CAMPO DE LA INVENCIÓN

La presente invención está relacionada con la industria médica en general, en lo particular se relaciona con el ámbito de los sistemas y dispositivos médicos empleados en la medición de variables fisiológicas para la detección de problemas y para el aviso oportuno de que ocurra de algún evento, desbalance o afectación fisiológica. Más específicamente se refiere a un sistema de alertas para el aviso de un evento de epilepsia.

ANTECEDENTES DE LA INVENCIÓN

La actividad cerebral de una persona implica la generación de ondas cerebrales derivadas de la actividad eléctrica de las neuronas; las ondas cerebrales pueden ser clasificadas en diferentes tipos según su frecuencia, es decir, ei tiempo que cuenta con cierta periodicidad asociado ai impulso eléctrico producido a través de ¡as neuronas, entre éstas encontramos las ondas Delta (de 1 a 3 Hz), las ondas Theta (de 3.5 a 7.5 HZ), las ondas Alfa (de 8 a 13 Hz), las ondas Beta (de 12 a 33 Hz) y ¡as ondas Gamma (de 25 a 100Hz). Estas ondas pueden ser detectadas mediante algunos dispositivos como el electroencefalógrafo que genera señales de electroencefalografia (EEG) que pueden recabarse, procesarse e interpretarse para múltiples propósitos, como por ejemplo para proporcionar alertas de eventos neurológicos que ocurren en un sujeto como convulsiones epilépticas, detectar ai menos algún parámetro fisiológico de un sujeto mientras ei sujeto duerme, entre otros.

En ¡a actualidad la adquisición de señales electroencefalográficas no es muy accesible aún, en cuanto a potabilidad y bajo costo.

Actualmente el principal método para detectar un ataque epiléptico es mediante un electroencefalógrafo. Estos dispositivos miden las ondas eléctricas cerebrales del paciente. Cuando un paciente presenta un ataque epiléptico, la señal cambia en amplitud y frecuencia de forma repentina. Actualmente, existen varios aparatos en el mercado que utilizan ei EEG para medir las ondas cerebrales.

De acuerdo con S Ramgopal et al. (“Seizure detection, seizure p red iction , and close-loop warning systems in epilepsy”, Epilepsy & Behavlor Journal, vol. 37, pp. 291 -307, June 2014.), se hace una comparativa entre varios dispositivos de detección de epilepsia, de los cuales algunos están en el mercado. En este documento se muestran métodos basados en EEG y métodos basados en combinación de señales EEG junto con algún otro sensor: electro m logra fos (E MG) , electrocardiog ramas (ECG), acelerómetros, sensores de movimiento, medición de la estática de la piel, grabación de audio y video. Honda et al. (Air Brain - íhe easy telemetric system with smartphone for EEG signa! and human behavior BODYNEST 2013. Boston, MA, US: ICST; 2013. p. 343-6) y Hodson H. (Smartphone EEG to diagnose epilepsy in poor nations. In: New Scientíst editor. 2014 [14 de febrero de 2018, web: http://www.newcientist.com/article/dn24887-smartphcne-eeg-to - diagnose-epilepsy-in-poor- nations. html#.U0v-KPIdX76j); muestran dispositivos de telemetría de un EEG portable utilizando una red 3G en un teléfono inteligente. A diferencia del propuesto, el sistema requiere un celular (3G) o una computadora con acceso a internet y conexión Bluetooth para poder tener comunicación con la tarjeta de procesamiento del sistema, además de un software especifico para ia recepción de señales. Por otra parte, el dispositivo X series - EEG Wireless moniforing, [14 de febrero de 2018, que puede encontrarse en web: h ttp ://ad vancedbrain monitoring.com] es un detector portable de señales EEG, el cual requiere como mínimo tener 10 electrodos conectados, mientras e! propuesto en esta patente solo requiere 2 electrodos.

Se debe considerar que todas las referencias antes mencionadas son dispositivos que se encuentran como un producto final. También existen algoritmos ios cuales tienen como finalidad detectar ataques epilépticos; sin embargo, éstos son únicamente teóricos y no tienen implementación física. De acuerdo con Webber WR et al. (An approach to seizure detection using an artificial neural neíwork (ANN).

