Un método para la limpieza de señales intracraneales contaminadas por artefactos de vibración acústico-inducidos

Título: Un método para la limpieza de señales intracraneales contaminadas por artefactos de vibración acústico-inducidos

Expositor: Dra. Victoria Peterson sinc(i) (UNL y CONICET)

Fecha: 04/05/2022 11:00 hs.

Sala de Meet: https://meet.google.com/qeh-kntz-som

Youtube: https://youtu.be/fspXB1Biy28

Resumen:

Las vibraciones inducidas por señales acústicas pueden colarse en el sistema de adquisición de señales de electroencefalografía intracraniales (iEEG), apareciendo como un artefacto de vibración. En experimentos de habla pronunciada, este artefacto de vibración rastrea la frecuencia fundamental (F0) de la voz del participante, abarcando la banda de alta frecuencia gamma; banda que es bien conocida por estar involucrada en la producción y percepción del habla. Por lo tanto, para el desarrollo de modelos confiables de (de)codificación de voz, es necesario contar con señales de iEEG libres de cualquier ruido inducido por las señales acústicas de interés. En este trabajo, presentamos un método de eliminación de ruido para artefactos de vibraciones acústicas. El método se basa en enfoques de filtrado espacial que buscan encontrar aquellos componentes estadísticos altamente acoplados en fase con el audio producido. Mostramos cómo los métodos tradicionales pueden poner en peligro la calidad de la señal y que nuestro método es capaz de limpiar los datos preservando las oscilaciones neuronales subyacentes.

minibio:

Victoria Peterson es Bioingeniera (Universidad Nacional de Entre Ríos, 2013) y Doctora en Ingeniería (Universidad Nacional del Litoral, 2018). Realizó sus estudios doctorales gracias a una beca doctoral del CONICET en el Instituto de Señales Sistemas e Inteligencia Computacional, sinc(i)-UNL-CONICET. Se unió al Instituto de Matemática Aplicada del Litoral, IMAL-CONICET-UNL como becaria postdoctoral del CONICET.  En 2020 se unió como colaboradora externa al grupo Brain Modulation Lab del Massachusetts General Hospital, Boston, USA; y luego en 2021 como becaria postdoctoral del Harvard Medical School. En 2022 retorna a la Argentina y comienza su carrera como investigadora asistente del CONICET, con lugar de trabajo en el IMAL. Es profesora asociada de la Facultad de Ingeniería Química, de la UNL. Sus temas de investigación intersectan la inteligencia artificial con la bioingeniería, en el desarrollo de algoritmos de aprendizaje automático para la decodificación de la actividad cerebral con aplicaciones médicas. Recientemente, uno de sus proyectos fue seleccionado entre los 12 mejores a nivel mundial para recibir el BCI award 2021.