sistemas ictognicos.
Na interpretao dos resultados e extenso do mtodo como ferramenta
diagstica, deve-se considerar que o protocolo ASSR aqui utilizado envolve a
combinao de um estmulo sonoro, modelo de CA e eletrodo no CI, que faz parte da
via auditiva. Outros trabalhos podem tratar do quanto este mtodo pode ser
estendido a testes clnicos e quais adaptaes sero necessrias. Entre os principais
desafios para o uso de um protocolo semelhante em ambiente clnico para diagnstico
de epilepsia, temos a capacidade de generalizao para diferentes tipos de epilepsia.
Alm disso, os sinais obtidos sero, em sua grande maioria, de EEG de escalpo, com
pior relao sinal/rudo que os sinais de LFP aqui utilizados. Entre as opes para
adaptao, temos a combinao de estmulos diferentes, o uso de mais canais de EEG,
possibilitando anlises de coerncia e acoplamento que possam identificar propenso
a crises, e o uso de protocolos de condicionamento em conjunto com a estimulao.

52

2.10.

Concluso do Captulo

Neste captulo, redes ictognicas foram avaliadas por um paradigma de

sondagem neural. Os resultados da seo 2.8.1 confirmam parte da hiptese I, de que
o processamento auditivo de WARs diferenciado (no caso, hiperexcitvel),
evidenciado pela maior amplitude da ASSR evocada por sons AM. Estes valores
maiores seriam, em parte, devido ao maior recrutamento de circuitos locais,
resultando na ligeira diminuio de atividade nas bandas Beta e Gamma destes
animais.

Efeitos do som em osciladores endgenos nas bandas tambm foram

detectados, com a diminuio da atividade nas bandas Gamma e Beta. Porm, ao

contrrio do proposto inicialmente, WARs e Wistars possuem diferenas nos nveis de
atividade neural basal (alm da presena de HVS), pois WARs apresentaram maior
potncia nas bandas Beta e Gamma, em trechos sem a apresentao do som.
Calculando o ndice de PLV mdio durante trechos com a apresentao do som,
a hiptese II foi confirmada. Ou seja, WARs apresentaram maiores ndices de
acoplamento de fase entre ASSR e estmulo, indicando que o hipersincronismo de
substratos neurais (neste caso, do CI) pode ser mais um dentre os fatores envolvidos
na suscetibilidade de WARs a crises.
Por fim, a hiptese III foi testada e confirmada, mostrando que caractersticas
extradas de registros obtidos por meio do protocolo de estimulao sonora sublimiar
(de 85 dB) so eficientes na discriminao entre as classes WAR e Wistar. Ainda que a
simples classificao de amostras de sinais provenientes de animais WAR fosse uma
tarefa relativamente simples, devido aos episdios de ondas de alta amplitude (HVS,
descritas na seo 2.7) presentes na maioria destes animais, os mtodos de anlise
no utilizaram informaes destes eventos, mas somente de atributos relacionados,
direta ou indiretamente, ao estmulo em questo. Ou seja, os resultados mostram que
os Atributos da ASSR possuem alto poder preditivo, refletindo seu papel como
marcador eletrogrfico do processamento sensorial auditivo de cada animal. Isto
revela uma circuitaria hiperexcitvel em animais suscetveis a CAs, que poderia ser
utilizada no desenvolvimento de biomarcadores e como ferramenta diagnstica em
outras configuraes.

53

3. Processamento Auditivo ao Longo de

Crises Audiognicas
No captulo anterior, caractersticas extradas de sinais de LFP de um protocolo
de sondagem por estimulao sonora de 85 dB foram utilizadas para avaliao de
hipteses e na classificao de sistemas ictognicos. Neste captulo, os mesmos
atributos so extrados dos sinais de LFP, porm estes so decorrentes de
experimentos onde o estmulo sonoro (de 110 dB) utilizado para desencadear crises
tnico-clnicas em animais WAR. A dinmica dos atributos ao longo dos estgios prictal, ictal e ps-ictal analisada, de modo a avaliar hipteses e auxiliar na
compreenso dos mecanismos de ictognese.

3.1. Protocolo de estimulao a 110 dB

Os protocolos de experimento deste captulo so semelhantes aos do captulo
anterior. As diferenas incluem a durao e nmero de trials; ao invs de 6 trials de 30
segundos, utilizado somente 1 trial de 60 segundos. A frequncia de modulao
do trial igual a 53,71 Hz, e a intensidade do som de 110 dB (ao invs de 85 dB), o
suficiente para desencadear crises tnico-clnicas nos animais WAR. Alm disso, o
sinal amplificado em 2.000 vezes, e no 10.000 como no protocolo de 85 dB.

3.2. Hiptese IV dinmica ictal

As anlises deste captulo tm o objetivo de avaliar a hiptese de que o
processamento sonoro de WARs afetado antes, durante e aps a ocorrncia de uma
crise audiognica. Esta hiptese foi proposta como sequncia s propostas no captulo
anterior; se o CI de WARs marcado por hiperexcitabilidade, e crises so
desencadeadas com estmulos de alta intensidade, de se esperar que circuitos
responsveis pela resposta auditiva do CI faam parte da via ictognica. Na iminncia
de uma CA, estes circuitos (normalmente responsveis pelo processamento auditivo)
perderiam sua capacidade funcional, com o crescente recrutamento de circuitos
reverberantes pelo foco ictal. Isto seria agravado de tal modo durante a crise, que o

54

processamento sensorial auditivo seria incapacitado. No perodo ps ictal, o

processamento continuaria prejudicado, pois os circuitos envolvidos na crise estariam
em perodo hipoexcitvel (ou refratrio), devido ao esgotamento metablico ou algum
mecanismo que levou interrupo de atividade neural hipersncrona.
Para a avaliao da hiptese, atributos dos estgios pr-ictal, ictal e ps-ictal
foram extrados em cada registro de animais WAR e Wistar. Os trechos foram
segmentados de acordo com a inspeo visual do vdeo-EEG. Foram consideradas
principalmente caractersticas comportamentais, com pequenos ajustes de acordo
com os respectivos sinais e espectrogramas.
Apesar dos Wistars no apresentarem CAs perante a estimulao, trechos com
mesma durao e posio em relao ao incio do estmulo so segmentados neste
grupo, de acordo com os valores demarcados de incio e fim de cada estgio em
animais WAR. Assim, comparaes com o grupo controle (Wistar) podem ser feitas,
livres de eventuais discrepncias devido aos tamanhos diferentes dos segmentos de
cada grupo. Outro tipo de comparao com grupo controle considera os resultados
obtidos no protocolo de 85 dB em WARs. Ou seja, os valores em cada estgio
patolgico (pr-ictal, ictal e ps-ictal) do protocolo de 110 dB so comparados com
animais saudveis (Wistars) e com animais patolgicos (WARs) em situaes normais
(estmulo de 85 dB, sem CAs). Por fim, comparaes so feitas entre os prprios trs
estgios, de modo a compreender a dinmica envolvida ao longo da CA. Ou seja,
determinado atributo permanece constante ao longo dos trs perodos, ou muda em
algum destes?
Considerando a ASSR como marcador eletrogrfico de processamento sensorial
auditivo do CI, a capacidade de resposta a estmulos sonoros ao longo da crise feita
utilizando os mesmos mtodos de extrao de atributos do captulo anterior; A
amplitude da ASSR calculada por meio da STFT (coeficientes ao redor da banda

), e

o sincronismo da resposta com o estmulo calculado por PLV. Efeitos em osciladores

endgenos so quantificados pelo clculo da potncia em cada banda (Delta, Theta,
Alpha, Beta, Gamma).

55

3.3. Resultados e Discusso

Dois animais, um de cada grupo (WAR e Wistar), no foram includos neste
protocolo (PEREIRA, 2014). Todos os animais, cerca de 5 segundos aps o incio do
som, apresentaram comportamento de corrida, seguido por crises tnico clnicas. Dos
sete animais WAR, dois apresentaram CAs com ndice de Severidade (IS) (GARCIACAIRASCO et al., 1996) igual a 1 (mximo), e os demais tiveram CAs com

Os

trechos ao fim da CA e aps so caracterizados por apnia e depresso ps-ictal.

O registro de um WAR e sua respectiva representao tempo-frequncia (STFT)
so mostrados na Figura 18, destacando os diferentes estgios da crise.
-4

x 10

corrida
pr

Registro CA (WAR 01)

ictal

ps-ictal

(a)

(V)

-1

-2

20

40

60
Tempo(s)

80

100

120

uV/Hz
0.1

(b)

Frequncia(Hz)

10

0.08

20
0.06
30
0.04

40

0.02

50
60

20

40

60
Tempo(s)

80

100

120

Figura 18: Registro CI do WAR 01, protocolo 110 dB, e o respectivo espectrograma.Em destaque, acima, os 4
estgios segmentados (1) pr-ictal (2) corrida (3) ictal (4) ps-ictal. (b) mostra o Espectrograma do sinal.

A Figura 19 mostra os valores de potncia ASSR, normalizada pelo respectivo

basal, de animais WAR. Os trechos so comparados entre si, para avaliar a dinmica ao
longo dos estgios da CA, e com os valores encontrados no protocolo de 85 dB do
captulo anterior, como controle (RM-Anova de uma via, com post Hoc de Bonferroni).
Os resultados da Figura 19 indicam que a amplitude da ASSR evocada no
alterada significativamente antes, durante ou depois da crise, sendo semelhante aos

56

valores encontrados pelo protocolo anterior, apesar do aumento na intensidade do

som (85 dB para 110 dB).

E n e r g ia A S S R - W A R

e n e r g ia n o r m a liz a d a

15

10

0
8

B
p

c
-i

ta

l
ic

ta

c
-i

ta

110dB

Figura 19: Potncia da ASSR, normalizada pelo respectivo basal, de animais WAR ao longo dos trechos pr-ictal,
ictal e ps-ictal, do protocolo de 110 dB. Valores do protocolo de 85 dB tambm so representados e utilizados
como controle. Resultados mostrados como mdia + EPM. No foram encontradas diferenas significativas entre
os grupos (Anova de uma via, post hoc de Bonferroni).

15

***

W AR

***

W IS

**

10

ta

ta

-i

ic

ta
c

-i

0
l

e n e r g ia n o r m a liz a d a A S S R

E n e r g ia A S S R - W A R x W is t a r

110dB

Figura 20: Potncia da ASSR, normalizada pelo respectivo basal, de animais WAR e Wistar ao longo dos trechos
pr-ictal, ictal e ps-ictal do protocolo de 110dB. Comparaes so feitas entre cada grupo de animais, para cada
estgio (RM-Anova de duas vias com Correo Bonferroni). Resultados mostrados como mdia + EPM. Como
esperado, diferenas significativas foram encontradas nos trs casos. **
e ***
.

57

A Figura 20 mostra os valores de cada estgio, comparados com os respectivos

controles Wistar. Apesar destes no sofrerem CAs nos experimentos, valores so
calculados sobre trechos pr-ictais, ictais e ps-ictais, segmentados de acordo
com os respectivos perodos de animais WAR.
Os resultados da Figura 19 e 20 mostram que a capacidade de resposta a um
estmulo

auditivo, quantificada pela

amplitude

da ASSR, no

afetada

significativamente pela CA em animais WAR, nem perodos antes ou aps sua

ocorrncia. Nos trs trechos, a ASSR permanece com amplitudes maiores que animais
saudveis (Wistars), evidenciando que animais WAR continuam hiperexcitveis a
estmulos externos, mesmo durante e aps uma CA.
Os efeitos da CA em osciladores endgenos do CI so quantificados pelo clculo
da potncia normalizada pelo respectivo basal de cada banda (Delta, Theta, Alpha,
Beta, Gamma), de modo semelhante ao captulo anterior. Comparaes entre os
estgios pr-ictal, ictal e ps-ictal so feitas e mostradas na Figura 21, alm de testes
de cada um com o respectivo controle de 85 dB (RM-Anova de uma via, com post Hoc
de Bonferroni).
Os resultados da Figura 21 mostram que, apesar da potncia da ASSR no ser
alterada significativamente em nenhum estgio, outras bandas de potncia sofrem
alteraes considerveis em diferentes trechos. O perodo pr-ictal no apresenta
variaes significativas em relao ao controle de 85 dB. Porm, o perodo ictal
marcado pelo aumento caracterstico das potncias (neste caso, das bandas Alpha,
Beta e Gamma), decorrentes do crescente recrutamento de circuitos em estados
hipersncronos pelo foco ictal. Aps o fim da CA, ocorre uma diminuio drstica
nestes valores em relao a todos os perodos, evidenciando um perodo hipoexcitvel
dos circuitos recrutados pela crise. Isto pode ser dar pelo esgotamento metablico, ou
como efeito colateral de algum mecanismo envolvido na interrupo do perodo
ictal.

58

E n e r g ia s N o r m a liz a d a s - T r e c h o s W A R
D e lta - W A R s

T h e ta - W A R s
2 .0

e n e r g ia n o r m a liz a d a

e n e r g ia n o r m a liz a d a

1 .5

1 .0

0 .5

0 .0

(a )

**
**

1 .5

1 .0

0 .5

0 .0
85dB

P r e - Ic t a l

Ic t a l

P s - Ic t a l

(b )

85dB

P r e - Ic t a l

110dB

A lp h a - W A R s
**

P s - Ic t a l

B e ta - W A R s
**
**

2 .0

e n e r g ia n o r m a liz a d a

**
**

2 .5

*
e n e r g ia n o r m a liz a d a

Ic t a l

110dB

2 .0

1 .5

1 .0

0 .5

***
1 .5

1 .0

0 .5

0 .0
85dB

0 .0
85dB

P r e - Ic t a l

Ic t a l

P s - Ic t a l

Ic t a l

P s - Ic t a l

110dB

(d )

110dB

(c )

P r e - Ic t a l

G am m a - W ARs
**
**
***
e n e r g ia n o r m a liz a d a

2 .0

***
***

1 .5

1 .0

0 .5

0 .0
85dB

(e )

P r e - Ic t a l

Ic t a l

P s - Ic t a l

110dB

Figura 21: Potncias normalizadas de WARs, nos trechos pr-ictal, ictal e ps-ictal, comparados entre si e com o
controle de 85 dB. Bandas (a) Delta, (b) Theta, (c) Alpha , (d) Beta e (e) Gamma. Resultados mostrados como
mdia + EPM. (RM-Anova de uma via post Hoc de Bonferroni). *
**
e ***
.

A Figura 22 compara os valores de potncia normalizada de cada estgio de

WARs, com os respectivos controles Wistar (RM-Anova de duas vias, com post Hoc de
Bonferroni).

59

E n e r g ia s N o r m a liz a d a s - W A R x W is t a r
D e lta - W A R x W is ta r

T h e t a - W A R x W is ta r
2 .0

W AR

W AR

e n e r g ia n o r m a liz a d a

e n e r g ia n o r m a liz a d a

1 .5

W IS
1 .0

0 .5

0 .0

(a )

W IS
1 .5

1 .0

0 .5

0 .0

c
-i

ta

l
ic

ta

c
-i

ta

(b )

-i

ta

l
ic

-i

ta

tre c h o s - 1 1 0 d B

tre c h o s - 1 1 0 d B

B e ta - W A R x W is ta r

A lp h a - W A R x W is ta r
2 .0

2 .5

W AR

W AR

***

e n e r g ia n o r m a liz a d a

e n e r g ia n o r m a liz a d a

ta

W IS

2 .0

1 .5

1 .0

0 .5

W IS

1 .5

***
1 .0

0 .5

0 .0

0 .0

-i

ta

l
ic

ta

-i

ta

l
p

tre c h o s - 1 1 0 d B

-i

ta

l
ic

ta

-i

ta

tre c h o s - 1 1 0 d B

(d )

(c )

G a m m a - W A R x W is ta r

e n e r g ia n o r m a liz a d a

2 .0

W AR

***

W IS
1 .5

***
1 .0

0 .5

0 .0

-i

ta

(e )

ic

ta

-i

ta

tre c h o s - 1 1 0 d B

Figura 22: Potncias normalizadas das cinco bandas, comparando cada trecho de animais WARs (pr-ictal, ictal e
ps-ictal) com os respectivos perodos em animais Wistar. Bandas (a) Delta, (b) Theta, (c) Alpha , (d) Beta e (e)
Gamma. Resultados mostrados como mdia + EPM. (RM-Anova de uma via com Correo Bonferroni). *
e ***
.