Eiectroencephalogr Clin Neurophysiol 1996;98:250-72); Pradhan N, et ai. Detection of seizure activity in EEG by an artificial neural neíwork: a preíiminary study. Comput Biomed Res 1996;29:303-13.) y Alkan A, et al. (Automatic seizure detection in EEG using logistic regression and artificial neural network. J Neurosci Methods 2005;148:167-76.), utilizan una técnica llamada “artificial neural network” (ANN) para detección de ataques basadas únicamente en EEG

Pradhan N, et al. Detection oí seizure activiíy in EEG by an artificial neural network: a preliminary study Compuí ¾iomed Res 1998;29:303-13.), Casson AJ, et al. (Algorithm for AEEG data selection leading to wireless and long term epi!epsy monitoring. Conf Proc IEEE Eng Med Bio! Soc 2007;2007:2456-9.), Petersen EB, et al (Generic single-channel detection of absence seizures. Conf Proc IEEE Eng Med Biol Soc 2011;2011:4820-3.), Liu Y, ef al. (Automatic seizure detection using wavelet transform and SVM in ¡ong-term intracranial EEG. IEEE Trans Neural Syst Rehabil Eng 2012 ; 20(8) : 749-55.) y S.V Mehfa, et al. (Wavelet Anaíysis as a poteníial tool for seizure detection”, IEEE-SP ! n t . Symp., Philadelphia, PA, Oct. 1994.), utilizan la transformada Wavelet para la detección de ataques epilépticos; siendo que ésta transformada es calculada utilizando una gran cantidad de multiplicaciones y sumas, lo que conlleva un procesamiento complejo y costoso computacionaimente.

En tanto Wilson SB (A neural network method íor automatic and incrementa! learning applied to paíiení-dependent seizure detection ClinNeurophysio! 2005;116:1785-95.) y D'ASessandro M, et al. (A mu líi-featu re and multi-channel univariate selection process for seizure predicíion. Clin Neurophysio! 2005:116:506— 16.), utiiizan una red neurona! de probabilidad para la detección de ataques epilépticos.

Otros autores utilizan una técnica llamada “supporí vector machine” (SVM).

Por otro lado, de acuerdo con Z. Jiang (Detecting menta! EEG properties using detrended fluctuation analysis”, lEMBS Con!., Shangai, China, Jan 2006.), utilizan una técnica llamada “Dentrended Fluctuation".

Por otra parte, Y. Wang, et al. (A Cauchy-based staíe-space model for seizure detection in EEG monitoring sysíems”, IEEE Inteiiigent Systems, pp. 6-12. January 2015), compara señales de EEG con ruido con distribuciones particulares.

Este último artículo, utiliza métodos de comparación estadísticos para detectar ataques epilépticos.

Se realizó una búsqueda para determinar el estado de la técnica más cercano, encontrándose los siguientes documentos que se citan como referencia.

Se encontró e! documento US9643019 B2 (que se ha denominado documento D1) de Higgins Jason A , et ai. del 14 de febrero de 2011, el cual revela un sistema para proporcionar alertas de eventos neurológicos que ocurren en un sujeto humano. El sistema incluye: un módulo de monitorizacíón adaptado para detectar y muestrear una señal neurológica; un módulo de detección de eventos acoplado al módulo de monitorizacíón para detectar uno o más tipos de sucesos notificadles predeterminados basados en la señal neurológica detectada; y un módulo de alerta acoplado al módulo de detección de eventos, en el que ai detectar un evento notificadle por el módulo de detección de eventos, dicho módulo de alerta selecciona un primer contacto de alerta de una pluralidad de contactos contenidos en una dista de contactos y genera una primera comunicación de alerta al primer contacto de alerta.

