XVIII SEMAT E VIII SEMEST

Universidade Federal de Uberlândia

02 a 05 de outubro de 2018

Avaliação de métodos para cálculo de potência para sinais de EEG

Geyza Rocha* 1 , Amanda Luiza Rodrigues†1 , Kaliny Alice Carvalho de Oliveira Magalhães‡1
e Gaspar Eugênio Oliveira Ramos§1
1 FEELT - Universidade Federal de Uberlândia

Palavras-chave: EEG. Potência Absoluta. Potência Relativa.

Resumo
O uso da matemática é fundamental para uma melhor compreensão das mais variadas situações, incluindo análi-
ses na área da saúde. Nessa área uma ferramenta utilizada que depende de uma quantificação matemática é o ele-
troencefalograma (EEG). O objetivo desse trabalho foi avaliar se havia diferença entre duas técnicas rotineiramente
utilizadas para o cálculo de potência em um sinal de EEG, a análise foi feita usando o Software matemático MATLAB.
Ao final notou-se que em uma primeira análise não é possível encontrar uma diferença, contudo, analisando mais
profundamente é possível reparar que tratando-se de sinal EEG, ao analisar um grupo de pessoas é melhor ser
empregado o cálculo de Potência Relativa, devido à grande variação da potência e que no caso de pesquisas feitas
com apenas um indivíduo utilizar a Potência Absoluta é mais adequado. Assim concluiu-se que estudos em futuros
projetos deve-se prestar muita atenção antes de escolher um dos métodos, identificando exatamente aquilo ao qual
quer observar.

Introdução
Sinais descrevem uma abrangente variedade de fenômenos físicos, sendo demonstrados de divergentes manei-
ras, estes são representados através de funções de uma ou mais variáveis independentes, contendo informações
sobre o comportamento ou a natureza de algum fenômeno [1]. Um tipo de sinal bastante importante é o sinal elétrico
cerebral, também chamado de sinal Eletroencefalográfico (EEG). É definido como a diferença de potencial entre dois
diferentes lugares do córtex cerebral pelo tempo [2]. Ele registra a atividade elétrica do cérebro e contém informa-
ções úteis sobre o estado cerebral e exibe um comportamento complexo significativo com fortes propriedades [3]. A
captação dos sinais elétricos aparecem no traçado de EEG como linhas onduladas, que pode ser descrita usando
um número de variáveis, incluindo: frequência, comprimento de onda, amplitude e período [4].
A aplicação de conceitos matemáticos está presente nas mais diversas áreas, e isso não é diferente na área da
saúde. Um dos exames que necessita de uma análise quantitativa é o EEG. A análise quantitativa desse exame é de
tamanha importância que existe uma sub área específica para esse tipo de análise o EEGq, ou eletroencefalograma
quantitativo [4], onde faz-se uso de ferramentas informáticas e matemáticas a fim de obter uma quantificação dos
dados, isso tem grande importância principalmente devido ao fato de tradicionalmente a análise do EEG ser de
cunho visual, trazendo assim um componente subjetivo significativo [5]. O ser humano apresenta alguns padrões
de ondas cerebrais, os chamados ritmos cerebrais, podendo ser divididos em: Delta (0,5-3,5 Hz), Teta (3,5-7,5 Hz),
Alfa (7,5-12,5 Hz), Beta (12,5-30 Hz), Gama (30-58 e 62-80 Hz) e Supergama (80-100 Hz) [6].
Assim sabendo que existem vários métodos matemáticos utilizados para análise do EEG, tendo como exemplos
Transformada de Fourier, Potência Absoluta (PA), Potência Relativa (PR) e Testes estatísticos [1], o objetivo do
presente estudo é realizar uma comparação entre resultados dos cálculos de potência, PA e PR, de maneira a
identificar as possíveis diferenças e as situações onde cada um seria melhor aplicado.

Metodologia
Uma das formas possíveis de caracterizar os sinais é classificá-los em determinísticos, que podem ser expressos
por uma função matemática e cujos valores instantâneos das formas de ondas podem ser preditos no tempo. Outra
forma de caracterizar os sinais é classificá-los em sinais de energia e sinais de potência. Os sinais de energia são
* geyzarocha@yahoo.com.br
† amandahrodrigues@outlook.com
‡ kaliny_alice@hotmail.com
§ gaeuolra@yahoo.com.br

1
os que possuem potência média igual a zero como, por exemplo, os sinais transitórios. Os sinais de potência são
os que possuem energia infinita, porém com uma potência média finita, tendo como exemplos os ruídos e os sinais
periódicos [7].
Associados aos sinais, é definida uma importante grandeza, a Densidade Espectral de Potência (Power Spectral
Densfty - PSD) Sx (ω). A função Densidade Espectral de Potência (Sx (f )) de um sinal g(t) define a densidade de
potência por unidade de banda em função da frequência deste sinal. A sua unidade é Watt por radiano por segundo
(W/rad/s) ou Watt por hertz (W/Hz) [7].