Novamente, alteraes significativas so notadas a partir da banda Alpha, nos

perodos ictal e ps-ictal. Estas so decorrentes do estado hipersncrono ocasionado
pela CA, causando o aumento de potncia, seguidas pelo perodo hipoexcitvel ps
ictal, com reduzida atividade neural.

60

A discrepncia das dinmicas da ASSR e demais bandas do EEG no protocolo de

110 dB pode ser uma indicao que circuitos responsveis pelo processamento
auditivo do CI no fariam parte efetivamente da via ictognica, apesar de estarem
intimamente envolvidos em seu gatilhamento. Ou seja, o processamento do som de
alta intensidade daria incio a um processo de ativao de um foco ictal, que
deflagraria uma CA, pelo recrutamento de circuitos em um estado reverberante.
Porm, a persistncia da ASSR ao longo da CA indica que circuitos de processamento
auditivo continuam a desempenhar sua funo fisiolgica, ao contrrio de circuitos
que fazem parte do foco ictognico ou so efetivamente recrutados por ele. Isto
contraria a hiptese proposta, que foi feita considerando que o processamento
auditivo seria prejudicado seriamente ao longo da crise, pois circuitos responsveis
pelo processamento perderiam sua capacidade de resposta a estmulos, medida que
fossem recrutados pelo foco ictal (ou fossem o prprio circuito ictal), permanecendo
em perodo hipoexcitvel no ps-ictal. De fato, mostrado que a amplitude de
potenciais evocados auditivos reduzida no ps ictal, em eletrodos ipsilaterais ao foco
epileptognico em pacientes com Epilepsia de Lobo Temporal (ABUBAKR; WAMBACQ,
2003). J em (HARRIS et al., 2013), respostas evocadas sensoriais neurovasculares so
reduzidas ipsilateralmente, mas aumentadas na regio contralateral ao foco
ictognico. Ou seja, seria esperado que circuitos de processamento sensorial fossem
comprometidos quando recrutados pelo foco ictal, mas funcionassem normalmente
(ou mais excitveis, devido a alteraes de inibio decorrentes da crise) caso a via
sensorial no for recrutada em um estado reverberante. Em contrapartida, possvel
que a resposta em circuitos que no so recrutados pelo foco ictal seja aumentada,
devido a fatores como o desequilbrio inibitrio (HARRIS et al., 2013).
Outro modo de avaliar o comprometimento do processamento auditivo a
quantificao do grau de acoplamento entre ASSR e estmulo, por meio do ndice PLV
(apresentado no captulo anterior). A Figura 23 mostra os valores de PLV calculados
para os perodos pr-ictal, ictal e ps-ictal, alm da mdia dos PLVs dos trials de 53 Hz
de cada animal, do protocolo de 85 dB. Como o conjunto de PLVs de WARs do captulo
anterior (85 dB) foi rejeitado por testes de normalidade, ndices de PLV podem no
possuir distribuio normal. Assim, novamente so utilizados testes no paramtricos

61

neste captulo para este atributo, apesar destes dados (do protocolo de 110 dB) no
terem sido rejeitados por testes de normalidade.
A c o p la m e n t o d e F a s e - W A R
1 .5

***
**
PLV

1 .0

0 .5

0 .0
8

B
p

c
-i

ta

l
ic

ta

c
-i

ta

110dB

Figura 23: ndices PLV de animais WAR, ao longo dos trechos pr-ictal, ictal e ps-ictal, do protocolo de 110 dB.
Valores do protocolo de 85 dB tambm so representados e utilizados como controle. Resultados mostrados
como boxplots (tukey). Diferenas significativas encontradas entre pr-ictal e demais estgios (Teste de Friedman
com teste post hoc de Dunn). **
e ***
.

A c o p la m e n t o d e F a s e - W A R x W is t a r
1 .5

W AR
W IS

*
PLV

1 .0

0 .5

l
ta

ta

-i

ic

-i

ta

0 .0

tre c h o

Figura 24: ndices de PLV de animais WAR e Wistar, ao longo dos trechos pr-ictal, ictal e ps-ictal do protocolo
de 110 dB. Comparaes so feitas entre cada grupo de animais, para cada estgio (Kruskal-Wallis com teste post
hoc de Dunn). Resultados mostrados como boxplots (Tukey). *

62

A Figura 24 mostra os valores de PLV de cada estgio da CA, de animais WAR

com os respectivos trechos controle de Wistars.
O perodo pr-ictal possui os menores valores de PLV, significativamente
menores que o controle WAR de 85 dB. O ndice aumenta ligeiramente no perodo ictal
e no ps-ictal, sendo significativamente maior que o controle de animais Wistar neste
caso. Apesar de no terem sido detectadas diferenas pelos testes estatsticos em
alguns casos onde estas parecem evidentes, estes foram feitos com correes para
comparaes mltiplas com poucas amostras (sete animais com um trial cada). Assim,
certas comparaes poderiam ser significativas estatisticamente com mais amostras
(ps-ictal com ictal, por exemplo).
Apesar da comparao com o controle de 85 dB no ter resultado em
diferenas estatsticas (apesar da maior mdia e menor varincia do ps-ictal),
possvel que isto se deva a dois fatores; pequeno nmero de amostras, e a saturao
do ndice de PLV, que vai de 0 at 1. Ou seja, aps a CA, a capacidade de sincronismo
da ASSR no prejudicada, sendo igual, seno maior ao controle de 85 dB de WARs.
A queda do PLV no pr-ictal poderia ser explicada por, na iminncia de
ocorrncia de uma crise, circuitos neurais responsveis pelo processamento auditivo
(incluindo a ASSR) estariam interagindo com circuitos ictognicos, prejudicando o
sincronismo da resposta perante o estmulo. Isso prejudicaria a capacidade destes
grupos neurais produzirem uma ASSR com a plena capacidade de seguir o estmulo
sonoro, pois estariam parcialmente ou transientemente acoplados com outros
circuitos ictais, ainda que os valores de amplitude da ASSR no sejam alterados
significativamente. Isto estaria de acordo com a hiptese que o perodo pr-ictal seria
marcado pela dessincronizao de grupos neurais em relao a processos normais (LE
VAN QUYEN et al., 2003). No perodo ictal, o sincronismo da resposta ainda
prejudicado, mas em menor grau, outro possvel indcio que circuitos do
processamento auditivo esto envolvidos no gatilhamento da crise, mas no de sua
propagao e manuteno. Com o fim da crise, o PLV atinge seu valor mximo,
contrariando novamente parte da hiptese inicial, de que neurnios responsveis pela
ASSR entrariam em perodo hipoexcitvel de mesmo modo que outros circuitos do CI,

63

prejudicando tanto a Potncia ASSR, quando o sincronismo com o estmulo. O que

vemos o contrrio; enquanto a potncia nas outras bandas reduzida aps a CA, a
resposta em amplitude da ASSR no alterada significativamente, mas a capacidade
de acoplamento atinge seu valor mximo com menor varincia entre as amostras. Esta
tendncia a sincronizar mais facilmente com estmulos externos no ps-ictal poderia
ser explicada pelo fato que grande parte dos circuitos endgenos est em perodo
hipoexcitvel, incluindo os responsveis por modulaes top-down e inibio. Assim,
estmulos sonoros evocariam respostas mais sncronas, pelo fato do sistema estar com
grande parte dos circuitos em perodo hipoexcitvel, mas responsivo a perturbaes
ou estmulos externos.
A princpio, os resultados do ndice de PLV iriam contra aos encontrados pela
potncia da ASSR, visto que ambos so marcadores do processamento auditivo no CI.
Porm, ainda que estes possuam papis como marcadores, caractersticas distintas so
quantificadas por cada um; enquanto a potncia da ASSR mede a magnitude da
resposta evocada pelo som AM, o PLV quantifica a capacidade da ASSR seguir o
estmulo, indicando a capacidade de sincronismo de circuitos neurais com estmulos
externos. A potncia da ASSR no sofre grandes alteraes antes, durante e aps a CA,
mas o sincronismo da resposta com o som AM prejudicado na iminncia da CA.
Assim, ainda que os ndices de PLV e alteraes transientes na amplitude da ASSR
confirmem parte da hiptese inicial, de que o processamento auditivo alterado ao
longo da crise, os resultados obtidos refutam parte da sua formulao. Enquanto
esperava-se que o processamento seria prejudicado durante e aps a CA, mostrou-se o
contrrio; a capacidade de resposta a estmulos auditivos ligeiramente prejudicada
durante a crise, principalmente devido a transientes no incio e final, mas permanece
hiperexcitvel no ps-ictal (inclusive quando comparado com o controle Wistar).
Anlises mais detalhadas da dinmica (mostrando a ASSR ao longo do tempo)
podem mostrar se ocorrem transientes na amplitude ou acoplamento de fase da ASSR,
que podem ser causados pela crise, ou serem marcadores de sua iminncia. As figuras
a seguir so mostradas para avaliar a presena de tais dinmicas transitrias dos
marcadores de processamento auditivo (potncia da ASSR e PLV), por meio do clculo

64

destes valores em uma janela deslizante ao longo do tempo. A Figura 25 mostra a CA

de um animal WAR, com informaes de fase relativa, PLV e potncia da ASSR, em
janelas deslizantes de 1 segundo, com 75% de sobreposio. Os perodos de transio
entre os estados pr-ictal, corrida, ictal e ps-ictal so demarcados por linhas, de
acordo com os trechos definidos manualmente, aps anlise do vdeo-EEG de cada
animal. A Figura 26 usa a mesma metodologia, para um animal Wistar (apesar deste
no sofrer uma CA, os perodos so demarcados para referncia, utilizando os valores
de um registro WAR).
-3

Registro WAR 01 - 110dB

corrida

x 10
2

pr
ictal

ps-ictal

ictal

-2
40

(a)

50

60

70
Tempo(s)

80

90

100

Distribuio da Fase relativa

0

rad

0.02
bins

4
6

PLV

(b)

40

50

40

50

60

70
80
Tempo(s)
Phase-Locking Value (ASSR - fm)

90

100

80

90

100

80

90

100

0.5
0
(c)

60

-5

Energia ASSR

x 10

70
Tempo(s)

8
6
4
2

(d)

40

50

60

70
Tempo(s)

Figura 25: Dinmica de uma Crise Audiognica em um WAR. Em (a), mostrado o registro do animal, 5 segundos
antes do incio do som de 110 dB, at 5s aps o fim do som. Os 4 estgios, pr-ictal, corrida, ictal e ps-ictal, so
demarcados por linhas verticais (a vermelha marca o incio da CA). Os valores em (b), (c) e (d) so calculados em
janelas deslizantes de 1 segundo, com 75% de sobreposio. (b) mostra a distribuio da fase relativa cclica entre
ASSR e a componente
do som, de cada segmento de 1 segundo. Distribuies uniformes indicam ausncia de
acoplamento, enquanto a concentrao dos valores em ngulos especficos resulta em altos ndices de PLV, como
mostrado em (c). A energia da ASSR ao longo do tempo mostrada em (d). Esta srie foi obtida com a filtragem
do registro em
, seguida pelo clculo da mdia da srie de Amplitude Instantnea deste sinal
filtrado da ASSR (), em cada janela de 1 segundo.

Na Figura 25, notada uma dinmica do PLV ao longo da CA que semelhante

nos 7 animais. No pr ictal, o PLV comea baixo (
perodos transitrios altos (

), seguido por um ou mais

), e queda antes do perodo de corrida. Este perodo

no analisado, devido grande quantidade de artefatos de movimento do sinal. Na

Crise Audiognica, h perodos com alto grau de acoplamento, com transitrios de

65

queda brusca (que nem sempre esto associados queda de energia da ASSR). O final
da CA de todos os animais caracterizado pela queda no PLV (brusca em alguns, ligeira
em outros) e na energia da ASSR, seguido pelo aumento significativo do PLV no psictal. Tambm neste perodo, a ASSR de quase todos os animais permanece
relativamente constante; porm, no animal mostrado na Figura 25, h um aumento na
energia da ASSR na metade do trecho ps-ictal.
A Figura 26 mostra menores valores de PLV e energia da ASSR de um Wistar. A
dinmica dos valores destes animais, apesar de mais ruidosa, no apresenta
dinmicas temporais lentas considerveis.

-4

Registro WIS 01 - 110dB

x 10
4
2
0
-2
-4

40

(a)

50

60

70
Tempo(s)
Distribuio da Fase relativa

80

90

100

rad

0
2

0.02
bins

PLV

6
(b)

40

50

40

40

60

80

90

100

50

60

80

90

100

50

60

80

90

100

70
Tempo(s)
Phase-Locking Value (ASSR - fm)

0.5
0
(c)
-5

x 10

70
Tempo(s)
Energia ASSR

1.5
1
0.5
(d)

70
Tempo(s)

Figura 26: Dinmica do trial do protocolo de 110 dB, em um Wistar.(a) Registro, (b) Distribuio da fase relativa
entre ASSR e som e (c) PLV resultante de cada janela. (d) energia da ASSR ao longo do tempo.

Estes resultados so uma adio aos obtidos nas sees anteriores, para a
avaliao da hiptese deste captulo. Eles mostram que a amplitude da ASSR, apesar
de no ser alterada significativamente em cada estgio, possui alteraes transitrias
nos perodos pr-ictal e ictal. O ndice PLV, possui mudanas transitrias mais bruscas
antes e durante a crise. Isto indica que o processamento auditivo de WARs
comprometido em certos momentos da CA. Porm, como estas alteraes ocorrem

66

somente em perodos transitrios, e aps a CA o circuito continua responsivo (talvez

at mais) ao estmulo, a sugesto de que grupos de neurnios de resposta auditiva do
CI no so efetivamente recrutados (nem fazem parte) pela via ictognica no
descartada. Porm, essas alteraes transitrias indicam que interaes entre estes
circuitos podem ocorrer, sobretudo no incio e final da crise. A confirmao da
hiptese que a circuitos de iniciao da crise seriam diferentes dos responsveis por
sua manuteno teria implicaes no tratamento de epilepsia, sobretudo em
intervenes cirrgicas. Ou seja, a remoo de uma regio responsvel pelo
gatilhamento da crise, e no da via ictognica especfica, poderia resolver o problema
de forma temporria, mas crises poderiam voltar a ser recorrentes caso outro circuito
ative a via ictognica.