Si bien esta patente describe una metodología para tomar muestras de las señales neurológicas, describe los bloques o módulos a utilizar, tipo de comunicación entre módulos, se detalla el uso de un CPLD como dispositivo lógico programable para almacenamiento y posible procesamiento. Sin embargo, dicho documento Di no revela, ni sugiere que los medios de toma de muestras de las señales de electroencefaiograíía se obtengan mediante electrodos dispuestos en las derivaciones F p 1 - F7 (o en su contraparte las derivaciones F p 2 - F8), en donde dichos electrodos se conecten a un amplificador de señales biomédicas y a una tarjeta de procesamiento NXP Freedom K64. No divulga que el sistema incluye un microcontrolador donde se ejecuta el cálculo de parámetro de dispersión y en donde se guardan en un buffer las muestras de EEG del paciente.

El documento Di tampoco revela que la señal almacenada pasa por un proceso de filtrado pasa-bajas con frecuencia de corte de 40 Hz y orden 20 para la eliminación del ruido. El documento D1 tampoco revela que la señal filtrada se pase a un tercer bloque de cálculo del parámetro de dispersión a través de medios de cálculo en el mismo microcontrolador, que permita ordenar ios datos y se calculan ios valores de los cuantiles 25 y 75 de la señal de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuantiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión que nuevamente son filtrados para analizarlos mediante medios de análisis de las señales procesadas con el objetivo de buscar ataques epilépticos en tiempo real. El documento D1 no da a conocer que se ejecute una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral compara la muestra actual con la muestra anterior (cada muestra representa 0.03 segundo de señal), si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el paciente está sufriendo un ataque epiléptico y manda una alerta al último bloque que es el notificador de ataques, en donde se enciende un LED color rojo y suena una alarma auditiva. Y en donde el segundo umbral es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior Si la muestra actual es 7 veces menor a la muestra anterior entonces el sistema determina que el paciente salió del ataque epiléptico y se encuentra en estado normal o recuperándose del ataque, mandando una señal a! bloque notifícador e! cual apaga la alarma auditiva y cambia el color del LED de color rojo a color verde.

Por lo anterior nuestro sistema es nuevo sobre la materia divulgada en el documento D1

También se localizó el documento US8679034 B2 (que se ha denominado documento D 2 } de Avner Halperin et al del 25 de enero de 2013, el cual divulga aparatos y métodos que incluyen detectar ai menos un parámetro de un sujeto mientras el sujeto duerme. El parámetro se analiza, y una condición del sujeto se determina al menos en parte en respuesta al análisis El sujeto es alertado de ia condición sólo después de que el sujeto se despierte También se describen otras aplicaciones.

En esta patente se proponen tres sensores los cuales estarán en la cama del paciente mientras este duerme. Los sensores son: de movimiento, acústico y de temperatura. Con ia combinación de ios tres sensores detectan los siguientes parámetros del paciente: ia respiración, latidos del corazón, tos, si está excitado o inquieto y su presión sanguínea. Dicho documento D2 no reveía, ni sugiere toma de muestras de las señales de eiectroenceíaíografía, ni que las señales de electrocardiograma puedan obtenerse mediante electrodos dispuestos en las derivaciones F p 1 - F7 (o en su contraparte las derivaciones F p 2 - F8, en donde dichos electrodos se conecten a un amplificador de señales biomédicas y a una tarjeta de procesamiento NXP Freedom K64 No divulga que el sistema incluye un microcontrolador donde se ejecuta el cálculo de parámetro de dispersión y en donde se guardan en un buffer las muestras de EEG del paciente.

El documento D2 tampoco reveía la señal almacenada pasa por un proceso de filtrado pasa-bajas con frecuencia de corte de 40 Hz y orden 20 para la eliminación del ruido. El documento D2 tampoco revela que la señal filtrada se pase a un tercer bloque de cálculo del parámetro de dispersión a través de medios de cálculo en el mismo microcontrolador. Que permite ordenar los datos y se calculan los valores de los cuantiles 25 y 75 de la señal de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuantiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión que nuevamente son filtrados para analizarlos mediante medios de análisis de las señales procesadas con el objetivo de buscar ataques epilépticos en tiempo real. El documento D2 no da a conocer que se ejecute una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral compara la muestra actual con la muestra anterior (cada muestra representa 0.Q3 segundo de señal), si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el paciente está sufriendo un ataque epiléptico y manda una alerta al último bloque que es el notifícador de ataques, en donde se enciende un LED color rojo y suena una alarma auditiva. Y en donde el segundo umbral es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior Si la muestra actual es 7 veces menor a la muestra anterior entonces el sistema determina que el paciente salió del ataque epiléptico y se encuentra en estado normal o recuperándose del ataque, mandando una señal ai bloque notifícador e! cual apaga la alarma auditiva y cambia el color del LED de color rojo a color verde. La principal diferencia en nuestra solicitud es el tipo de señal que ingresa a nuestro dispositivo. Mientras el documento D2 requiere sensores de movimiento, acústico y temperatura, la patente que se propone se basa en la señal de electroencefalografia del paciente (EEG). Dado que las señales consideradas son diferentes, el procesamiento resulta distinto en la propuesta propia comparada con la mencionada en el estado del arte. Así nuestra invención es nueva sobre el documento D2.