Fundamentação Teórica
Para fazer o cálculo de PSD, utiliza-se a Autocorrelação que é a correlação de um sinal com ele mesmo, a qual
mede a similaridade de um sinal, com sua versão deslocada no tempo [8]. A função de Autocorrelação é apresentada
por (1).

1 T /2
Rx (τ ) = lim ∫ g (t) g (t + τ ) dt (1)
T →∞ T −T /2

Sendo:

T : Período definido do intervalo de integração em [s];

τ : Valor do deslocamento do sinal no tempo;
g(t) : Sinal analisado;
g(t + τ ) : Sinal analisado.

Depois de feita a autocorrelação, é realizada a Transformada de Fourier (TF) para o sinal analisado. A TF permite
analisar de forma adequada funções não periódicas, que quando quantificadas tornam-se discretas [1], a fórmula da
Transformada Discreta de Fourier é dada em (2).
N −1
X (k) = ∑ x (n) e−j2πkn/N k = 0, 1, ..., N − 1 (2)
n=0

Sendo:

x(n) : Sinal discreto;

N : Número de amostras do sinal;
n : Tempo discreto.

A partir da autocorrelação de um sinal definida por Rx (τ ) e a Transformada de Fourier é calculada a densidade

espectral de potência do sinal por (3).
∞
Sx (f ) = ∫ Rx (τ ) e−j2πf t dτ (3)
−∞

Sendo:

Sx : Densidade espectral de potência, [W/Hz];

Rx : Função da autocorrelação;
f : Vetor de frequências, [Hz].

A Potência Absoluta (PA) reflete a quantidade de energia presente em uma dada banda de frequência, quanto
maior a amplitude maior a quantidade de potência no sinal. Ela é definida como a área abaixo da PDS [9], e sua
unidade é micro multiplicado por volts ao quadrado (µV 2 ). A equação para o cálculo da potência de um sinal, a partir
da densidade espectral de potência, é apresentado por (4).

Pi = ∫ ∣Sx i (f )∣ df i = 1, 2, ..., N (4)

Já a Potência Relativa (PR) é a potência relacionada à algum valor de outra grandeza, sendo um de PR a
Porcentagem de contribuição de potência (PCP). O PCP é um quantificador que informa a quantidade de energia
contida em uma faixa de frequência, para obtê-lo, é preciso calcular o PSD do sinal total e depois normalizar toda a
sua frequência. Cada faixa de frequência representa uma potência específica além da potência do sinal total [8, 10].
Além disso, a PR pode ser calculada relativamente a algum parâmetro estabelecido, por exemplo, utilizando a PA de
uma determinada banda de frequência pelo somatório de todas as bandas (5).

2
 P ABanda
P RBanda = (5)
∑ P ABanda
Sendo:

P RBanda : Potência Relativa da banda de frequência analisado, em [µV 2 ];

P ABanda : Potência Absoluta da banda de frequência analisado, em [%].

Coleta de Dados
O sinal utilizado para o estudo, é proveniente de um exame de EEG realizado em um indivíduo neurologicamente
saudável sob estimulação musical, durante um minuto e com uma frequência de amostragem de 400 Hz. Este
mesmo, foi submetido a uma análise de um médico neurologista, o qual foi responsável por selecionar dez segmen-
tos de dois segundos cada, livres de artefatos, estes são sinais indesejados que alteram o traçado de exames EEG,
sua ocorrência mais comum são instrumentais ou vindas de movimentos respiratórios, musculares, oculares, entre
outros, feito pelo individuo durante a coleta. O estudo realizado e todo o procedimento foi autorizado pelo Comitê de
Ética em Pesquisa da UFU (CEP - UFU) através do protocolo de pesquisa no . 369/11.

Resultados
De posse desses sinais, foram selecionados dois eletrodos (T3 e T4) para o estudo e com base nos segmentos
selecionados aplicou-se os métodos de cálculo de potência apresentados. Dessa forma, obteve-se os resultados
apresentados na Tabela 1 e Figura 1, representando PA e PR, respectivamente.
Devido a segmentação do sinal foi feita uma análise descritiva para quantificação da PA, com base na média e
desvio padrão de cada ritmo cerebral Tabela 1. Pode-se avaliar que nos diferentes valores obtidos, as bandas de
frequências Alfa e Beta apresentaram maior valor absoluto em relação às demais.