3.4. Concluso do Captulo

Considerando a amplitude da ASSR como um biomarcador da resposta a
estmulos auditivos do CI, mostrou-se que a capacidade de resposta de circuitos
responsveis pelo processamento auditivo no prejudicada significativamente por
episdios ictais, refutando a hiptese inicial. Em geral, o recrutamento de circuitos
pelo foco ictal marcado por um aumento de atividade (e consequentemente, na
potncia do respectivo ritmo) durante a CA, seguido por um perodo hipoexcitvel com
decrscimo de potncia do sinal. Porm, a ausncia de tal dinmica na ASSR sugere
que circuitos que fazem parte do processamento auditivo, apesar de estarem
envolvidos no processo que leva a uma CA, podem no fazer parte efetivamente de
circuitos da via ictognica responsveis pelo recrutamento de neurnios e sua
manuteno em estados reverberantes.
A anlise de sincronismo de fase por PLV mostra que no perodo pr-ictal, a
capacidade de acoplamento da ASSR com um estmulo externo ligeiramente
prejudicada, possivelmente por interaes de circuitos responsveis pela resposta com
grupos do foco ictal. Isto no afetaria a amplitude da resposta, mas comprometeria a
capacidade da resposta seguir o estmulo. Durante a CA, esta capacidade
prejudicada somente em perodos transitrios (no incio e final da crise, em sua
maioria). Aps a CA, a capacidade de acoplamento da ASSR com o estmulo atinge

67

valores prximos do mximo, indicando que apesar de grande parte do sistema estar
em estado hipoexcitvel (evidenciado pela queda de potncia em vrias bandas), este
ainda responsivo a um guia (ou drive) externo, com alta capacidade de acoplamento.

68

4. Concluso
Este trabalho avaliou hipteses a respeito de ictognese em um modelo animal,
por meio da extrao de caractersticas de registros eletroencefalogrficos em um
protocolo de estimulao acstica. De forma geral, os objetivos propostos foram
atingidos, provendo indcios que auxiliam na compreenso dos complexos mecanismos
de ictognese, alm da proposio e avaliao de um mtodo de diagnstico com
possveis aplicaes clnicas.
A elevada ASSR evocada pelo protocolo de estimulao em WARs confirma a
hiptese (I) que o processamento de informaes auditivas em animais ictognicos
feita de modo diferente, sendo caracterizada por sua hiperexcitabilidade. Parte da
hiptese foi refutada, quando foi mostrado que WARs possuem atividade basal
diferenciada em neurnios do CI. Alm da presena de fusos de alta amplitude (HVS), a
potncia em bandas de frequncias mais altas (Gamma e Beta) elevada nestes
animais, um possvel indicador de maior atividade em circuitos neurais locais. O efeito
do som em osciladores neurais endgenos diferenciado em WARs, onde a
apresentao de sons AM causou a diminuio de atividade nas bandas Gamma e
Beta. Em seguida, utilizando o ndice PLV como marcador da capacidade de
acoplamento da ASSR com a componente moduladora do som, foi confirmada a
hiptese (II) de que WARs possuem propenso hipersincronizao com estmulos
externos. As caractersticas utilizadas para validao das hipteses anteriores e
caracterizao de animais WAR foram ento empregadas em classificadores para
identificao de amostras de sistemas ictognicos. ndices de exatido de

foram obtidos, com a potncia da ASSR possuindo maior poder preditivo

(especialmente com a moduladora do som de 53 Hz), mas outros atributos de potncia
e PLV possibilitaram melhoras no desempenho.
A anlise da dinmica do processamento auditivo ao longo de CAs refutou a
hiptese inicial, que o processamento auditivo de WARs seria severamente
prejudicado durante e aps uma CA. Ao contrrio dos circuitos que normalmente so
recrutados pelo foco, que entram em um estado reverberante durante a crise e em um

69

estado hipoexcitvel aps o fim desta, a energia da ASSR ao longo dos estgios prictal, ictal e ps-ictal no sofre alteraes significativas, apesar de esta sofrer ligeiras
alteraes transientes antes e durante a CA. J o ndice de acoplamento da ASSR com o
estmulo ligeiramente prejudicado antes e durante a CA, mas atinge nveis mximos
no ps-ictal. Estes resultados sugerem que, embora circuitos de processamento
auditivo do CI estejam envolvidos no gatilhamento de CAs, estes no fariam parte
efetivamente do foco ictal. Isto teria implicaes em abordagens de intervenes
cirrgicas para tratamento de epilepsia, alm de esclarecer parte dos mecanismos de
ictognese e epileptognese.

4.1. Trabalhos Futuros

Como comum em qualquer projeto cientfico, a avaliao das hipteses
apresentadas resultou em mais questes a serem propostas, sobretudo nos resultados
que no eram esperados. Quais os fatores que levam hiperexcitabilidade do CI de
WARs? Os maiores valores da ASSR em WARs seriam devido maior rea recrutada, ao
maior sincronismo de disparos entre neurnios vizinhos ou por alteraes nos
mecanismos de inibio? Os maiores ndices de sincronismo de fase seriam
encontrados com outros estmulos sensoriais, ou somente em auditivos, visto que este
um modelo audiognico? Por que o processamento auditivo em WARs prejudicado
somente em perodos transitrios durante a crise? Os bons resultados do protocolo de
sondagem por estimulao acstica seriam reprodutveis em um ambiente clnico, com
diferentes tipos de epilepsia? O mesmo princpio poderia ser utilizado como um novo
mtodo para predio de crises, baseado na anlise da resposta do sistema a um
estmulo, ao invs de mtodos clssicos que somente utilizam alteraes em ritmos
endgenos do crebro?
Algumas das questes apresentadas podem ser respondidas com novos
protocolos de experimentos, no muito diferentes dos apresentados aqui. O uso de
eletrodos em diferentes reas seria um mtodo interessante para avaliar dinmicas de
acoplamento entre regies. Isto tambm poderia prover indcios a respeito da origem
e natureza dos episdios de HVS encontrados em WARs, e se estes possuem um papel
na epileptognese destes animais. Registros multiunitrios tambm possibilitariam

70

anlises de sincronismo em diferentes escala espao-temporais. A confirmao de que

circuitos de gatilhamento da crise no seriam necessariamente circuitos ictognicos
teria profundas implicaes em mtodos de interveno cirrgica, com a possvel
redefinio de zonas epileptognicas e ictognicas.
Outras opes incluem o aumento incremental da intensidade do som, de
modo a caracterizar a transio de estados aparentemente normais de animais WAR,
para episdios de crise. Isto tambm possibilitaria a avaliao do uso de estmulos
sonoros como marcadores surrogados para predio de crises.

71

5. Referncias
ABUBAKR, A.; WAMBACQ, I. The localizing value of auditory event-related potentials
(P300) in patients with medically intractable temporal lobe epilepsy. Epilepsy &
Behavior,
v.
4,
n.
6,
p.
692701,
2003.
Disponvel
em:
<http://linkinghub.elsevier.com/retrieve/pii/S1525505003002336>.
ACHARYA, U. R.; SREE, S. V.; ALVIN, A. P. C.; YANTI, R.; SURI, J. S. Application of nonlinear and wavelet based features for the automated identification of epileptic EEG
signals. International journal of neural systems, v. 22, n. 2, p. 1250002, abr. 2012.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/23627588>. Acesso em: 22
mar. 2014.
ADELI, H.; ZHOU, Z.; DADMEHR, N. Analysis of EEG records in an epileptic patient using
wavelet transform. Journal of neuroscience methods, v. 123, n. 1, p. 6987, 15 fev.
2003. Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/12581851>.
ANDRZEJAK, R.; LEHNERTZ, K.; MORMANN, F.; RIEKE, C.; DAVID, P.; ELGER, C.
Indications of nonlinear deterministic and finite-dimensional structures in time series
of brain electrical activity: Dependence on recording region and brain state. Physical
Review E, v. 64, n. 6, p. 061907, nov. 2001. Disponvel em:
<http://link.aps.org/doi/10.1103/PhysRevE.64.061907>. Acesso em: 23 jan. 2014.
ARU, J.; PRIESEMANN, V.; WIBRAL, M. Untangling cross-frequency coupling in
neuroscience.
arXiv
preprint
arXiv:
,
2014.
Disponvel
em:
<http://arxiv.org/abs/1405.7965>. Acesso em: 15 nov. 2014.
BAJAJ, V.; PACHORI, R. Classification of Seizure and Non-seizure EEG Signals using
Empirical Mode Decomposition. IEEE journal of biomedical and health informatics, v.
16,
n.
6,
p.
11351142,
22
dez.
2011.
Disponvel
em:
<http://www.ncbi.nlm.nih.gov/pubmed/22203720>.
BAJAJ, V.; PACHORI, R. B. Epileptic seizure detection based on the instantaneous area
of analytic intrinsic mode functions of EEG signals. Biomedical Engineering Letters, v.
3,
n.
1,
p.
1721,
14
abr.
2013.
Disponvel
em:
<http://link.springer.com/10.1007/s13534-013-0084-0>. Acesso em: 6 nov. 2013.
BARTOS, M.; VIDA, I.; JONAS, P. Synaptic mechanisms of synchronized gamma
oscillations in inhibitory interneuron networks. Nature reviews. Neuroscience, v. 8, n.
1, p. 4556, 2007.
BAAR, E. Brain oscillations in neuropsychiatric disease. Dialogues in Clinical
Neuroscience, v. 15, n. 3, p. 291300, 2013.
BELLUSCIO, M. a.; MIZUSEKI, K.; SCHMIDT, R.; KEMPTER, R.; BUZSAKI, G. CrossFrequency Phase-Phase Coupling between Theta and Gamma Oscillations in the
Hippocampus. Journal of Neuroscience, v. 32, n. 2, p. 423435, 2012.
BERG, A. T.; BERKOVIC, S. F.; BRODIE, M. J.; BUCHHALTER, J.; CROSS, J. H.; VAN EMDE
BOAS, W.; ENGEL, J.; FRENCH, J.; GLAUSER, T. a.; MATHERN, G. W.; MOSH, S. L.;

72

NORDLI, D.; PLOUIN, P.; SCHEFFER, I. E. Revised terminology and concepts for
organization of seizures and epilepsies: Report of the ILAE Commission on
Classification and Terminology, 2005-2009. Epilepsia, v. 51, n. 4, p. 676685, 2010.
BERNARD, C.; ANDERSON, A.; BECKER, A.; POOLOS, N. P.; BECK, H.; JOHNSTON, D.
Acquired dendritic channelopathy in temporal lobe epilepsy. Science (New York, N.Y.),
v.
305,
n.
5683,
p.
5325,
23
jul.
2004.
Disponvel
em:
<http://www.ncbi.nlm.nih.gov/pubmed/15273397>. Acesso em: 3 dez. 2015.
BLAUWBLOMME, T.; JIRUSKA, P.; HUBERFELD, G. Mechanisms of Ictogenesis. In: [s.l:
s.n.]p. 155185.
BREIMAN, L. Bagging predictors. Machine learning, n. 421, 1996. Disponvel em:
<http://link.springer.com/article/10.1007/BF00058655>. Acesso em: 20 mar. 2014.
BURGES, C. J. C. A Tutorial on Support Vector Machines for Pattern Recognition. v. 43,
p. 143, 1997.
BUZSKI, G. Rhythms of the brain. [s.l.] Oxford University Press, 2006. v. 1
BUZSKI, G.; ANASTASSIOU, C. a.; KOCH, C. The origin of extracellular fields and
currents EEG, ECoG, LFP and spikes. Nature Reviews Neuroscience, v. 13, n. 6, p.
407420, 2012. Disponvel em: <http://dx.doi.org/10.1038/nrn3241>.
BUZSKI, G.; BICKFORD, R. G.; ARMSTRONG, D. M.; PONOMAREFF, G.; CHEN, K. S.;
RUIZ, R.; THAL, L. J.; GAGE, F. H. Electric activity in the neocortex of freely moving
young and aged rats. Neuroscience, v. 26, n. 3, p. 73544, 1988. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/3200427>.
BUZSAKI, G.; BICKFORD, R. G.; PONOMAREFF, G.; THAL, L. J.; MANDEL, R.; GAGE, F. H.
Nucleus basalis and thalamic control of neocortical activity in the freely moving rat.
The Journal of neuroscience: the official journal of the Society for Neuroscience, v. 8,
n. 11, p. 40074026, 1988.
BUZSAKI, G.; CHROBAK, J. J. Temporal structure in spatially organized neuronal
ensembles: A role for interneuronal networks. Current Opinion in Neurobiology, v. 5,
n. 4, p. 504510, 1995.
BUZSKI, G.; WATSON, B. O. Brain rhythms and neural syntax: Implications for efficient
coding of cognitive content and neuropsychiatric disease. Dialogues in Clinical
Neuroscience, v. 14, n. 4, p. 345367, 2012.
CANOLTY, R. T.; EDWARDS, E.; DALAL, S. S.; SOLTANI, M.; NAGARAJAN, S. S.; KIRSCH, H.
E.; BERGER, M. S.; BARBARO, N. M.; KNIGHT, R. T. High gamma power is phase-locked
to theta oscillations in human neocortex - SUPLEMENTARY MATERIAL. Science (New
York, N.Y.), v. 313, n. 5793, p. 16268, 15 set. 2006a. Disponvel em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2628289&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 10 jul. 2014.
CANOLTY, R. T.; EDWARDS, E.; DALAL, S. S.; SOLTANI, M.; NAGARAJAN, S. S.; KIRSCH, H.
E.; BERGER, M. S.; BARBARO, N. M.; KNIGHT, R. T. High gamma power is phase-locked
to theta oscillations in human neocortex. Science (New York, N.Y.), v. 313, n. 5793, p.

73

16268,
15
set.
2006b.
Disponvel
em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2628289&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 10 jul. 2014.
CHAOVALITWONGSE, W.; IASEMIDIS, L. D.; PARDALOS, P. M.; CARNEY, P. R.; SHIAU, D.S.; SACKELLARES, J. C. Performance of a seizure warning algorithm based on the
dynamics of intracranial EEG. Epilepsy research, v. 64, n. 3, p. 93113, maio 2005.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/15961284>. Acesso em: 8 nov.
2013.
CHIAPPA, K. H. Evoked potentials in clinical medicine. Third ed. [s.l.] LWW, 1997.
CHOWDHURY, F. a.; NASHEF, L.; ELWES, R. D. C. Misdiagnosis in epilepsy: A review and
recognition of diagnostic uncertainty. European Journal of Neurology, v. 15, n. 10, p.
10341042, 2008.
COHEN, L.; LEE, C. Instantaneous Bandwidth for Signals and Spectrogram.
International Conference on Acoustics, Speech, and Signal Processing, p. 24512454,
1990.
Disponvel
em:
<http://ieeexplore.ieee.org/articleDetails.jsp?arnumber=116086>. Acesso em: 6 maio.
2015.
COHEN, M. X. Assessing transient cross-frequency coupling in EEG data. Journal of
neuroscience methods, v. 168, n. 2, p. 4949, 15 mar. 2008. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/18061683>. Acesso em: 1 dez. 2014.
CORTES, C.; VAPNIK, V. Support-vector networks. Machine Learning, v. 20, n. 3, p.
273297, set. 1995. Disponvel em: <http://link.springer.com/10.1007/BF00994018>.
DAUBECHIES, I. Ten lectures on wavelets. [s.l.] Society for Industrial and Applied
Mathematics, 1992.
DREIFUSS, F. E. Juvenile myoclonic epilepsy: characteristics of a primary generalized
epilepsy. Epilepsia, v. 30 Suppl 4, p. S1S7; discussion S24S27, 1989.
DUTRA MORAES, M. F.; GALVIS-ALONSO, O. Y.; GARCIA-CAIRASCO, N. Audiogenic
Kindling in the Wistar Rat: A Potential Model for Recruitment of Limbic Structures.
Epilepsy Research, v. 39, n. 3, p. 251259, 5 maio 2000. Disponvel em:
<http://www.epires-journal.com/article/S0920121100001078/fulltext>. Acesso em: 16
jun. 2015.
ENGEL, A. K.; SINGER, W. Temporal binding and the neural correlates of sensory
awareness. Trends in Cognitive Sciences, v. 5, n. 1, p. 1625, 2001.
ENGEL, J. Seizures and epilepsy. Annals of Neurology, v. 28, n. 3, p. 398398, set. 1989.
Disponvel em: <http://doi.wiley.com/10.1002/ana.410280323>. Acesso em: 29 nov.
2013.
EPSZTEIN, J.; REPRESA, A.; JORQUERA, I.; BEN-ARI, Y.; CRPEL, V. Recurrent mossy
fibers establish aberrant kainate receptor-operated synapses on granule cells from
epileptic rats. The Journal of neuroscience: the official journal of the Society for
Neuroscience, v. 25, n. 36, p. 822939, 7 set. 2005. Disponvel em:

74

<http://www.ncbi.nlm.nih.gov/pubmed/16148230>. Acesso em: 9 nov. 2015.

