Brain heart interactions using ECG and EEG signals

Abstract

El presente trabajo tiene como objetivo estudiar las relaciones que ocurren entre las señales de electrocardiograma (ECG) y electroencefalograma (EEG) durante el sueño, para esto se analizaron grabaciones de noche entera en niños con apnea obstructiva leve a moderada. En primer lugar, se evaluó el uso de análisis de componentes independientes (ICA), para eliminar la contaminación por el ECG en las señales de EEG, sin embargo, debido al bajo número de canales (8 canales de EEG por sujeto) este procedimiento no mostró una reducción significativa en la contaminación de las señales, por este motivo se recurrió a filtrar las señales para dejar únicamente las frecuencias de interés (0.5 - 4 Hz). Acto seguido, se detectaron las actividades de interés (ondas lentas y picos R) de manera automática y se realizó una comparación entre las señales en una ventana de tiempo alrededor del evento. Se observó tanto la actividad promedio generada por todos los eventos, así como la correlación entre las señales. En este caso se pudo observar una actividad similar a las ondas lentas en el ECG en el momento en que ocurre una onda lenta. Por otra parte, al observar la correlación en cada uno de los canales disponibles se puede observar que esta es máxima en los canales occipitales y temporales. Finalmente, se puede concluir que hay una aparente relación entre estas señales de ECG y EEG en el momento que ocurre una onda lenta, sin embargo, no se puede descartar una posible contaminación en la señal, adicionalmente, es necesario realizar pruebas estadísticas para determinar si la relación encontrada es significativa.

The objective of the current work is to study the existing relationships between electrocardiogram (ECG) and electroencephalogram (EEG) signals during sleep. The data analyzed consist of whole night recordings in children with mild to moderate obstructive apnea. First, we evaluated independent component analysis (ICA) to remove the ECG contamination in the EEG signals. Due to the low number of channels (8 EEG channels per subject), we did not see a significant reduction in the noise. Hence, we applied a band-pass filter to keep the interest frequency (0.5 - 4Hz). Afterward, we used automatic detection to identify the activities of interest (slow waves and R peaks) and compared a window around the events. We gather both the mean activity surrounding the events and the correlation between the signals. We observe a slow wave-like activity on the ECG when a slow wave occurs. When comparing the correlation in each available channel, we notice a maximum correlation in occipital and temporal electrodes. Finally, we can conclude that there is an apparent relationship between these ECG and EEG signals when a slow wave occurs. yet we cannot rule out contamination in the signals. In addition, it is necessary to carry out statistical tests to determine if the relationship found is significant.