Tabela 1: Resultados obtidos através da média e desvio padrão para PA

Ritmo Cerebral Média±Desvio Padrão da Potência Absoluta (µV 2 )

Eletrodo T3 Eletrodo T4
Delta 28.936±10.580 29.446±15.780
Teta 11.518±3.042 11.058±1.783
Alfa 51.105±28.228 66.440±3.968
Beta 32.423±10.985 36.420±1.738
Gama 29.504±7.109 34.204±9.639
Super Gama 6.926±1.965 7.791±1.751

A partir dos valores obtidos para PA, foi realizado o cálculo com intuito de obter os valores da PR, seguindo o
procedimento demonstrado em (5), os resultados então obtidos foram inseridos no gráfico apresentado Figura 1. No
geral, observou-se as mesmas análises feitas para os resultados da PA, onde as bandas Alfa e Beta apresentaram
maiores valores.

(a) PR eletrodo T3 (b) PR eletrodo T4

Figura 1: Resultados obtidos através de PR

3
 Desse modo, com base nos resultados obtidos vemos que os valores obtidos são numericamente diferentes,
contudo, fica clara a dependência de PA para a obtenção do PR, porém o contrário não é verdade. Ainda assim
pode-se verificar que as análises resultantes de cada método são diferentes, pois, enquanto PA nos dá resultados
mais específicos para cada banda de frequência, PR nos dá uma comparação de cada banda em relação a toda a
atividade detectada.

Conclusão
Os resultados obtidos não apresentaram grandes diferenças quantitativas. No entanto, uma alteração da potência
absoluta (PA) pode não ser refletida na potência relativa(PR). Essa conclusão se deve ao fato de que apesar de uma
alteração de PA a PR pode não se alterar, como exemplo, pode-se imaginar uma situação onde todas as bandas
dobram deus valores de PA e permanecem com os mesmos valores de PR.
Além disso, tratando-se de sinal EEG, ao analisar um grupo de pessoas é melhor ser empregado o cálculo de
PR, devido ao fato de haver uma grande variação de potência que depende única e exclusivamente da fisiologia de
cada indivíduo. Já se tratando de um indivíduo a utilização de PA pode ser melhor indicada, pois dentro de uma
mesma situação não há alterações extravagantes para uma pessoa. Assim, através dessa análise fica demonstrado
que os dois métodos de cálculo são complementares, sendo necessário consciência ao escolher qual abordagem a
ser implementada, levando em consideração o objetivo proposto.
De todo modo deve-se lembrar que este trata-se de um estudo inicial e maiores análises deverão ser feitas em
diferentes situações e indivíduos, de modo a confirmar todos os resultados obtidos.

Agradecimentos
A equipe executora agradece aos profissionais do Hospital de Clínicas da UFU, alunos da disciplina de Metrolo-
gia aplicada a saúde, ao professor João Batista Destro Filho, a Professora Professora Aurélia Aparecida de Araújo
Rodrigues e ao Programa Institucional de Graduação Assistida (PROSSIGA) que está vinculado à PROGRAD (DI-
REN).

Referências
[1] OPPENHEIM, A. V.; WILLSKY, A. S.; NAWAB, S. H. Sinais e sistemas. São Paulo: Pearson, 2010.

[2] OLEJNICZAK, P. Neurophysiologic basis of eeg. Journal of clinical neurophysiology, v. 23, n. 3, p. 186–189,
2006.
[3] SUBHA, D. P.; JOSEPH, P. K.; ACHARYA, R.; LIM, C. M. Eeg signal analysis: a survey. Journal of medical
systems, v. 34, n. 2, p. 195–212, 2010.

[4] SCHOMER, D. L.; DA SILVA, F. H. L. Niedermeyer’s Electroencephalography: Basic Principles, Clinical Appli-
cations, and Related Fields. Sixth. ed. Philadelphia: Lippincott Williams & Wilkins, 2011.
[5] MALMIVUO, P.; MALMIVUO, J.; PLONSEY, R. Bioelectromagnetism: principles and applications of bioelectric
and biomagnetic fields. Oxford University Press, USA, 1995.
[6] FREEMAN, W.; QUIROGA, R. Q. Imaging brain function with eeg: advanced temporal and spatial analysis of
electroencephalographic signals. Springer Science & Business Media, 2012.
[7] NOCETI FILHO, S. Fundamentos sobre ruídos. parte iii: ruído branco e ruído rosa. Seminário de Engenharia
de Áudio, v. 1, p. 1–17, 2002.
[8] RAMOS, C. D. Caracterização do eletroencefalograma normal em situação de vigília: elaboração da base
de dados e análise quantitativa. 2017. Dissertação (Mestrado em Física) - UFU (Universidade Federal de
Uberlândia, Pós-Graduação em Engenharia Elétrica, 2017.
[9] LATHI, B. P. Sinais e sistemas lineares-2. Bookman, 2006.
[10] OLIVEIRA, C. C. Estudo da variação da frequência cerebral e relação entre ritmos lentos rápidos em registros
de eeg comatosos e controles. 2018. Dissertação (Mestrado em Física) - UFU (Universidade Federal de
Uberlândia, Pós-Graduação em Engenharia Elétrica, 2018.