FAUST, O.; ACHARYA, U. R.; MIN, L. C.; SPUTH, B. H. C. Automatic identification of
epileptic and background EEG signals using frequency domain parameters.
International journal of neural systems, v. 20, n. 2, p. 15976, abr. 2010. Disponvel
em: <http://www.ncbi.nlm.nih.gov/pubmed/20411598>. Acesso em: 22 mar. 2014.
FISHER, R. The use of multiple measurements in taxonomic problems. Annals of
eugenics, 1936. Disponvel em: <http://onlinelibrary.wiley.com/doi/10.1111/j.14691809.1936.tb02137.x/full>. Acesso em: 17 fev. 2014.
FISHER, R. S.; ACEVEDO, C.; ARZIMANOGLOU, A.; BOGACZ, A.; CROSS, J. H.; ELGER, C.
E.; ENGEL, J.; FORSGREN, L.; FRENCH, J. A.; GLYNN, M.; HESDORFFER, D. C.; LEE, B. I.;
MATHERN, G. W.; MOSH, S. L.; PERUCCA, E.; SCHEFFER, I. E.; TOMSON, T.;
WATANABE, M.; WIEBE, S. ILAE Official Report: A practical clinical definition of
epilepsy. Epilepsia, v. 55, n. 4, p. 475482, 2014. Disponvel em:
<http://doi.wiley.com/10.1111/epi.12550>.
FRANCIS, J. T.; GLUCKMAN, B. J.; SCHIFF, S. J. Sensitivity of neurons to weak electric
fields. The Journal of neuroscience: the official journal of the Society for
Neuroscience, v. 23, n. 19, p. 72557261, 2003.
FRAZEN, N. Seizures and epilepsy: hope through research. Bethesda, MD: NINDS,
2000. Disponvel em: <http://doc146.minbooks.org/natalie-frazin-PDF-1462414.pdf>.
Acesso em: 6 nov. 2013.
GABOR, D. Theory of communication. Part 1: The analysis of information. Electrical
Engineers - Part III: Radio and Communication Engineering, Journal of the Institution
of,
v.
93,
n.
26,
p.
429441,
1946.
Disponvel
em:
<http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5298517>.
GARCIA-CAIRASCO, N.; WAKAMATSU, H.; OLIVEIRA, J. A.; GOMES, E. L.; DEL BEL, E. A.;
MELLO, L. E. Neuroethological and morphological (Neo-Timm staining) correlates of
limbic recruitment during the development of audiogenic kindling in seizure
susceptible Wistar rats. Epilepsy research, v. 26, n. 1, p. 17792, dez. 1996. Disponvel
em: <http://www.ncbi.nlm.nih.gov/pubmed/8985699>. Acesso em: 26 ago. 2015.
GELZINIENE, G.; ENDZINIENE, M.; VAICIENE, N.; MAGISTRIS, M. R.; SEECK, M.
Presurgical evaluation of epilepsy patients. Medicina (Kaunas, Lithuania), p. 1683
1700, 2008.
GHOSH-DASTIDAR, S.; ADELI, H. A new supervised learning algorithm for multiple
spiking neural networks with application in epilepsy and seizure detection. Neural
networks: the official journal of the International Neural Network Society, v. 22, n.
10,
p.
141931,
dez.
2009.
Disponvel
em:
<http://www.sciencedirect.com/science/article/pii/S0893608009000653>. Acesso em:
22 mar. 2014.
GIBBS, J.; APPLETON, R. E. False diagnosis of epilepsy in children. Seizure: the journal
of the British Epilepsy Association, v. 1, n. 1, p. 1518, 1992.
GILLES, J. Empirical Wavelet Transform. IEEE Transactions on Signal Processing, v. 61,

75

n.
16,
p.
39994010,
ago.
2013.
Disponvel
<http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6522142>.

em:

GULER, N.; UBEYLI, E.; GULER, I. Recurrent neural networks employing Lyapunov
exponents for EEG signals classification. Expert Systems with Applications, v. 29, n. 3,
p.
506514,
out.
2005.
Disponvel
em:
<http://linkinghub.elsevier.com/retrieve/pii/S0957417405000679>. Acesso em: 28
nov. 2013.
HARRIS, S.; BRUYNS-HAYLETT, M.; KENNERLEY, A.; BOORMAN, L.; OVERTON, P. G.; MA,
H.; ZHAO, M.; SCHWARTZ, T. H.; BERWICK, J. The effects of focal epileptic activity on
regional sensory-evoked neurovascular coupling and postictal modulation of bilateral
sensory processing. Journal of cerebral blood flow and metabolism: official journal of
the International Society of Cerebral Blood Flow and Metabolism, v. 33, n. 10, p.
1595604, 2013. Disponvel em: <http://dx.doi.org/10.1038/jcbfm.2013.115>.
HUANG, N. E.; SHEN, Z.; LONG, S. R.; WU, M. C.; SHIH, H. H.; ZHENG, Q.; YEN, N.-C.;
TUNG, C. C.; LIU, H. H. The empirical mode decomposition and the Hilbert spectrum for
nonlinear and non-stationary time series analysis. Proceedings of the Royal Society A:
Mathematical, Physical and Engineering Sciences, v. 454, n. 1971, p. 903995, 8 mar.
1998.
Disponvel
em:
<http://rspa.royalsocietypublishing.org/cgi/doi/10.1098/rspa.1998.0193>. Acesso em:
8 ago. 2013.
IASEMIDIS, L. D. Epileptic seizure prediction and control. IEEE transactions on biomedical engineering, v. 50, n. 5, p. 54958, maio 2003. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/12769431>.
IASEMIDIS, L.; SHIAU, D.-S. Long-term prospective on-line real-time seizure prediction.
Clinical , v. 116, n. 3, p. 53244, mar. 2005. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/15721067>. Acesso em: 8 nov. 2013.
JENSEN, O.; COLGIN, L. L. Cross-frequency coupling between neuronal oscillations.
Trends in cognitive sciences, v. 11, n. 7, p. 2679, jul. 2007. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/17548233>.
JIANGTAO XI; CHICHARO, J. F. A New Algorithm for Improving the Accuracy of Periodic
Signal Analysis. IEEE Transactions on Instrumentation and Measurement, v. 45, n. 4,
p.
827831,
1996.
Disponvel
em:
<http://ieeexplore.ieee.org/articleDetails.jsp?arnumber=517004>. Acesso em: 26 jun.
2015.
JIRUSKA, P.; DE CURTIS, M.; JEFFERYS, J. G. R. Modern Concepts of Focal Epileptic
Networks. In: [s.l: s.n.]p. 17.
JIRUSKA, P.; DE CURTIS, M.; JEFFERYS, J. G. R.; SCHEVON, C. a; SCHIFF, S. J.; SCHINDLER,
K. Synchronization and desynchronization in epilepsy: controversies and hypotheses.
The Journal of physiology, v. 591, n. Pt 4, p. 78797, 15 fev. 2013. Disponvel em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=3591697&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 20 jan. 2014.

76

JOHNSTON, D.; BROWN, T. H. The synaptic nature of the paroxysmal depolarizing shift
in hippocampal neurons. Annals of neurology, v. 16 Suppl, p. S6571, jan. 1984.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/6095744>. Acesso em: 25 nov.
2015.
KALITZIN, S. N.; VELIS, D. N.; DA SILVA, F. H. L. Stimulation-based anticipation and
control of state transitions in the epileptic brain. Epilepsy & behavior: E&B, v. 17, n. 3,
p.
31023,
mar.
2010.
Disponvel
em:
<http://www.ncbi.nlm.nih.gov/pubmed/20163993>. Acesso em: 14 jul. 2014.
KALITZIN, S.; PARRA, J.; VELIS, D. N.; LOPES DA SILVA, F. H. Enhancement of phase
clustering in the EEG/MEG gamma frequency band anticipates transitions to
paroxysmal epileptiform activity in epileptic patients with known visual sensitivity. IEEE
transactions on bio-medical engineering, v. 49, n. 11, p. 127986, nov. 2002.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/12450358>.
KAMONDI, A.; ACSDY, L.; BUZSKI, G. Dendritic spikes are enhanced by cooperative
network activity in the intact hippocampus. The Journal of neuroscience: the official
journal of the Society for Neuroscience, v. 18, n. 10, p. 391928, 15 maio 1998.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/9570819>. Acesso em: 19 nov.
2015.
KIRA, K.; RENDELL, L. A practical approach to feature selection. Proceedings of the
ninth
international
workshop
on
,
1992.
Disponvel
em:
<http://dl.acm.org/citation.cfm?id=656966>. Acesso em: 17 fev. 2014.
KLAASSEN, A.; GLYKYS, J.; MAGUIRE, J.; LABARCA, C.; MODY, I.; BOULTER, J. Seizures
and enhanced cortical GABAergic inhibition in two mouse models of human autosomal
dominant nocturnal frontal lobe epilepsy. Proceedings of the National Academy of
Sciences of the United States of America, v. 103, n. 50, p. 1915219157, 2006.
KONONENKO, I.; IMEC, E.; ROBNIK-IKONJA, M. Overcoming the Myopia of Inductive
Learning Algorithms with RELIEFF. Applied Intelligence, v. 7, n. 1, p. 3955, 1997.
Disponvel em: <http://link.springer.com/article/10.1023/A:1008280620621>. Acesso
em: 31 maio. 2015.
KREUZ, T.; MORMANN, F.; ANDRZEJAK, R. G.; KRASKOV, A.; LEHNERTZ, K.;
GRASSBERGER, P. Measuring synchronization in coupled model systems: A comparison
of different approaches. Physica D: Nonlinear Phenomena, v. 225, n. 1, p. 2942, jan.
2007.
Disponvel
em:
<http://linkinghub.elsevier.com/retrieve/pii/S0167278906003836>. Acesso em: 10
dez. 2014.
LACHAUX, J.; RODRIGUEZ, E. Measuring phase synchrony in brain signals. Human brain
,
v.
208,
p.
194208,
1999.
Disponvel
em:
<http://www.researchgate.net/publication/2499461_Measuring_Phase_Synchrony_in
_Brain_Signals/file/60b7d52baa8c9a792b.pdf>. Acesso em: 5 dez. 2014.
LE VAN QUYEN, M.; FOUCHER, J.; LACHAUX, J.; RODRIGUEZ, E.; LUTZ, a; MARTINERIE,
J.; VARELA, F. J. Comparison of Hilbert transform and wavelet methods for the analysis
of neuronal synchrony. Journal of neuroscience methods, v. 111, n. 2, p. 8398, 2001.

77

LE VAN QUYEN, M.; NAVARRO, V.; MARTINERIE, J.; BAULAC, M.; VARELA, F. J. Toward a
neurodynamical understanding of ictogenesis. Epilepsia, v. 44 Suppl 1, p. 3043, 2003.
LISMAN, J. E. Relating Hippocampal Circuitry to Function. Neuron, v. 22, n. 2, p. 233
242,
fev.
1999.
Disponvel
em:
<http://www.sciencedirect.com/science/article/pii/S0896627300810855>.
MARTIS, R. J.; ACHARYA, U. R.; TAN, J. H.; PETZNICK, A.; YANTI, R.; CHUA, C. K.; NG, E. Y.
K.; TONG, L. Application of empirical mode decomposition (emd) for automated
detection of epilepsy using EEG signals. International journal of neural systems, v. 22,
n.
6,
p.
1250027,
dez.
2012.
Disponvel
em:
<http://www.ncbi.nlm.nih.gov/pubmed/23186276>. Acesso em: 6 nov. 2013.
MATSUMOTO, H.; MARSAN, C. Cortical Cellular Epilepsy: Phenomena in Experimental
lctal Manifestations. Exp. Neurol., v. 326, p. 305326, 1964.
MEDEIROS, D. C.; OLIVEIRA, L. B.; MOURO, F. A. G.; BASTOS, C. P.; CAIRASCO, N. G.;
PEREIRA, G. S.; MENDES, E. M. A. M.; MORAES, M. F. D. Temporal Rearrangement of
Pre-ictal PTZ Induced Spike Discharges by Low Frequency Electrical Stimulation to the
Amygdaloid Complex. Brain stimulation, p. 19, 25 nov. 2013. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/24332185>. Acesso em: 22 dez. 2013.
MEDEIROS, D. D. C.; MORAES, M. F. D. Focus on desynchronization rather than
excitability: A new strategy for intraencephalic electrical stimulation. Epilepsy &
behavior:
E&B,
25
jan.
2014.
Disponvel
em:
<http://www.ncbi.nlm.nih.gov/pubmed/24472684>. Acesso em: 30 jan. 2014.
MORAES, M. F. D. Epilepsia experimental: estudos eletrofisiolgicos e
comportamentais em modelos animais de crises convulsivas audiognicas. 1998.
Universidade de So Paulo - Faculdade de Medicina de Ribeiro Preto, 1998.
MORAES, M. F. D.; DEL VECCHIO, F.; TERRA, V. C.; GARCIA-CAIRASCO, N. Time
evolution of acoustic information processing in the mesencephalon of Wistar rats.
Neuroscience Letters, v. 284, n. 1-2, p. 1316, 2000.
MORMANN, F.; ANDRZEJAK, R. G.; ELGER, C. E.; LEHNERTZ, K. Seizure prediction: the
long and winding road. Brain: a journal of neurology, v. 130, n. Pt 2, p. 31433, fev.
2007. Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/17008335>. Acesso em:
11 dez. 2013.
MORMANN, F.; LEHNERTZ, K.; DAVID, P.; E. ELGER, C. Mean phase coherence as a
measure for phase synchronization and its application to the EEG of epilepsy patients.
Physica D: Nonlinear Phenomena, v. 144, n. 3-4, p. 358369, out. 2000. Disponvel em:
<http://linkinghub.elsevier.com/retrieve/pii/S0167278900000877>.
ODONNELL, B. F.; VOHS, J. L.; KRISHNAN, G. P.; RASS, O.; HETRICK, W. P.; MORZORATI,
S. L. The auditory steady-state response (ASSR): A translational biomarker for
schizophrenia. Supplements to Clinical Neurophysiology, v. 62, n. October 2015, p.
101112,
2013.
Disponvel
em:
<http://linkinghub.elsevier.com/retrieve/pii/B9780702053078000065>.
ODA, Y. Gamma band neural synchronization deficits for auditory steady state