Por último, se ubicó ¡a patente CN1Q1583311 B (a! que se le ha denominado documento D3 para su referencia) de Uri Kramer et al. del 19 de septiembre de 2006, el cual da a conocer un dispositivo y un procedimiento para detectar y alertar de una convulsión epiléptica. El detector es portable por un usuario activo y no interfiere con el movimiento diario normal El detector se basa en al menos un sensor de movimiento y realiza un análisis computarizado para determinar si está ocurriendo una convulsión Los parámetros de la señal de movimiento se comparan con los parámetros de señal de movimiento epiléptico no epilépticos; ya los parámetros epilépticos, y se llega a una decisión de si se debe o no indicar una alerta. En una modalidad preferida, el análisis se basa en uno o más de los siguientes parámetros de señal del movimiento: la duración del movimiento, la frecuencia del movimiento, la amplitud de la señal, la dirección del movimiento y la relación de la amplitud sobre la frecuencia del movimiento.

Dicho documento D3 no revela, ni sugiere que los medios de toma de muestras de las señales de electroencefalografía se obtengan mediante electrodos dispuestos en las derivaciones F p 1 - F7 (o en su contraparte las derivaciones F p 2 - F8), en donde dichos electrodos se conecten a un amplificador de señales biomédicas y a una tarjeta de procesamiento NXP Freedom K84 No divulga que el sistema incluye un microcontrolador donde se ejecuta el cálculo de parámetro de dispersión y en donde se guardan en un buffer las muestras de EEG del paciente.

El documento D3 tampoco revela la señal almacenada para por un proceso de filtrado pasa-bajas con frecuencia de corte de 40 Hz y orden 20 para la eliminación del ruido. El documento D3 tampoco revela que la señal filtrada se pase a un tercer bloque de cálculo del parámetro de dispersión a través de medios de cálculo en el mismo micro controlador. Que permite ordenar los datos y se calculan los valores de ios cuaníiles 25 y 75 de la señal de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuaníiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión que nuevamente son filtrados para analizarlos mediante medios de análisis de las señales procesadas con el objetivo de buscar ataques epilépticos en tiempo real. El documento D3 no da a conocer que se ejecute una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral compara la muestra actual con la muestra anterior (cada muestra representa 003 segundo de señal), si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el paciente está sufriendo un ataque epiléptico y manda una alerta al último bloque que es el notificador de ataques, en donde se enciende un LED color rojo y suena una alarma auditiva Y en donde el segundo umbral es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior. Si la muestra actual es 7 veces menor a la muestra anterior entonces el sistema determina que el paciente salió del ataque epiléptico y se encuentra en estado normal o recuperándose del ataque, mandando una señal al bloque notificador el cual apaga la alarma auditiva y cambia el color del LED de color rojo a color verde. Aunque la invención de dicho documento D3 también detecta eventos epilépticos (como el que se propone en nuestra invención), lo realiza basado en la detección de movimientos bruscos del paciente mediante un dispositivo portable. Nuestra invención es un sistema de alerta para el aviso de epilepsia basado en la detección de la señal EEG del paciente y ia cuantifscacíón de parámetros estadísticos de la señal. Asi nuestra invención es nueva sobre el documento D3. Ante la necesidad de contar con un sistema de alerta para el aviso de epilepsia altamente confiable de rápida detección en tiempo real de los ataques epilépticos utilizando el parámetro de dispersión, fue que se desarrolló la presente invención.

