Abstract:
La electroencefalografía es un método para monitorear la actividad eléctrica de la corteza
cerebral de manera no invasiva, y la electroencefalografía digital con el registro simultáneo de vídeo, ha dado paso al inestimable mejoramiento del diagnóstico de las crisis epilépticas, siendo según la literatura uno de los métodos más precisos para determinar la naturaleza epileptógena de la patología, y llevar a un manejo adecuado de la misma. A través del convenio del departamento de ingeniería Electrónica, Mecatrónica y Biomédica de la Universidad del Valle de Guatemala y HUMANA (Centro de Epilepsia y Neurocirugía Funcional) se planteó un proyecto con el objetivo de construir un EEG de alta densidad, en paralelo de un software para la lectura del mencionado.
El siguiente estudio se desarrolló a partir de la selección de sensores como herramientas
para la medición de frecuencia respiratoria y oximetría, posteriormente se procedió al
desarrollo del software a través de las librerías: PyQt, OpenCV y PyQtGraph y al diseño
de la interfaz gráfica así como la implementación de threads para la mejora del rendimiento, y por ultimo la implementación de la cámara de vídeo, y graficación de las señales del electroencefalograma.
Obteniendo los siguientes resultados: las señales simuladas de los sensores de oximetría
y frecuencia respiratoria, presentaron el comportamiento de las ondas se asemejan a las
esperadas determinadas por las funciones matemáticas calculadas. En el software, las operaciones más demandantes de ejecutar fueron el procesamiento y el filtrado de las señales del electroencefalograma, absorbiendo la mayor cantidad del tiempo de ejecución, para que este segmento de instrucciones no impactaran de manera negativa en la fluidez del programa, se implementó un thread para realizar la tarea de manera concurrente. A medida que aumenta la cantidad de canales también lo hace el tiempo de operación obteniéndose una correlación lineal directamente proporcional entre las variables, cantidad de canales y el tiempo de operación promedio. Con la implementación de la cámara, se obtuvo una cantidad de 30 fotogramas por segundo al implementar threads se elimina el tiempo de espera en la obtención de un nuevo fotograma lográndose 519 fotogramas por segundo, obteniendo una mejora de 1730% en su rendimiento
Concluyendo lo siguiente: el medio de transmisión de datos establecido fue a través de
USB, la herramienta necesaria para la medición de oximetría y frecuencia respiratoria es a través de un sensor. Las librerías utilizada fueron: PyQt, OpenCV y PyQtGraph, las cuales
cumplen adecuadamente con las necesidades de velocidad y funcionamiento. Se evidencio que la utilización de threads en periféricos de entrada/salida como la cámara, incrementan el rendimiento de manera considerable.
(A)