78

responses in bipolar disorder patients. Seishin shinkeigaku zasshi = Psychiatria et

neurologia Japonica, v. 116, n. 3, p. 24553, jan. 2014. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/24783449>.
OLIVER, D. L.; KUWADA, S.; YIN, T. C.; HABERLY, L. B.; HENKEL, C. K. Dendritic and
axonal morphology of HRP-injected neurons in the inferior colliculus of the cat. The
Journal of comparative neurology, v. 303, n. 1, p. 75100, 1 jan. 1991. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/2005240>. Acesso em: 16 jun. 2015.
ONSLOW, A. C. E.; BOGACZ, R.; JONES, M. W. Quantifying phase-amplitude coupling in
neuronal network oscillations. Progress in Biophysics and Molecular Biology, v. 105, p.
4957, 2011.
OWEIS, R. J.; ABDULHAY, E. W. Seizure classification in EEG signals utilizing HilbertHuang transform. Biomedical engineering online, v. 10, n. 1, p. 38, jan. 2011a.
Disponvel em: <http://www.biomedical-engineering-online.com/content/10/1/38>.
Acesso em: 12 nov. 2013.
OWEIS, R. J.; ABDULHAY, E. W. Seizure classification in EEG signals utilizing HilbertHuang transform. Biomedical engineering online, v. 10, n. 1, p. 38, jan. 2011b.
Disponvel em: <http://www.biomedical-engineering-online.com/content/10/1/38>.
Acesso em: 12 nov. 2013.
OZEN, S.; SIROTA, A.; BELLUSCIO, M. A.; ANASTASSIOU, C. A.; STARK, E.; KOCH, C.;
BUZSKI, G. Transcranial electric stimulation entrains cortical neuronal populations in
rats. The Journal of neuroscience: the official journal of the Society for Neuroscience,
v.
30,
n.
34,
p.
1147685,
25
ago.
2010.
Disponvel
em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2937280&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 30 set. 2015.
PACHORI, R. B. Discrimination between Ictal and Seizure-Free EEG Signals Using
Empirical Mode Decomposition. Research Letters in Communications, v. 2008, p. 15,
2008. Disponvel em: <http://www.hindawi.com/journals/jece/2008/293056/>. Acesso
em: 12 nov. 2013.
PAXINOS, G.; WATSON, C. The rat brain in stereotaxic coordinates. [s.l: s.n.]
PENNY, W. D.; DUZEL, E.; MILLER, K. J.; OJEMANN, J. G. Testing for nested oscillation.
Journal of neuroscience methods, v. 174, n. 1, p. 5061, 15 set. 2008. Disponvel em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2675174&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 10 nov. 2014.
PEREIRA, H. P. Avaliao da via acstica atravs de respostas auditivas evocadas em
regime permanente nos ratos wistar audiognicos. 2014. Universidade Federal de
Minas Gerais, 2014.
PICTON, T. W.; HILLYARD, S. A.; KRAUSZ, H. I.; GALAMBOS, R. Human auditory evoked
potentials. I: Evaluation of components. Electroencephalography and Clinical
Neurophysiology, v.
36, p. 179190, jan. 1974.
Disponvel em:
<http://www.sciencedirect.com/science/article/pii/0013469474901552>. Acesso em:
29 abr. 2015.

79

PICTON, T. W.; JOHN, M. S.; DIMITRIJEVIC, A.; PURCELL, D. Human auditory steadystate responses. International journal of audiology, v. 42, n. 4, p. 177219, jun. 2003.
Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/12790346>. Acesso em: 16
jun. 2015.
PITKNEN, A.; SCHWARTZKROIN, P. A.; MOSH, S. L. Models of seizures and epilepsy.
[s.l.] Elsevier, 2006.
QUIAN QUIROGA, R.; KRASKOV, a.; KREUZ, T.; GRASSBERGER, P. Performance of
different synchronization measures in real data: A case study on
electroencephalographic signals. Physical Review E, v. 65, n. 4, p. 041903, mar. 2002.
Disponvel em: <http://link.aps.org/doi/10.1103/PhysRevE.65.041903>. Acesso em: 7
out. 2014.
ROGAWSKI, M. A.; LSCHER, W. The neurobiology of antiepileptic drugs. Nature
Reviews Neuroscience, v. 5, n. 7, p. 553564, jul. 2004. Disponvel em:
<http://dx.doi.org/10.1038/nrn1430>. Acesso em: 24 set. 2015.
ROSS, B.; HERDMAN, A. T.; PANTEV, C. Right hemispheric laterality of human 40 Hz
auditory steady-state responses. Cerebral cortex (New York, N.Y.: 1991), v. 15, n. 12,
p.
202939,
1
dez.
2005.
Disponvel
em:
<http://cercor.oxfordjournals.org/content/15/12/2029.short>. Acesso em: 1 dez.
2015.
SACKELLARES, J.; IASEMIDIS, L.; SHIAU, D. Epilepsywhen chaos fails. Chaos in the ,
n.
1,
p.
122,
2000.
Disponvel
em:
<http://plus.maths.org/issue35/features/dartnell/feat.pdf>. Acesso em: 6 dez. 2013.
SAKATA, S.; YAMAMORI, T.; SAKURAI, Y. 7-12 Hz cortical oscillations: behavioral
context and dynamics of prefrontal neuronal ensembles. Neuroscience, v. 134, n. 4, p.
1099111, 2005. Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/16019153>.
SCARLATELLI-LIMA, A. V; MAGALHES, L. H. M.; DORETTO, M. C.; MORAES, M. F. D.
Assessment of the seizure susceptibility of Wistar Audiogenic rat to electroshock,
pentyleneterazole and pilocarpine. Brain research, v. 960, n. 1-2, p. 1849, 17 jan.
2003. Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/12505671>. Acesso em:
16 jun. 2015.
SCHARFMAN, H. E. The neurobiology of epilepsy. Current Neurology and Neuroscience
Reports, v. 7, n. 4, p. 348354, 2007.
SCHELTER, B.; TIMMER, J.; SCHULZE-BONHAGE, A. Seizure prediction in epilepsy: from
basic mechanisms to clinical applications. [s.l: s.n.]
SCHULZE-BONHAGE, A.; FELDWISCH-DRENTRUP, H.; IHLE, M. The role of high-quality
EEG databases in the improvement and assessment of seizure prediction methods.
Epilepsy & behavior: E&B, v. 22 Suppl 1, p. S8893, dez. 2011. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/22078525>. Acesso em: 8 nov. 2013.
SILVA, F. L. da; NIEDERMEYER, E. Electroencephalography: basic principles, clinical
applications, and related fields. Fifth edit ed. [s.l.] Lippincott Williams & Wilkins, 2010.

80

SILVA, L. R.; AMITAI, Y.; CONNORS, B. W. Intrinsic oscillations of neocortex generated

by layer 5 pyramidal neurons. Science (New York, N.Y.), v. 251, n. 4992, p. 4325, 25
jan. 1991. Disponvel em: <http://www.ncbi.nlm.nih.gov/pubmed/1824881>. Acesso
em: 25 nov. 2015.
SMITH, D.; DEFALLA, B. a; CHADWICK, D. W. The misdiagnosis of epilepsy and the
management of refractory epilepsy in a specialist clinic. QJM: monthly journal of the
Association of Physicians, v. 92, n. 1, p. 1523, 1999.
SPENCER, K. M.; NESTOR, P. G.; NIZNIKIEWICZ, M. a; SALISBURY, D. F.; SHENTON, M. E.;
MCCARLEY, R. W. Abnormal neural synchrony in schizophrenia. The Journal of
neuroscience: the official journal of the Society for Neuroscience, v. 23, n. 19, p.
74077411, 2003.
STACEY, W. C.; LITT, B. Technology insight: neuroengineering and epilepsy-designing
devices for seizure control. Nature clinical practice. Neurology, v. 4, n. 4, p. 190201,
abr.
2008.
Disponvel
em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2904395&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 8 nov. 2013.
STEVEN J. LUCK. An introduction to the event-related potential technique. [s.l: s.n.]
STROINK, H.; VAN DONSELAAR, C. a; GEERTS, a T.; PETERS, a C. B.; BROUWER, O. F.;
ARTS, W. F. M. The accuracy of the diagnosis of paroxysmal events in children.
Neurology, v. 60, n. 6, p. 979982, 2003.
TASS, P.; ROSENBLUM, M. G.; WEULE, J.; KURTHS, J.; PIKOVSKY, a.; VOLKMANN, J.;
SCHNITZLER, a.; FREUND, H.-J. Detection of n:m Phase Locking from Noisy Data:
Application to Magnetoencephalography. Physical Review Letters, v. 81, n. 15, p.
32913294,
out.
1998.
Disponvel
em:
<http://link.aps.org/doi/10.1103/PhysRevLett.81.3291>.
THOMSON, D. Spectrum estimation and harmonic analysis. Proceedings of the IEEE, v.
70,
1982.
Disponvel
em:
<http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=1456701>. Acesso em: 14 ago.
2014.
TORT, A. B. L.; KOMOROWSKI, R.; EICHENBAUM, H.; KOPELL, N. Measuring phaseamplitude coupling between neuronal oscillations of different frequencies. Journal of
neurophysiology, v. 104, n. 2, p. 1195210, ago. 2010. Disponvel em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2941206&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 29 dez. 2014.
TRAUB, R. D.; MICHELSON-LAW, H.; BIBBIG, A. E. J.; BUHL, E. H.; WHITTINGTON, M. A.
Gap junctions, fast oscillations and the initiation of seizures. Advances in experimental
medicine and biology, v. 548, p. 11022, jan. 2004. Disponvel em:
<http://www.ncbi.nlm.nih.gov/pubmed/15250590>. Acesso em: 25 nov. 2015.
UHLHAAS, P. J.; SINGER, W. Neural Synchrony in Brain Disorders: Relevance for
Cognitive Dysfunctions and Pathophysiology. Neuron, v. 52, n. 1, p. 155168, 2006.
ULDALL, P.; ALVING, J.; HANSEN, L. K.; KIBAEK, M.; BUCHHOLT, J. The misdiagnosis of

81

epilepsy in children admitted to a tertiary epilepsy centre with paroxysmal events.

Archives of disease in childhood, v. 91, n. 3, p. 219221, 2006.
VALENTN, A.; ALARCN, G.; HONAVAR, M.; GARCA SEOANE, J. J.; SELWAY, R. P.;
POLKEY, C. E.; BINNIE, C. D. Single pulse electrical stimulation for identification of
structural abnormalities and prediction of seizure outcome after epilepsy surgery: a
prospective study. The Lancet Neurology, v. 4, n. 11, p. 718726, 2005. Disponvel em:
<http://linkinghub.elsevier.com/retrieve/pii/S1474442205702003>.
VEZZANI, A.; FRIEDMAN, A.; DINGLEDINE, R. J. The role of inflammation in
epileptogenesis. Neuropharmacology, v. 69, p. 1624, jun. 2013. Disponvel em:
<http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=3447120&tool=pmcentr
ez&rendertype=abstract>. Acesso em: 3 dez. 2015.
VOYTEK, B.; DESPOSITO, M.; CRONE, N.; KNIGHT, R. A method for event-related
phase/amplitude coupling. Neuroimage, p. 416424, 2013. Disponvel em:
<http://www.sciencedirect.com/science/article/pii/S1053811912009330>. Acesso em:
16 dez. 2014.
WATSON, J. Support Vector Machine (and Statistical Learning Theory) TutorialNEC
Labs America, , 26 ago. 2011. .
WELCH, P. The use of fast Fourier transform for the estimation of power spectra: a
method based on time averaging over short, modified periodograms. IEEE
Transactions on audio and electroacoustics, n. 2, p. 7073, 1967. Disponvel em:
<http://148.204.64.201/paginas anexas/voz/articulos interesantes/IEEE DSP/IEEE
DSP/55.pdf>. Acesso em: 21 mar. 2014.
WESTNEAT, M. W.; HAL, W. G. Ontogeny of feeding motor patterns in infant rats: An
electromyographic analysis of suckling and chewing. Behavioral Neuroscience, v. 106,
n.
3,
p.
539554,
1992.
Disponvel
em:
<http://doi.apa.org/getdoi.cfm?doi=10.1037/0735-7044.106.3.539>.
WIDMANN, A.; SCHRGER, E.; MAESS, B. Digital filter design for electrophysiological
data - a practical approach. Journal of Neuroscience Methods, v. 250, p. 3446, 2014.
Disponvel em: <http://dx.doi.org/10.1016/j.jneumeth.2014.08.002>.
WINER, J. A.; SCHREINER, C. E. The inferior colliculus. [s.l.] Springer, 2005.
WORLD HEALTH ORGANIZATION. Fact Sheet about Epilepsy. Disponvel em:
<http://www.who.int/mediacentre/factsheets/fs999/en/>. Acesso em: 17 mar. 2015.

82

6. Anexos
O anexo 6.1 contm o certificado CEUA para os experimentos utilizados neste
trabalho.
Nos anexos seguintes (6.2 em diante), esto contidas anlises voltadas para a
extrao de informaes dos sinais obtidos nos captulos 2 e 3. Porm, os resultados e
dados disponveis so insuficientes para a confirmar ou refutar as hipteses desejadas.
Ainda assim, os resultados podem servir de motivao ou suporte para futuros
trabalhos, de modo que seu registro nos apndices deste trabalho se faz pertinente.
O anexo 6.4 contm a abordagem preliminar deste trabalho, que lida com a
avaliao de mtodos de decomposio de sinais na classificao de registros em uma
base de dados de epilepsia. Com a mudana de escopo, optou-se por incluir esta parte
do trabalho como anexo.

83

6.1. CERTIFICADO CEUA

84

6.2. DINMICA DA ASSR

Alm de quantificar o grau de excitabilidade, pode ser de interesse a anlise da
dinmica de atividade neural responsvel pela ASSR. Uma das questes seria se a
oscilao da resposta em

permanece com amplitude relativamente

constante ou modulada em amplitude. E se h presena de modulao, qual a

frequncia ou banda que mais influente. Para tal, necessria a representao de
energia da ASSR com alta resoluo temporal, que pode ser obtida por meio da
Transformada de Hilbert.
Para a extrao da energia do sinal em determinada banda utilizando a
Transformada de Hilbert, primeiramente necessria a filtragem do sinal na banda de
interesse. Neste trabalho, aplicamos um filtro butterworth de 6 ordem no sinal
original, com frequncias de corte definidas pela banda de interesse, seguido da
aplicao do filtro em direes opostas para eliminar distores de fase (zero phase
filtering). A escolha de um filtro IIR recomendada neste caso, pois bandas de
transio abruptas so desejveis (de modo a evitar overlap de ritmos nos sinais
filtrados de cada banda) (WIDMANN; SCHRGER; MAESS, 2014). Alm disso, os
algoritmos foram feitos para facilitar a mudana de parmetros deste tipo, de modo
que testes com filtro FIR tambm foram feitos, mas estes no apresentaram bom
desempenho ao rejeitar a banda ASSR para definio do sinal de

Como desejamos analisar caractersticas da modulao em amplitude da ASSR,

deve ser igual ou maior que a frequncia de modulao, pois o sinal filtrado
deve incluir eventuais bandas laterais (sidebands) presentes no espectro do sinal AM.
Processos de modulao deste tipo seriam desempenhados por ritmos mais lentos, de
modo que

para as anlises das prximas sees.

6.2.1. Varincia intra-trial

O primeiro conjunto destas caractersticas relacionado com a distribuio dos
valores de amplitude (Envelope de Hilbert) do sinal filtrado em

representando a ASSR e eventuais modulaes em amplitude, em cada trial. Aps a

85

extrao de

do segmento de interesse, calculada a varincia da distribuio,

normalizada pelo respectivo basal.