OBJETIVOS DE LÁ INVENCIÓN

El objetivo principal de ¡a presente invención es hacer disponible un sistema integrado por un dispositivo que tiene como función alertar para el aviso de ocurrencia de un ataque epiléptico, tanto de manera auditiva (con un sonido), como visualmente (con un LED color rojo) en tiempo real; en donde e! sistema puede ser implementando en cualquier persona que sufra ataques epilépticos, teniendo como prioridad aquellas cuyo factor detonante sea de manera visual.

Otro objetivo de la invención es hacer disponible un sistema de alerta para el aviso de epilepsia que además permita detectar de forma confiable, rápida y en tiempo real la ocurrencia de epilepsia utilizando el parámetro de dispersión. Otro objetivo de la invención es proveer dicho sistema de alertas para aviso de epilepsia que, además, permite el procesamiento de información y búsqueda de ataques epilépticos a través de un análisis esíocástico de la señal en cuestión, haciendo a! sistema más robusto a! ruido, de manera rápida y eficaz.

Otro objetivo de la invención es proveer dicho sistema de alertas para aviso de epilepsia que, además, sea menos sensible al ruido por el procesamiento estocástico de la señal de EEG, que además sea robusto y que garantice alertar de manera eficaz y en tiempo real cuando un paciente sufra un ataque epiléptico,

Y todas aquellas cualidades y objetivos que se harán aparentes al realizar una descripción general y detallada de la presente invención apoyados en las modalidades ilustradas.

DEL INVENTO

De manera general el sistema de alertas para aviso de epilepsia, de conformidad con la presente invención consiste en medios de toma de muestras de las señales de electroencefalografía (EEG) a una persona que sufre de ataques epilépticos, a través de electrodos preferentemente de oro dispuestos en las derivaciones F p 1 - F7 (o en su contraparte las derivaciones F p 2 - F8); en donde la señal de EEG tiene poca amplitud (en el rango de los micro volts), por lo que se debe utilizar un gel conductor antes de colocar los electrodos preferentemente de oro sobre la piel. Dichos electrodos se conectan a un amplificador de señales biomédicas y a una tarjeta de procesamiento preferentemente una tarjeta NXP Freedom K64. El sistema incluye un microcontrolador donde se ejecuta el cálculo de parámetro de dispersión y en donde se guardan en un buffer las muestras de EEG del paciente. Estas muestras se irán almacenando en una memoria interna, el buffer interno (aproximadamente 0.39 segundos o 1000 muestras siendo el equivalente).

Dicho sistema además incluye módulo de filtrado pasa-bajas de señales de EEG con frecuencia de corte de 40 Hz y orden 20, lo que ayudará a eliminar el ruido ocasionado por ¡os electrodos, factores ambientales o voltajes ocasionados por el cuerpo humano a la hora de tomar ¡a muestra.

Dicho microcontrolador además incluye medios cálculo del parámetro de dispersión de la señal de EEG filtrada en donde se ordenan ios datos y se calculan los valores de los cuantiles 25 y 75 de la seña! de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuantiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión. Este proceso se repite de manera consecutiva, hasta completar la seña! de EEG o hasta que el dispositivo sea retirado del usuario. La siguiente ecuación 1 está asociada al cálculo del estimador de dispersión d.

Ecuación 1. Fórmula característica para calcular el parámetro de dispersión.

Los valores de dispersión dentro de! sistema se ingresan a un módulo de filtro pasa-bajas con frecuencia de corte de 0.5 Hz y un orden de filtrado con factor de 20, lo que dejará los valores de dispersión listos para ser analizados de manera confiable.