A varincia de

uma medida da disperso dos valores da amplitude da

resposta evocada de cada trial. Ou seja, quanto menor a varincia, mais concentrada
a distribuio dos valores de amplitude ao longo do trial, significando uma resposta
mais estvel em relao excitabilidade. A Varincia de
[
Onde

definida por:

[ ].

a mdia

6.2.1.1. Resultados
As figuras a seguir mostram as comparaes entre a varincia normalizada da
ASSR, entre WARs e Wistars no protocolo de 85 dB, separando trials de 53 Hz e 92 Hz.
Como as distribuies foram rejeitadas em testes de normalidade (KS e Shapiro-Wilk),
foram utilizados testes no-paramtricos Kruskal-Wallis com Post Hoc de Dunn.
V a r i n c i a d a A S S R - 8 5 d B

a d im . ( n o r m a liz a d o )

15

**

**

W AR
W is ta r

10

z
H
9

fm

Figura 27: Varincia intra-trial da ASSR, nos trials de 53 Hz e 92 Hz do protocolo de 85 dB. Dados representados
como boxplot (tukey). Kruskal-Wallis com Post Hoc de Dunn. **

Em ambos os casos, WARs apresentam maior varincia intra-trial da ASSR,

sugerindo uma resposta com amplitude menos oscilatria em animais saudveis. A
seguir, so mostrados os valores para o protocolo de 110 dB.

86

V a r i n c ia d a A S S R - W A R s
*
**
25

a d im . ( n o r m a liz a d o )

25

***

W AR
W IS

20

***

15

10

a d im . ( n o r m a liz a d o )

V a r i n c ia d a A S S R - 1 1 0 d B

**

20

**

15

10

-i

ta

l
ic

ta

(a )

-i

p e r o d o

ta

(b )

B
p

-i

ta

l
ic

ta

-i

ta

110dB

Figura 28: Varincia intra-trial da ASSR, protocolo de 110 dB. (a) comparando WAR com Wistars (b) comparando
entre os estgios do WAR. Dados representados como boxplot (tukey). Kruskal-Wallis com Post Hoc de Dunn.
*
. **
**

Exceto no ps-ictal, a varincia da ASSR de WARs maior que em animais

Wistar. Nos perodos pr-ictal e ictal, os altos valores do grfico indicam grande
variabilidade na amplitude da resposta, que volta a nveis normais (comparveis com
os valores de 85 dB) aps a CA. Isto pode indicar que, antes e durante a crise, h
alteraes nos processos de modulao do processamento auditivo, resultando em
respostas mais instveis. Nas sees a seguir, outros atributos so analisados para
avaliar tal hiptese.

6.2.2. Caractersticas do envelope da ASSR: Centroide espectral

e energia de
Com a extrao do envelope de amplitude da ASSR, temos um sinal
do mesmo tamanho do sinal filtrado/original
modulao em amplitude,

. Considerando que ocorra

ser um sinal oscilatrio, cuja anlise espectral

poder indicar caractersticas desta modulao. Neste caso, o nvel DC e tendncias de

no so de interesse para a anlise. Assim definimos

como a verso

retificada do envelope de amplitude da ASSR, obtida ao filtrar

com um passa-

altas em 0,8 Hz.

87

O espectro de

pode ser analisado por meio da estimao de sua

Densidade Espectral (PSD Power Spectral Density). Neste trabalho, a estimao foi
feita por meio do mtodo de multitaper de Thomson (THOMSON, 1982). Este mtodo
obtm uma estimativa consistente da PSD de um sinal por meio da promediao de
diferentes estimativas independentes do espectro. Cada estimativa obtida por meio
da multiplicao do sinal com tapers (funes para o janelamento do sinal) ortogonais
entre si e com boas propriedades de concentrao espectral, definidas como
sequncias Slepian. Cada periodograma k associado a uma sequncia Slepian

como

janela dado por:

|

Em sua forma mais simples, a estimativa da PSD por Multitaper feita ento ao
tirar a mdia de

. Outras variantes utilizam fatores de ponderao para levar em

conta diferenas de concentrao de energia em cada sequncia Slepian, alm da

relao desta com propriedades espectrais do sinal (variante escolhida neste trabalho).
Este mtodo foi implementado no trabalho com a funo pmtm do Toolbox de
Processamento de Sinais do MATLAB (r2013b).
Aps a estimao da PSD de
a Centroide Espectral (

, temos

. Desta funo, extramos

), uma medida que pode ser vista como o centro de massa

da PSD, indicando a banda de frequncias com maior concentrao de coeficientes

(eq. (8)). Tambm foi extrada a entropia espectral, um indicador da disperso de
. Ou seja, caso o espectro de

seja marcado por poucos coeficientes

com grande magnitude, temos um sinal modulado por frequncias especficas e,

consequentemente, esparso. Mas caso

seja relativamente uniforme, teremos

um valor maior. Porm, como este ndice se mostrou dependente do tamanho do

trecho do sinal utilizado, no foi includo nos resultados finais.
Os valores foram calculados em uma verso de

, cujos coeficientes de

frequncia so limitados de 0 at 16 Hz, uma vez que ritmos de frequncia acima da

banda beta dificilmente estariam envolvidos em processos de modulao de amplitude
da ASSR.

88

Por fim, calculada a energia de

Envelope retificado

, resultando no atributo de Energia do

Este parmetro est relacionado com a Energia espectral de

quanto mais oscilaes da ASSR, maior o valor de

Ou seja,

6.2.2.1. Resultados
So extrados dois atributos: Potncia de

e Centroide Espectral,

calculado sobre a PSD (multitaper de Thomson) de

, limitando os ritmos de

interesse (delta at alpha), utilizando somente coeficientes correspondendo a

frequncias de 1Hz at 16Hz para os clculos dos atributos.

C e n t r o id e E s p e c t r a l - 8 5 d B
***
***

E n e r g ia d o E n v e lo p e d a A S S R - 8 5 d B
4 .0 1 0

-1 0

3 .0 1 0

-1 0

2 .0 1 0

-1 0

1 .0 1 0

-1 0

W AR

(a )

W is ta r

(b )

***

Hz

***

0
5

z
9

t r ia ls

R
W

IS

53Hz

t r ia ls

R
W

IS

92Hz

Figura 29: Atributos de

. (a) Centroide espectral, nos trials de 53 Hz e 92 Hz do protocolo de 85 dB.
Diferenas estatsticas encontradas nos dois casos (Two-Way anova, post hoc de Bonferroni). Dados
representados como mdia+SEM (b) Potncia de
. Diferenas estatsticas encontradas com teste de
Kruskal-Wallis, correo de Dunn. Dados representados como Tukey Boxplot.

Em WARs, a potncia de

elevada, significando uma ASSR com

amplitude mais oscilatria. Este resultado est de acordo com o encontrado pela
varincia, o que pode indicar que h certa instabilidade em processos de modulao
top-down envolvidos no processamento auditivo de animais ictognicos. Ou seja,
animais normais teriam uma ASSR menor, mas relativamente estvel em magnitude,
enquanto a de WARs seria mais afetada por processos de modulao em amplitude. As
Figuras a seguir mostram os resultados para o protocolo de 110 dB.

89

C e n t r o id e E s p e c t r a l W A R s - 1 1 0 d B
**

C e n t r o id e E s p e c tr a l - W A R x W IS (1 1 0 d B )

*
**

W AR

***
6

Hz

Hz

W IS

***

2
2

(a )

B
p

-i

ta

l
ic

ta

-i

ta

(b )

-i

ta

l
ic

ta

-i

ta

tre c h o s - 1 1 0 d B

110dB

Figura 30: Centroide espectral de

, protocolo de 110 dB. (a) Comparao entre trechos pr-ictal, ictal,
ps-ictal e 85 dB (controle). Anova de uma via, com correo Bonferroni. (b) Comparao entre WARs e
respectivos trechos Wistar. Anova de duas vias, com correo bonferroni. Dados representados como mdia +
SEM.
E n e r g ia d o E n v e lo p e d a A S S R
W A R s (1 1 0 d B )

E n e r g ia d o E n v e lo p e d a A S S R

**
8 .0 1 0

-1 0

6 .0 1 0

-1 0

W A R x W IS (1 1 0 d B )

***

**

8 .0 1 0

-1 0

6 .0 1 0

-1 0

4 .0 1 0

-1 0

2 .0 1 0

-1 0

**

4 .0 1 0

-1 0

2 .0 1 0

-1 0

(a )

W IS

***
V

W AR

**

B
p

-i

ta

l
ic

ta

-i

ta

(b )

-i

ta

l
ic

ta

-i

ta

110dB

Figura 31: Potncia de

, no protocolo de 110 dB. (a) Comparaes entre estgios pr-ictal, ictal e psictal, de animais WAR, alm dos trials de 53 Hz do protocolo de 85dB. (b) Comparaes entre valores de WARs e
Wistars. Dados representados como Tukey Boxplots. Diferenas estatsticas encontradas com teste de KruskalWallis, correo de Dunn.

No pr-ictal e durante a crise, a ASSR mais oscilatria que valores normais

em WARs (protocolo de 85 dB) e respectivos controles Wistar. No ps-ictal, com o
desligamento de grande parte dos circuitos endgenos do sistema, que ainda fica
responsivo a estmulos, a ASSR estvel, com valores semelhantes a animais
saudveis, mas abaixos dos valores basais de WARs. Ou seja, na iminncia de uma
crise, o sistema responsivo a estmulos (evidenciado pela potncia da ASSR no
captulo 3), mas a resposta mais instvel em termos de sincronismo com o som (PLV

90

da hiptese IV) e em amplitude do envelope. Isto ligeiramente reduzido no perodo

ictal, onde parte do sistema de processamento estaria dissociado do foco ictal e
respondendo normalmente. Aps a CA, a manuteno da potncia da ASSR,
elevao do PLV e diminuio da potncia do envelope da ASSR indicam que o grande
parte do sistema est em perodo hipoexcitvel, mas este plenamente responsivo a
estmulos, relativamente livre de processos de modulao ou interferncias.
Um fator que traz dvidas a tal concluso se as oscilaes na ASSR so
efetivamente processos de modulao da ASSR, ou se so componentes de Gamma,
que variam em certos estgios da crise. No pr-ictal, isto no aparenta ser o caso, uma
vez que a potncia em Gamma no alterada significativamente (captulo 3), mas a
potncia do envelope da ASSR maior. Porm, nos perodos ictal e ps-ictal, h uma
correlao entre os resultados, com a potncia maior em Gamma e

, e

menor no ps-ictal de ambos. Um modo de resolver esse problema seria a deteco de

um acoplamento em amplitude entre sinais, onde um atributo de uma componente
(como fase ou amplitude) afetaria a amplitude da ASSR. Porm, o protocolo utilizado
no ideal para verificar isto, pois somente um canal utilizado. No obstante, o
acoplamento entre diferentes componentes de frequncia de um mesmo canal
avaliado na prxima seo.

6.3. MODULAO FASE-AMPLITUDE

Neste trabalho, foram propostos mtodos de quantificao de dinmicas da
ASSR relacionados sua modulao em amplitude. Porm, no foram investigados
ndices de acoplamento, ainda que as caractersticas apresentadas possam estar
indiretamente relacionadas com tal fenmeno. Ou seja, foram analisadas
caractersticas de modulao de somente uma componente (

, representando a

amplitude ou envelope da ASSR), ao invs de analisar caractersticas de duas

componentes (ou dois sinais) e a relao entre estes (onde o estado de uma
componente regido por um atributo do outro componente, por exemplo).
Como descrito na Figura 3, processos de acoplamento podem ocorrer de
diversas maneiras; entre sinais diferentes ou entre componentes de um nico sinal,

91

em somente uma banda de frequncia ou entre bandas, com diferentes combinaes

de relaes de fase, amplitude e frequncia. Nesta seo, temos interesse em analisar
um modo de CFC (Cross-frequency Coupling) denominado PAC (Phase Amplitude
Coupling), caracterizado pelo acoplamento de fase de uma baixa frequncia com a
amplitude de uma componente de alta frequncia.
A modulao de amplitude de um oscilador de alta frequncia pela fase de um
de baixa frequncia denominada PAC (ou nesting, ou CFC Cross-Frequency
Coupling). Este tipo de interao tem recebido interesse com a deteco de sua
ocorrncia em diversos contextos (CANOLTY et al., 2006a; COHEN, 2008; TORT et al.,
2010; ONSLOW; BOGACZ; JONES, 2011; STEVEN J. LUCK, 2014), com indcios de que
este tipo de acoplamento pode ter papel fundamental em cognio e processamento
de informaes (TORT et al., 2010; VOYTEK et al., 2013; ARU; PRIESEMANN; WIBRAL,
2014). Visto que crises epilpticas so distrbios na comunicao neural e
processamento de informaes, sua investigao pode esclarecer dvidas a respeito
da dinmica de ictognese. Isto motivou a aplicao de mtodos de estimao de PAC
(CANOLTY et al., 2006a; TORT et al., 2010) nos sinais obtidos neste trabalho.
No h consenso a respeito do ndice de estimao de PAC mais indicado para
registros de EEG ou LFP. Entre alguns dos ndices propostos, temos o MVL (Mean
Vector Length) publicado por (CANOLTY et al., 2006a), o MI (Modulation Index) de
(TORT et al., 2010) e o SI (Synchronization Index) de (COHEN, 2008), cuja abordagem
semelhante da seo 2.2.2, com a componente de baixa frequncia sendo extrada
da PSD do envelope da componente de alta frequncia.
Para a escolha dos ndices de PAC a serem utilizados neste trabalho,
consideramos o desempenho destes segundo alguns critrios de interesse, de acordo
com a literatura. Primeiramente, desejvel que o ndice seja capaz de quantificar a
intensidade do acoplamento (e no somente se ocorre ou no), para fins de
comparao entre os grupos e para anlise de sua dinmica ao longo do tempo. Alm
disso, a estimativa de PAC deve ser independente da amplitude da componente de alta
frequncia, pois esta varia entre grupos e suas amostras. Por fim, tambm desejvel
que o mtodo seja robusto ao rudo, sempre presente de algum modo em sinais de

92

EEG/LFP e que pode produzir resultados esprios em anlises de CFC (ARU;

PRIESEMANN; WIBRAL, 2014), ou mascarar acoplamentos existentes. Assim,
escolhemos o ndice MI (TORT et al., 2010), que alm destes prerequisitos, sensvel
caractersticas como largura de modulao e multimodalidade na distribuio de
amplitude em funo da fase. Para maiores detalhes relativos a critrios de
comparao entre

ndices de CFC, conferir (TORT et al., 2010) e (PENNY et al.,

2008). Outros trabalhos comparando outros mtodos de quantificao de sincronismo

so (KREUZ et al., 2007), (QUIAN QUIROGA et al., 2002) e (LE VAN QUYEN et al., 2001).

6.3.1.1. Modulation Index MI

O MI, proposto por (TORT et al., 2010), um mtodo de quantificao de PAC,
onde a amplitude de uma componente de alta frequncia est relacionada com a fase
de uma componente de baixa frequncia. O ndice baseado na distribuio de
amplitude (alta frequncia) em funo da fase (baixa frequncia), e os passos para sua
obteno so descritos a seguir.
O primeiro passo consiste na extrao do sinais

, correspondendo

s componentes de baixa e alta frequncia, respectivamente. Estes so obtidos ao

filtrar o sinal original

(ou cada um de um canal diferente, para analisar

acoplamento entre componentes de diferentes sinais) nas respectivas bandas de

frequncia
obtidas
envelope de

e
e

. Por meio da Transformada de Hilbert de

, representando a fase instantnea de
, respectivamente

, so

e amplitude do

(Conferir seo 2.3.1.2 para detalhes da

obteno de fase e amplitude da Transformada de Hilbert de um sinal). Assim, temos

uma srie temporal composta [

], contendo a respectiva amplitude do

envelope e a fase instantnea para cada amostra das componentes analisadas. A

Figura 32 mostra um trecho de um sinal de LFP de um rato durante uma crise induzida
por PTZ, onde evidente a presena de PAC. A componente de Alta frequncia
obtida filtrando o sinal original em [

,e

filtrando em [

93

Sinal original

Amplitude(V)

0.3
0.2
0.1
0
-0.1
-0.2
35.5

36

36.5

37

37.5
tempo(s)

38

38.5

39

fgamma: 48 - 78 Hz

39.5

40

ftheta: 4 - 8 Hz

0.2
0.05
0.1
0

-0.1
-0.05
-0.2
35.5

36

36.5

37

37.5 38
tempo(s)

38.5

39

39.5

40

35.5

36

36.5

37

37.5 38
tempo(s)

38.5

39

39.5

40

Figura 32: Filtragem de sinais para ndice PAC. Sinal original (superior) e componentes filtradas. Inferior
esquerda - x_A (t). Inferior direita - x_p (t)

Em seguida, construda a distribuio dos valores de amplitude em funo de

valores de fase. Isto feito delimitando faixas de tamanhos iguais para valores de fase
(bins) durante todo o intervalo de - a +, calculando a mdia dos valores de
de cada faixa. Assim, temos

associados aos respectivos valores

mdia dos valores de

,a

de cada faixa (bin) j. Em seguida, a distribuio

normalizada de acordo com a soma dos valores de

(funo densidade de probabilidade) discreta

Onde

, de modo a obter uma FDP

o nmero de bins. A Figura 33a mostra

de um

trecho ampliado da Figura 32, e a respectiva funo de distribuio de amplitude

mostrada na Figura 33b

94

fgamma
Amplitude(fgamma)
Fase(ftheta)

Acoplamento fase(ftheta) e amplitude(fgamma)

0.2
0.1
0
-0.1
-0.2

Amplitude acumulada

35.5

36

36.5

37
37.5
38
tempo(s)
Histograma de distribuio de amplitude

38.5

39

39.5

40

0.06

0.04

0.02

0
-4

-3

-2

-1

0
bins de fase

Figura 33: Acoplamento fase-amplitude. (a): Trechos de

,
e
. Note que as oscilaes de
resultam em valores maiores perto dos mesmos valores de fase em
(srie de fase teve a escala ajustada
para visualizao no grfico), resultando na distribuio no-uniforme no grfico inferior (b)
, onde a mdia
maior de amplitude est associada em valores de fase mais prximos de 0.

Na distribuio

, a presena de acoplamento fase-amplitude evidenciada

na presena de picos ou no-uniformidades. Ou seja, determinados valores de fase

esto associados a maiores amplitudes; no caso de ausncia total de PAC, a
distribuio

seria uniforme. Assim, o ndice MI definido de acordo com a

medida de distncia (distncia KL, Kullback-Leibler) entre

uniforme discreta

(TORT et al., 2010);

Assim, o ndice
distribuio uniforme, at
somente uma bin k e

e uma distribuio

varia de 0, para ausncia total de acoplamento e uma

, mximo acoplamento onde

para

para as demais bins.

Para evitar ndices de acoplamento esprios devido a rudo e distribuies de

fase individuais no-uniformes, comum a utilizao de ndices validados
estatisticamente por meio de sries substitutas (surrogates). Estas so geradas ao
embaralhar uma das sries de fase ou amplitude (utilizamos a srie de
amplitude

), preservando as caractersticas de sua distribuio, mas destruindo

sua relao temporal com a outra srie (

). Assim, vrias sries substitutas

95

so geradas, e ndices substitutos de

e

so calculados para cada

. O ndice normalizado

ento definido:

6.3.2. Resultados PAC

Para a quantificao de PAC, necessrio definir as bandas das componentes
de baixa frequncia (que resultar na srie de fase) e de alta frequncia (resultando na
srie de amplitude). A princpio, a componente de amplitude foi definida como a ASSR
(

), e a de fase foi obtida filtrando o sinal em (

). Esta

banda de frequncia foi escolhida pois acredita-se que este ritmo (theta) esteja
associado ao processamento de informaes e processos de modulao faseamplitude (CANOLTY et al., 2006a, 2006b; TORT et al., 2010; BELLUSCIO et al., 2012),
alm de uma srie de outras funes aparentes que justificam a ateno dada por
neurocientistas a este ritmo, com mais de 1600 trabalhos (BUZSKI, 2006).
Primeiramente, foi analisada a evoluo do ndice

ao longo do tempo por meio de

janelas deslizantes (1,2 e 4 segundos, com 50% de overlap) em registros individuais. O

resultado para um registro (WAR 01) mostrado na Figura 34.
5

V 0

-5
0

50

100

150

200
250
tempo(segundos)
MI Normalizado

300

350

400

450

50

100

150

200

30

350

400

450

Adim.

8
6
4
2
0

250

Figura 34: Registro e MI ao longo do tempo. Acima, registro (WAR 01, amplificao em 10.000x) e MI calculado
em janelas deslizantes (abaixo). Sinal filtrado em 4-8 Hz (baixa frequncia, componente de fase) e 43.71-63.71Hz
(alta frequncia, componente de amplitude)

Alm de ruidoso, o grfico inferior (MI ao longo do tempo) no apresenta

modificaes aparentes durante os trials de 53 Hz, que seriam evidentes caso

96

houvesse um acoplamento fase-amplitude entre frequncias decorrentes do estmulo.

Grficos deste tipo foram analisados individualmente para cada registro, comparando
entre amostras de um mesmo grupo e entre grupos diferentes, e nenhum padro foi
encontrado. Outros parmetros foram alterados, como bandas de frequncia e
inclusive o ndice de PAC calculado; utilizamos os definidos por (CANOLTY et al., 2006b)
e (COHEN, 2008), mas estes tambm no revelaram padres ao longo do tempo, entre
amostras de um grupo ou entre diferentes grupos. Os nicos ndices significativos
encontrados foram para

, porm uma anlise mais aprofundada

revelou que estes so devido aos HVS, pois a forma de onda dos fusos composta por
vrias componentes de frequncia (indo de 4Hz at 40Hz), quando representada por
Fourier. Assim, quando so filtradas em duas componentes;

, as

oscilaes de cada uma estaro necessariamente acopladas, pois so representaes

parciais de uma mesma fonte, e no dois osciladores neurais acoplados, como
buscamos.
Por fim, em busca de um par de componentes de frequncia que interagissem
com acoplamentos do tipo PAC/CFC, foram feitos comodulogramas. Em grficos deste
tipo, um trecho de interesse selecionado, e valores de

so calculados variando as

bandas de componente de baixa (0 a 20Hz, largura de banda de 4Hz) e alta frequncia

(30 Hz at 100Hz, larguras de banda igual respectiva componente de baixa
frequncia), como um processo de varredura de frequncias. A anlise individual de
cada trial e as mdias ao longo das amostras e trials no revelaram diferenas
significativas entre grupos, alm da alta varincia entre amostras de um mesmo grupo
e entre trials de um mesmo animal. Com isso, conclumos a ausncia de PAC
decorrentes de processos neurais entre componentes do canal CI em ambos grupos
(WAR e WIS). Porm, apesar de no encontrar indcios de PAC, no podemos fazer
afirmaes que processos deste tipo no ocorrem no CI ou no desempenham papel
na ictognese, uma vez que somente um eletrodo foi utilizado. O uso de mais canais,
com eletrodos em diferentes regies do crebro proporcionaria mais dados e
possibilidade de anlise de acoplamentos entre componentes. Porm, alm das
dificuldades prticas de confeco destes eletrodos e registros deste tipo, anlises
neste caso so cada vez mais complexas medida que aumenta o nmero de canais e

97

combinaes possveis. Alm disso, preciso que, caso ocorram indcios de PAC,
tenhamos uma motivao e interpretao fisiolgica e evidncias que estes ocorram
por mecanismos neurais e no sejam ndices esprios (ARU; PRIESEMANN; WIBRAL,
2014).

98

6.4. CLASSIFICAO DE SINAIS DE EEG POR

DECOMPOSIO DE MODOS
6.4.1. Introduo
Este captulo anexo contm a abordagem inicial do trabalho para lidar com o
problema de classificao de sinais de EEG para crises epilpticas. Por meio da
extrao de caractersticas de registros de EEG e tcnicas de reconhecimento de
padres, espera-se a identificao ou caracterizao das amostras analisadas,
rotulando cada uma de acordo com trs classes; ictal, inter-ictal ou normal. Estes
mtodos teriam aplicaes em uma srie de contextos relacionados com epilepsia,
como auxlio no diagnstico desta patologia, na identificao de focos epilpticos no
crebro em casos onde interveno cirrgica necessria e na deteco de episdios
de crises. Normalmente a deteco de crises epilpticas feita por inspeo visual de
sinais de EEG por um neurofisiologista experiente (BAJAJ; PACHORI, 2013) que leva em
conta: frequncia, amplitude, regularidade das formas de onda, fotoestimulao,
escalas espaciais e persistncia temporal das anomalias do sinal (ADELI; ZHOU;
DADMEHR, 2003). O mtodo de inspeo visual, alm de trabalhoso e demorado, pode
ser impreciso (especialmente para sries longas). Os resultados da anlise de uma
mesma srie feita por dois profissionais podem ser diferentes devido subjetividade
inerente a tal mtodo (BAJAJ; PACHORI, 2013). Alm disso, h uma srie de
componentes e caractersticas presentes no sinal que dificilmente so detectados por
meio de simples inspeo visual. Deste modo, algoritmos de anlise e processamento
de sinais desempenham um papel importante no diagnstico clnico de epilepsia, ao
extrair caractersticas e informaes de sries temporais de EEG de um ou vrios
canais (STACEY; LITT, 2008). Neste captulo, so avaliados mtodos de processamento
que envolvem a decomposio do sinal em componentes AM-FM, seguido pela
extrao de caractersticas de cada um. Deste modo, espera-se que certos modos
estejam associados a componentes relacionados ictognese, facilitando a obteno
de informaes a seu respeito.

99

Recentemente, alguns trabalhos utilizaram o mtodo EMD (HUANG et al.,

1998), que decompe sinais de EEG em diferentes Funes de Modo Instrnseco
(Intrinsic Mode Function - IMF), para algoritmos de deteco e classificao de crises
(BAJAJ; PACHORI, 2011, 2013; OWEIS; ABDULHAY, 2011a; MARTIS et al., 2012, 2012).
Atravs da decomposio de sinais de EEG em diferentes modos, espera-se que IMFs
especficas, que so componentes moduladas em amplitude, revelem a presena,
iminncia ou a suscetibilidade a crises de um sinal (ou trecho de um registro de EEG). A
extrao de caractersticas para discriminao de classes seria facilitada por esta
diviso do sinal em diferentes modos, que pode ser obtida por outros meios alm da
EMD. Um destes mtodos a Transformada de Wavelet Emprica (Empirical Wavelet
Transform - EWT) (GILLES, 2013), que ainda no possui trabalhos para classificao de
sinais de EEG de crises epilpticas. Assim, este captulo busca avaliar a viabilidade de
um mtodo de extrao de caractersticas por meio da EWT, para classificao de
sinais de EEG de crises em uma base de dados conhecida. Os resultados so
comparados com a decomposio por EMD e outros trabalhos semelhantes. Apesar da
motivao inicial de desenvolver e avaliar mtodos de predio de crises, esta base de
dados voltada para deteco de episdios ictais e focos ictognicos, sendo utilizada
como avaliao preliminar dos mtodos aqui apresentados.
Os algoritmos utilizados neste captulo anexo foram implementados em
MATLAB (R2013b).

6.4.2. Empirical Mode Decomposition - EMD

O mtodo EMD foi proposto por (HUANG et al., 1998) e inicialmente foi
utilizado para anlise de fenmenos atmosfricos, meteorolgicos e martimos, sendo
posteriormente utilizado em uma srie de reas diferentes, se destacando por sua
simplicidade e adaptabilidade em relao s caractersticas do sinal, no dependendo
de suposies a respeito de no-estacionariedade e no-linearidade. Alguns trabalhos
utilizaram EMD para problemas de classificao de sinais de crises epilpticas. Por
exemplo, em (PACHORI, 2008), as frequncias mdias dos modos resultantes da EMD
so utilizadas para classificar entre perodo ictal e perodo livre de crises em sinais de

100

EEG. Um problema de classificao semelhante abordado em (OWEIS; ABDULHAY,

2011b) por meio da anlise de frequncias ponderadas.
Este mtodo busca dividir o sinal analisado em uma srie de Funes de Modo
Intrnseco (IMFs), onde cada uma deve satisfazer a duas condies relativamente
simples:
I.

No segmento a ser analisado, o nmero de extremos (mximos e mnimos

locais) deve ser igual ou diferir de um em relao ao nmero de cruzamentos
em zero.

II.

Em todos pontos, o valor mdio do envelope definido pelos mximos locais e

do envelope definido pelos mnimos locais deve ser igual a zero.
O algoritmo proposto em (HUANG et al., 1998) para a obteno destas IMFs

consiste nos seguintes passos:

1) Passo 1: Dada uma srie temporal x(t), encontrar os mximos e mnimos locais.
2) Gerar os envelopes emax e emin por meio de interpolao de spline cbica, dos
mximos e mnimos, respectivamente.
3) Calcular a mdia dos envelopes, mi(t) = (emax(t)+emin(t))/2
4) Subtrair o valor encontrado anteriormente do sinal: h(t) = x(t)-mi(t). Se h(t)
satisfazer as condies apresentadas anteriormente para uma IMF, uma IMF
ci(t)=h(t) encontrada.
5) Um novo resduo r gerado: r(t) = x(t)- ci(t). Repetir os passos 1 a 4, aplicados
ao resduo r, de modo a encontrar as IMFs restantes. O processo para quando
no mais possvel computar uma IMF de um resduo, que ento definido
como resduo final, rM.
O sinal ento decomposto em determinado nmero de IMFs (ci(t)) e um
resduo, podendo ser representado e reconstrudo por (1),

onde N o nmero total de IMFs encontradas.

101

A implementao em MATLAB do mtodo EMD neste trabalho foi baseada nos

cdigos disponveis em [http://perso.ens-lyon.fr/ patrick.flandrin/emd.htm].