Finalmente, el sistema realiza un análisis de señal a través de medios de análisis de las señales procesadas, con el objetivo de buscar ataques epilépticos en tiempo real. El analizador hace una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral compara la muestra actual con la muestra anterior (cada muestra representa 0.03 segundo de señal), si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el usuario está sufriendo un ataque epiléptico y manda una alerta ai notlficador de ataques, en donde se enciende un LED color rojo y suena una alarma auditiva. El segundo umbral es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior Si la muestra actual es

7 veces menor a la muestra anterior entonces el sistema determina que el usuario salió del ataque epiléptico y se encuentra en estado normal o recuperándose del ataque, mandando una señal al bloque notificador el cual apaga la alarma auditiva y cambia el color del LED de color rojo a color verde.

El proceso se repite de manera constante hasta que el sistema es apagado o ios electrodos son retirados del usuario.

El sistema de alertas para el aviso de epilepsia analiza y procesa señales de EEG con el objetivo de encontrar ataques epilépticos utilizando el parámetro de la señal EEG analizada.

La principal ventaja del sistema de la presente invención es que es menos sensible al ruido por el procesamiento estocástico de la señal de EEG, teniendo un dispositivo robusto, garantizando que se alertará de manera eficaz y en tiempo real cuando un usuario sufra un ataque epiléptico.

El gasto computacional que consume el sistema es mínimo y la cantidad de memoria que se requiere para que funcione de forma adecuada es reducida, utilizando solamente 0.39 segundos o 1,000 muestras de la señal de EEG para su procesamiento.

Ai tener el sistema solamente un canal de análisis, el usuario no tarda mucho tiempo en ponerse y quitarse el electrodo que estará censando la señal de EEG, además de ser más cómodo para el paciente.

En caso de que el sistema deba procesar información almacenada, este es capaz de procesar 30 minutos de información en 0.17 segundos, con un 100 % de alertas de ataques epilépticos, haciendo ai sistema rápido y eficaz.

Para comprender mejor las características de la presente invención se acompaña a la presente descripción, como parte integrante de la misma, ¡os dibujos con carácter ilustrativo más no limitativo, que se describen a continuación. BREVE DESCRIPCION DELAS FIGURAS La figura 1 muestra un diagrama de bloques de! dispositivo que integra el sistema de alertas para el aviso de epilepsia, de conformidad con la presente invención.

Las figuras 2 y 3 ilustran una vista lateral y una vista superior, respectivamente, de la cabeza de un usuario mostrando la colocación y acomodo de los electrodos para tomar las señales de EEG, de conformidad con el sistema de alertas para el aviso de epilepsia de la presente invención. La figura 4 muestra un diagrama de flujo del proceso que sigue el sistema de alertas para el aviso de epilepsia, de conformidad con la presente invención La figura 5 ilustra un diagrama de bloques del detector de eventos de epilepsia que se integra el sistema de alertas para el aviso de epilepsia, de conformidad con la presente invención. La figura 8 muestra un diagrama de bloques y sus gráficas del proceso de toma de muestras de las señales de electroencefalografía (EEG), su procesamiento, acondicionamiento y análisis para la alerta de ocurrencia de un ataque de epilepsia. La figura 7 muestra una gráfica que ilustra los picos de los valores de dispersión asociados con un ataque epiléptico.

Para una mejor comprensión del invento, se pasará a hacer la descripción detallada de alguna de las modalidades del mismo, mostrada en los dibujos que con fines ilustrativos mas no limitativos se anexan a la presente descripción.

DESCRIPCIÓN DETALLADA DEL INVENTO

Los detalles característicos de! sistema de alertas para aviso de epilepsia, se muestran claramente en la siguiente descripción y en los dibujos ilustrativos que se anexan, sirviendo los mismos signos de referencia para señalar las mismas partes.

De acuerdo con las figuras 1 y 5, el dispositivo que se integra al sistema de alertas para el aviso de epilepsia, de conformidad con la presente invención consta de un módulo de toma de muestras de las señales de electroencefalografía (EEG) (1) donde se integran medios de toma de muestras de las señales de electroencefalografía (EEG) (2) consisten en electrodos preferentemente de oro dispuestos en las derivaciones F p 1 - F7 o en su contraparte las derivaciones F p 2 - F8 (ver figuras 2 y 3) de la cabeza de un usuario (3); en donde la señal de EEG tiene poca amplitud (en el rango de los micro volts), por lo que se debe utilizar un gel conductor antes de colocar los electrodos preferentemente de oro sobre la piel.