6.4.3. Empirical Wavelet Transform

Outro mtodo de decomposio adaptativa apresentado em (GILLES, 2013),
denominado Transformada de Wavelet Emprica (EWT). Como no EMD, este mtodo
busca extrair as componentes oscilatrias moduladas em amplitude (AM) e frequncia
(FM) de um sinal, considerando-as como tendo suporte compacto no espectro de
Fourier. Ao contrrio de Transformadas Wavelet tradicionais, que utiliza uma estrutura
pr-definida de bancos de filtros, a EWT define os suportes dos filtros de acordo com a
distribuio espectral do sinal, de maneira adaptativa. Algumas consideraes so
feitas para a anlise: (1) o sinal deve ser real, devido necessidade de simetria e (2),
um eixo de frequncias normalizado com periodicidade de 2 considerado, com a
anlise restrita a [0, +, devido ao critrio de amostragem de Shannon.
Um nmero N de modos definido a priori, determinando em quantos
segmentos o espectro no intervalo *0,+ ser particionado. Dos N+1 limites de
frequncia a serem determinados, dois limites j so pr-definidos (0 e N),
correspondendo s frequncias de 0 e , respectivamente. Os N-1 limites restantes so
definidos de acordo com a distribuio do espectro de frequncia do sinal: os N-1
mximos locais so encontrados, e os limites n (n = 1,2,..N-1) so definidos como os
pontos mdios entre dois mximos consecutivos. Apesar de em (GILLES, 2013) esta
diviso ser feita sobre o espectro resultante da Transformada de Fourier,
consideramos a segmentao feita com base na anlise de mximos locais da
distribuio de Densidade de Potncia Espectral (PSD). A diviso por meio da FFT
resultou, muitas vezes, na diviso de uma componente em mais de um modo, de
modo que uma representao mais suave do espectro (neste caso feita por meio da
densidade espectral) foi mais adequada para a deteco de mximos locais e
segmentao. Para a estimao da PSD, foi utilizado o mtodo de Welch (WELCH,
1967), que divide o sinal em N segmentos com um grau de sobreposio, aplica
janelas no domnio do tempo a cada uma, e determina a DFT e sua magnitude

102

quadrtica, tirando ento a mdia dos resultados ao longo do tempo. A segmentao

de um sinal de EEG normal em 9 modos mostrada na Figura 35.

Figura 35: Exemplo de segmentao do Espectro de um EEG normal

Definidos os limites n, temos os segmentos n= [n-1, n], preenchendo o

intervalo *0, +. Os limites de cada segmento so caracterizados por uma fase de
transio centrada no respectivo n e com largura 2n. Cada segmento est associado
a um filtro passa-faixa (passa-baixas no caso do segmento em 0), cuja construo est
de acordo com Wavelets de Littlewood-Paley e Meyer (DAUBECHIES, 1992). So
definidas ento, uma funo de escala emprica,

, e a Wavelet Emprica

que so construdas de tal modo que um Frame justo obtido. Maiores detalhes sobre
a construo de tais funes so dados em (GILLES, 2013).
Com as condies para construo de um Frame Justo satisfeitas, a EWT
definida de modo semelhante a uma Transformada de Wavelet tradicional, onde os
detalhes so dados por

103

E a aproximao dada pelo produto interno do sinal analisado com a Funo de

Escala:

Cada modo emprico do sinal ento obtido por:

Mais um resduo ou tendncia do sinal:

Esses modos, quando somados, resultam no sinal reconstrudo.

A implementao em MATLAB do mtodo EWT foi baseada nos cdigos
disponveis

em

[http://www.mathworks.com/matlabcentral/fileexchange/42141-

empirical-wavelet-transforms].

6.4.4. Base de Dados utilizada

Os dados de EEG utilizados neste captulo foram obtidos da Base de Dados da
Universidade de Bonn2. A base de dados original dividida em 5 conjuntos: Z,O,N,F,S
(ANDRZEJAK et al., 2001). Cada uma composta de 100 sries temporais com durao
de 23.6s e frequncia de amostragem de 173.61 Hz. Os conjuntos Z e O correspondem
a sries de EEG extra cranial, de cinco voluntrios saudveis (com olhos abertos e
fechados, respectivamente). As outras 3 sries so de pacientes epilpticos, com a
srie S obtida durante um perodo de crise, e as sries F e N (com eletrodos localizados
na zona epileptognica e hipocampo oposto, respectivamente) durante perodos livres
de crise. Neste estudo, foram utilizados trs conjuntos; S, F e Z, correspondendo s
classes Ictal, Interictal e Normal, respectivamente. Amostras de cada classe e os
respectivos espectros de frequncia, calculados por meio da FFT, so mostradas na
Figura 36.

Dados disponveis em http://epileptologie-bonn.de/cms/front_content.php?idcat=193

104

O uso desta base de dados motivado por alguns fatores. Primeiramente,

uma base til para avaliaes iniciais de mtodos de classificao de EEG para
epilepsia, com registros rotulados em diferentes classes correspondendo a diferentes
estados (interictal, ictal ou normal), em situaes controladas. Alm disso, uma base
utilizada por vrios trabalhos com objetivos semelhantes, tornando-a interessante
para fins de comparao. Por fim, uma das poucas bases de dados de EEG para
classificao de sinais de crises disponveis publicamente, outro fato que dificulta o
desenvolvimento de algoritmos para fins semelhantes (STACEY; LITT, 2008; SCHULZEBONHAGE; FELDWISCH-DRENTRUP; IHLE, 2011).

Sinal de EEG

Espectro do Sinal
10

V/Hz

500

-500

10
15
tempo(s)
Sinal de EEG

20

0
(a)

10
15
tempo(s)
Sinal de EEG

20

20

40
60
frequncia(Hz)
Espectro do Sinal

80

20

40
60
frequncia(Hz)
Espectro do Sinal

80

20

40
60
frequncia(Hz)

80

(b)

1000

40

V/Hz

10

V/Hz

500

-500

20

-1000
0

10
15
tempo(s)

20

(c)

Figura 36: Sinais de EEG e respectivos espectros de frequncia(a) Normal (b) Inter ictal (c) Ictal

6.4.5. Extrao de Caractersticas

Tanto as IMFs retornadas pelo mtodo EMD quanto os modos empricos da
EWT podem ser considerados como sinais modulados em amplitude e frequncia.
Assim, a extrao de caractersticas feita de acordo com caractersticas do espectro

105

de cada modo, semelhante abordagem empregada por (MARTIS et al., 2012). O

artigo citado utiliza a estimao da Densidade Espectral (PSD) por um modelo Auto
regressivo pelo mtodo de Burg. Porm, a PSD de cada modo de cada sinal diferente
e muitas vezes imprevisvel, dificultando a estimativa por este mtodo (em especial a
escolha de ordem, que pode variar para diferentes modos de um sinal). Assim, neste
trabalho optamos por fazer a estimativa da PSD de cada modo pelo mtodo de Welch,
utilizado tambm na partio de frequncias da EWT e citado anteriormente. Foram
utilizadas 8 janelas, com 50% de sobreposio.
Como em (MARTIS et al., 2012), a primeira caracterstica extrada dada pela
Energia Espectral (EE), definida por:

onde N o nmero total de coeficientes espectrais estimados, e

a PSD estimada

pelo mtodo de Welch. A segunda caracterstica dada pela Entropia Espectral (EntE)
como mostrado abaixo

onde

a densidade espectral normalizada. As outras trs caractersticas esto

relacionadas pela componente principal de frequncia do modo analisado. Aps a

determinao do mximo global de

, a magnitude correspondente extrada

(determinando o Pico Espectral, PE), assim como a frequncia associada (F), definindo
a 3 e 4 caracterstica, respectivamente. A 5 caracterstica extrada definida pela
centride espectral (CE), que pode ser vista como o centro de massa da PSD, com a
seguinte frmula:

106

onde f a bin de frequncia, e

a frequncia central e Magnitude do

espectro correspondendo bin f, respectivamente.

As duas ltimas caractersticas so as larguras de banda AM e FM, definidas por
(COHEN; LEE, 1990);
(

Onde A amplitude do sinal analtico, E a Energia e a frequncia central

do respectivo modo/IMF:

6.4.6. Seleo de Caractersticas e Classificao

Como o nmero de caractersticas extradas de cada sinal relativamente
grande, e nem todas so relevantes para a discriminao entre classes, desejvel a
seleo de caractersticas ou a ordenao por grau de relevncia. Neste trabalho,
caractersticas foram ranqueadas de acordo com o RELIEFF, um algoritmo de seleo
de atributos proposto por (KONONENKO; IMEC; ROBNIK-IKONJA, 1997), como uma
adaptao do RELIEF original (KIRA; RENDELL, 1992). Os classificadores foram ento
aplicados sucessivamente, aumentando o nmero de caractersticas selecionados a
cada iterao, a fim de avaliar a convergncia e a estabilidade no que diz respeito
seleo de caractersticas.
Para a classificao, dois mtodos foram utilizados e comparados. O primeiro
foi baseada na Anlise de Discriminantes Lineares (LDA Linear Discriminant Analyzis)
(FISHER, 1936). O segundo classificador um utilizado no captulo 2; Bagging aplicado
a uma rvore de decises (CART). Ambos so mtodos supervisionados, onde dados de
treinamento so submetidos ao algoritmo junto com as classes reais de cada amostra.
A etapa de teste consiste em alimentar o algoritmo com novos dados e comparar os
resultados com as respectivas classes do novo conjunto.

107

6.4.7. Resultados e Discusso

Trs classes de EEG foram analisados: Ictal, Interictal e Normal (conjuntos E, D e
A, respectivamente), cada um com 100 sries temporais. A fim de evitar sobreestimao (overfitting) dos dados, validao cruzada de k-folds foi utilizada para os
algoritmos de classificao, com 70% de amostras utilizado para treinamento, e 30%
para teste. Para avaliao de desempenho, foram utilizados trs medidas comuns;
Exatido, especificidade e sensibilidade.
Um dos parmetros mais comuns para avaliao de desempenho de um
classificador relacionado com seu nmero de previses incorretas. Assim, definido
o primeiro parmetro de desempenho, Exatido, que dada pelo nmero de
classificaes corretas das amostras de teste sobre o nmero total destas amostras.
Apesar de ser o mais intuitivo, tal parmetro nem sempre o melhor para avaliar um
mtodo de classificao, especialmente em problemas desbalanceados. Assim,
tambm escolhermos a Sensitividade (VP/(FN+VP)) e Especificidade (VN/(VN+FP))
como parmetros de desempenho.
Amostras de cada classe foram decompostas em sete modos empricos ou
IMFs, por EWT ou EMD, respectivamente. Sete caractersticas de cada modo so
extradas (SE, SEnt, SP, F, SC,BAM and BFM), totalizando 49 atributos por amostra, que
foram ento ordenados de acordo com o algoritmo RELIEFF, e avaliados a cada vez que
uma caracterstica era adicionada.

Os melhores resultados para ambos os

classificadores aplicados a cada mtodo de decomposio esto apresentados na

Tabela 2.
Tabela 2: Melhores ndices de desempenho de cada mtodo

Dec.

Clas.

Nfeats

ACC(%)

Sen(%)

Spec(%)

EMD

LDA
Bag
LDA
Bag

41
6
33
41

93,87
94,53
79,7
94,8

95,20
97,00
77,0
96,6

97,10
97,10
96,4
99,2

EWT

Exceto para o classificador LDA aplicada decomposio EWT, todos os

resultados tm ndices comparveis com o sumrio apresentado em (MARTIS et al.,
2012), de resultados de trabalhos utilizando as mesmas classes e a mesma base de

108

dados. Os valores de exatido variaram de 90.7% em (GHOSH-DASTIDAR; ADELI, 2009)

at 99,7% em (ACHARYA et al., 2012). Outros valores incluem (GULER; UBEYLI; GULER,
2005), onde a taxa de exatido foi de 96,7 %, com a extrao de Expoentes de
Lyapunov e classificao por meio de Redes Neurais Recorrentes. Em (FAUST et al.,
2010), o uso de SVM aplicado s caractersticas mximos e mnimos locais estimados
pelo mtodo de Burg resultou em 93.3% de exatido, 98,33% de sensitividade e 96,67
de especificidade. Como esperado, o resultado por EMD semelhante ao encontrado
em (MARTIS et al., 2012), que tambm este mtodo de decomposio, atingindo
95,33, 98,00% e 97,00% de Exatido, Sensibilidade e Especificidade mximas,
respectivamente.
Embora os resultados sejam positivos, devem ser analisados com ressalvas.
Embora a base de dados de Bonn seja til para a avaliao preliminar de algoritmos e
permita a comparao com trabalhos semelhantes, relativamente pouco exigente
em termos de generalizao e robustez, em comparao com o que poderia ser
encontrado em um ambiente clnico. Ainda assim, um importante passo que deve ser
considerado para os mtodos de classificao e previso de sinais de crises.
Os mtodos apresentados neste trabalho visam decompor um sinal em
componentes AM-FM e extrair caractersticas de cada um, diferenciando sinais
"normais" de patolgicos. Isto tem aplicaes promissoras para a identificao de
sistemas ictognicos e para a identificao de transies de estado interictal-ictal. As
capacidades de extrao de caractersticas podem ser exploradas ainda mais se
considerarmos cada modo como tendo uma Transformada de Hilbert "bem
comportada", que nos permite analisar as relaes de fase entre os diferentes modos
do mesmo sinal ou entre diferentes regies do crebro. Isto importante, pois se
acredita que a sincronizao desempenha um papel importante para ictognese. Uma
investigao mais profunda de como isto acontece essencial para desvendar os
mecanismos de gerao de crises e conceber marcadores para predizer tais eventos.

109

6.4.8. Concluso
O desenvolvimento de mtodos de extrao de caractersticas e classificao
um passo fundamental tanto para a compreenso dos mecanismos de funcionamento
de epilepsia, como para anlises clnicas, incluindo possveis aplicaes em dispositivos
de previso de crises. Tal tarefa dificultada pela complexidade do problema em
questo, alm da falta de conhecimento dos fatores que levam a essa condio.
Neste captulo, demonstramos que a EWT, um mtodo relativamente novo de
decomposio de modos, pode ser usado para extrair a caractersticas relevantes para
a classificao e deteco de sinais de EEG de crises, com desempenhos semelhantes
EMD, um mtodo semelhante e previamente utilizado para esta finalidade. Estes
mtodos de decomposio e extrao de atributos tornam-se interessantes pelo fato
de que utilizam caractersticas relacionados com componentes AM-FM que so
alterados na presena de crises e, possivelmente, em perodos anteriores esses
eventos.
Porm, embora os mtodos apresentados neste captulo tenham dado bons
resultados, a aplicao posterior destes na classificao de registros extensos de EEG,
ou em sistemas de predio de crises, est longe de ser um problema trivial, como
visto no Captulo 1 e em (MORMANN et al., 2007). Alm dos problemas citados, outro
desafio considervel a falta de bancos de dados disponveis publicamente. Como
mostrado nesta seo, testamos os mtodos na base de dados de Bonn (ANDRZEJAK et
al., 2001), que interessante para avaliaes preliminares dos mtodos, pois contm
caractersticas interessantes, como simplicidade, nmero de amostras, e possibilita
comparaes com outros trabalhos. Porm, os registros desta base so obtidos em
situaes controladas e relativamente curtos, tornando sua classificao um problema
relativamente fcil, comparados com o que teramos em registros clnicos e de
situaes mais reais. Assim, embora a base de Bonn seja interessante para
avaliaes preliminares de algoritmos de classificao de crises, e os resultados
indiquem que mtodos de decomposio EMD e EWT so bons candidatos para
avaliaes mais aprofundadas, estes ainda devem ser testados onde vrios outros
mtodos promissores falharam.

110

Como descrito por (MORMANN et al., 2007), a predio de crises uma estrada
longa e sinuosa. Assim, evitando percorrer o mesmo caminho de diversos outros
mtodos antes promissores, mas que falharam quando submetidos a testes mais
abrangentes, optou-se por mudar a abordagem de tal problema. Ao invs de propor e
testar algoritmos de processamento e anlise de sinais em bases de dados j
conhecidas (e bem exploradas), decidiu-se por prosseguir com a obteno dos dados
por novos protocolos de experimentos, voltados para avaliao de hipteses em um
modelo animal de crises. Deste modo, espera-se ressaltar caractersticas que
diferenciem crebros normais dos suscetveis a crises epilpticas, alm de esclarecer
possveis mecanismos de ictognese. Esta foi a abordagem apresentada nos captulos
principais deste trabalho.