Dicho dispositivo además incluye un módulo de tratamiento, acondicionamiento y procesamiento (4) de las señales de electroencefalografía (EEG), definido por un estimador de dispersión (5) que consta de un amplificador de señales biomédicas (8) donde se conectan dichos medios de toma de muestras de las señales de electroencefalografía (EEG) (2) y una tarjeta de procesamiento (7) preferentemente una tarjeta NXP Freedom K64 que integra un microcontrolador (8) donde se ejecuta el cálculo de parámetro de dispersión y en donde se guardan en un buffer las muestras de EEG del paciente, estas muestras se irán almacenando en una memoria interna (9) del mismo dispositivo, el buffer interno (aproximadamente 0.39 segundos o 1000 muestras siendo el equivalente).

Dichos módulos de tratamiento, acondicionamiento y procesamiento (4) además incluye un módulo de filtrado pasa- bajas (10) de medios de toma de muestras de las señales de electroencefalograma EEG (2) con frecuencia de corte de 40 Hz y orden 20, lo que ayudará a eliminar el ruido ocasionado por los electrodos, factores ambientales o voltajes ocasionados por el cuerpo humano a la hora de tomar la muestra.

Dicho módulo de tratamiento, acondicionamiento y procesamiento (4) además incluye medios de cálculo del parámetro de dispersión de la señal de EEG filtrada en donde se ordenan los datos y se calculan los valores de ios cuantiles 25 y 75 de la señal de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuantiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión. Este proceso se repite de manera consecutiva, hasta completar la señal de EEG o hasta que el dispositivo sea retirado del usuario La siguiente ecuación 1 está asociada al cálculo de! parámetro de dispersión .

Ecuación 1. Formula característica para calcular el parámetro de dispersión.

Los valores de dispersión dentro del sistema son ingresados a un módulo de filtro pasa-bajas (11) con frecuencia de corte de 0.5 Hz y un orden de filtrado con factor de 20, lo que dejará los valores de dispersión lisios para ser analizados de manera confiable. Dicho módulo de tratamiento, acondicionamiento y procesamiento (4) además incluye un detector de ataques epilépticos (12) que realiza un análisis de señal a través de medios de análisis de las señales procesadas, con el objetivo de buscar ataques epilépticos en tiempo real. El analizador hace una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral compara la muestra actual con la muestra anterior (cada muestra representa 0.03 segundo de señal), si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el usuario está sufriendo un ataque epiléptico y manda una alerta ai notificador de ataques.

De acuerdo con dichas figuras 1 y 5, el dispositivo incluye un módulo de notificación de ataques epilépticos (13) que notifica la ocurrencia de un ataque epiléptico a la cabeza del usuario (3) a través de un LED (14) que se enciende a color rojo y además suena una alarma auditiva (15) integrados en el dispositivo El segundo umbral es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior. Si la muestra actual es 7 veces menor a la muestra anterior entonces el sistema determina que el usuario salió del ataque epiléptico y se encuentra en estado normal o recuperándose del ataque, mandando una señal al bloque notificador el cual apaga la alarma auditiva (15) y cambia el color del LED (14) de color rojo a color verde. Con referencia a las figuras 4 y 6, el proceso que sigue el sistema para detectar y notificar la ocurrencia de un ataque epiléptico que consta de una primera etapa (a) donde se "toman las muestras de una señal de electroencefalografía (EEG)” a una persona que sufre de ataques epilépticos, a través de electrodos preferentemente de oro dispuestos en las derivaciones F p 1 - F7 o Fp2 - F8 donde el usuario debe estar despierto y relajado, y utilizando un gel conductor antes de colocar los electrodos preferentemente de oro sobre la piel. Estos electrodos se conectan a un amplificador de señales biomédicas y a una tarjeta de procesamiento (7) con un microcontrolador (8) y una memoria interna (9) donde se guardan las muestras de EEG del paciente.

Una vez que se almacena la señal pasa a la segunda etapa (b) que es el “filtrado de señales de EEG" a través de un módulo de filtrado pasa-bajas (10) con frecuencia de corte de 40 Hz y orden 20, lo que ayudará a eliminar el ruido ocasionado por los electrodos, factores ambientales o voltajes ocasionados por el cuerpo humano a la hora de tomar la muestra.

La señal de EEG filtrada pasa a una tercera etapa (c) que es el “cálculo del parámetro de dispersión” donde se ordenan los datos y se calculan ios valores de los cuantiles 25 y 75 de la señal de EEG filtrada, que están asociados al parámetro de dispersión definido previamente. Los cuantiles estadísticos son promediados y se utilizan en la estimación del parámetro de dispersión. Este proceso se repite de manera consecutiva, hasta completar la señal de EEG o hasta que el dispositivo sea retirado de! paciente.

En la siguiente etapa (d) “filtrado de parámetro de dispersión", los valores de dispersión dentro del sistema son ingresados a un módulo de filtro pasa-bajas (11) con frecuencia de corte de 05 Hz y un orden de filtrado con factor de 20, lo que dejará los valores de dispersión listos para ser analizados de manera confiable.

Finalmente, en la siguiente etapa (e) el sistema realiza un “análisis de señal para buscar ataques epilépticos” a través de medios de análisis de las señales procesadas, con el objetivo de buscar ataques epilépticos en tiempo real.

El analizador hace una comparación muestra por muestra de cada uno de los valores de dispersión filtrados, teniendo dos umbrales de detección. El primer umbral { e 1 } compara la muestra actual con la muestra anterior (cada muestra representa 003 segundo de señal) si la muestra actual es 7 veces mayor a la anterior, entonces el sistema determina que el paciente está sufriendo un ataque epiléptico (e 1’ ) y manda una alerta al último bloque que es el notificador de ataques (f), en donde se enciende un LED color rojo y suena una alarma auditiva.

El segundo umbral ( e 2 ) es de igual manera al anterior, por amplitudes, en donde se analizan la muestra actual con la anterior. Si la muestra actual es 7 veces menor a la muestra anterior entonces el sistema determina que el usuario salió del ataque epiléptico (e 2 ' ) y se encuentra en estado normal o recuperándose de! ataque mandando una señal ai bloque notificador ei cual apaga la alarma auditiva y cambia el color del LED de color rojo a color verde (g).

E! proceso se repite de manera constante hasta que el sistema es apagado o ios electrodos son retirados del paciente.

El sistema de alertas para el aviso de epilepsia analiza y procesa señales de EEG con ei objetivo de encontrar ataques epilépticos utilizando ei parámetro de dispersión de la señal EEG analizada.

La principal ventaja del sistema de la presente invención es que es menos sensible al ruido por ei procesamiento estocástico de la señal de EEG, teniendo un dispositivo robusto, garantizando que se alertará de manera eficaz y en tiempo real cuando un paciente sufra un ataque epiléptico.

Ei gasto computaciona! que consume el sistema es mínimo y la cantidad de memoria que se requiere para que funcione de forma adecuada es reducida, utilizando solamente 0.39 segundos o 1,000 muestras de la señal de EEG para su procesamiento.

Ai tener el sistema solamente un canal de análisis, el paciente no tarda mucho tiempo en ponerse y quitarse el electrodo que estará censando la señal de EEG, además de ser más cómodo para el paciente. En caso de que el sistema deba procesar información almacenada este es capaz de procesar 30 minutos de información en 0.17 segundos, con un 100 % de alertas de ataques epilépticos, haciendo al sistema rápido y eficaz.

La figura 7 muestra una gráfica que ilustra los picos de ios valores gama asociados con un ataque epiléptico.

El invento ha sido descrito suficientemente como para que una persona con conocimientos medios en la materia pueda reproducir y obtener los resultados que mencionamos en la presente invención. Sin embargo, cualquier persona hábil en el campo de la técnica que compete el presente invento puede ser capaz de hacer modificaciones no descritas en la presente solicitud, sin embargo, si para ia aplicación de estas modificaciones en una estructura determinada o en el proceso de manufactura del mismo, se requiere de la materia reclamada en las siguientes reivindicaciones, dichas estructuras deberán ser comprendidas dentro del alcance de la invención.