Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal
Propósito: La capacidad de ver y procesar imágenes depende de la función de los ojos y del procesamiento de la información visual por parte de las neuronas en la corteza cerebral, algo que podría medirse mediante electroencefalografía (EEG). Aunque el EEG se utiliza para evaluar las vía...
- Autores:
-
Henao Isaza, Verónica
Cadavid Castro, Valeria
Salas Villa, Eliana
Gonzalez Cuartas, Santiago
Ochoa, John Fredy
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2024
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- eng
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/28993
- Acceso en línea:
- https://hdl.handle.net/10819/28993
https://doi.org/10.21500/20112084.7299
- Palabra clave:
- Electroencephalography
Processing
SSVEP
Stimulation
Transferable
Visual function
Electroencefalografía
Procesamiento
SSVEP
Estimulación
Transferible
Función visual
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
SANBUENAV2_444dc063ac7ac20ffe9d79a8d4d9a3e8 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/28993 |
| network_acronym_str |
SANBUENAV2 |
| network_name_str |
Repositorio USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| dc.title.translated.spa.fl_str_mv |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| title |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| spellingShingle |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal Electroencephalography Processing SSVEP Stimulation Transferable Visual function Electroencefalografía Procesamiento SSVEP Estimulación Transferible Función visual |
| title_short |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| title_full |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| title_fullStr |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| title_full_unstemmed |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| title_sort |
Presentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación Neuronal |
| dc.creator.fl_str_mv |
Henao Isaza, Verónica Cadavid Castro, Valeria Salas Villa, Eliana Gonzalez Cuartas, Santiago Ochoa, John Fredy |
| dc.contributor.author.eng.fl_str_mv |
Henao Isaza, Verónica Cadavid Castro, Valeria Salas Villa, Eliana Gonzalez Cuartas, Santiago Ochoa, John Fredy |
| dc.subject.eng.fl_str_mv |
Electroencephalography Processing SSVEP Stimulation Transferable Visual function |
| topic |
Electroencephalography Processing SSVEP Stimulation Transferable Visual function Electroencefalografía Procesamiento SSVEP Estimulación Transferible Función visual |
| dc.subject.spa.fl_str_mv |
Electroencefalografía Procesamiento SSVEP Estimulación Transferible Función visual |
| description |
Propósito: La capacidad de ver y procesar imágenes depende de la función de los ojos y del procesamiento de la información visual por parte de las neuronas en la corteza cerebral, algo que podría medirse mediante electroencefalografía (EEG). Aunque el EEG se utiliza para evaluar las vías visuales en niños y enfermedades desmielinizantes, la utilización limitada de técnicas de grabación cerebral en otras aplicaciones como la terapia se debe principalmente a restricciones presupuestarias. El objetivo de este artículo es demostrar resultados del estudio de aspectos cerebrales de la visión, utilizando mediciones basadas en el análisis de actividad oscilatoria, equipos de bajo costo y portátiles, y un flujo de procesamiento basado en las bibliotecas de código abierto de Python. Estos estudios involucran a sujetos sanos que usan gafas para evaluar cambios en la percepción visual.  Métodos: Primero, se registraron señales electroencefalográficas mientras los sujetos observaban un estímulo visual estandarizado. Las señales fueron procesadas y filtradas para reducir artefactos, y se calculó la densidad espectral de potencia (PSD) para observar la presencia de potenciales visuales en estado estable (VEP) y confirmar la captura de la activación neuronal ante el estímulo visual.  Resultados: Fue posible establecer una diferencia entre los sujetos que llevaban y no llevaban sus gafas, permitiendo validar que la información adquirida con el equipo transferible es adecuada para el análisis de la actividad neuronal relacionada con el procesamiento visual, abriendo la posibilidad de ser utilizada en estudios futuros en terapia.  Conclusión: Este estudio contribuye al desarrollo de soluciones de EEG de bajo costo y portátiles para el análisis del sistema visual. Demuestra el potencial de aplicar dispositivos de EEG transferibles en entornos clínicos y resalta la importancia de estímulos visuales adaptados para una activación neural confiable. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-09-03T00:00:00Z 2025-08-22T16:59:32Z |
| dc.date.available.none.fl_str_mv |
2024-09-03T00:00:00Z 2025-08-22T16:59:32Z |
| dc.date.issued.none.fl_str_mv |
2024-09-03 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.eng.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.eng.fl_str_mv |
Text |
| dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.doi.none.fl_str_mv |
10.21500/20112084.7299 |
| dc.identifier.eissn.none.fl_str_mv |
2011-7922 |
| dc.identifier.issn.none.fl_str_mv |
2011-2084 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/28993 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.21500/20112084.7299 |
| identifier_str_mv |
10.21500/20112084.7299 2011-7922 2011-2084 |
| url |
https://hdl.handle.net/10819/28993 https://doi.org/10.21500/20112084.7299 |
| dc.language.iso.eng.fl_str_mv |
eng |
| language |
eng |
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.usb.edu.co/index.php/IJPR/article/download/7299/5488 |
| dc.relation.citationedition.eng.fl_str_mv |
Núm. 2 , Año 2024 : Interdisciplinary Approaches for Human Cognition: Expanding Perspectives on the Mind |
| dc.relation.citationendpage.none.fl_str_mv |
35 |
| dc.relation.citationissue.eng.fl_str_mv |
2 |
| dc.relation.citationstartpage.none.fl_str_mv |
25 |
| dc.relation.citationvolume.eng.fl_str_mv |
17 |
| dc.relation.ispartofjournal.eng.fl_str_mv |
International Journal of Psychological Research |
| dc.relation.references.eng.fl_str_mv |
Almoqbel, F. M., Irving, E. L., & Leat, S. J. (2017). Visual Acuity and Contrast Sensitivity Development in Children: Sweep Visually Evoked Potential and Psychophysics. Optometry and vision science, 94(8), 830–837. https://doi.org/10.1097/OPX.0000000000001101 Alouani, A. T., & Elfouly, T. (2022). Traumatic Brain Injury (TBI) Detection: Past, Present, and Future. Biomedicines, 10(10), 2472. https://doi.org/10.3390/biomedicines10102472 Bach, M., & Heinrich, S. (2019). Acuity VEP: improved with machine learning. Doc. Ophthalmol., 139 (2), 113–122. https://doi.org/10.1007/s10633-019-09701-x Baker, D. H., Simard, M., Saint-Amour, D., & Hess, R. F. (2015). Steady-State Contrast Response Functions Provide a Sensitive and Objective Index of Amblyopic Deficits. Investigative Ophthalmology Visual Science, 56(2), 1208. https://doi.org/10.1167/IOVS.14-15611 Ballesteros Larrota, D. M. (2004). Aplicación de la transformada wavelet discreta en el filtrado de señales bioeléctricas. Umbral Científico, (5), 92–98. Beniczky, S., & Schomer, D. L. (2020). Electroencephalography: basic biophysical and technological aspects important for clinical applications. Epileptic Disorders, 22(6), 697–715. https://doi.org/10.1684/epd.2020.1217 Brienza, M., & Mecarelli, O. (2019). Neurophysiological Basis of EEG BT. In O. Mecarelli (Ed.), Clinical Electroencephalography (pp. 9–21). Springer International Publishing. https://doi.org/10.1007/978-3-030-04573-9_2 Cadavid, V., Salas, E., Gonzalez, S., Henao, V., Ortega, D., Suarez, J. C., & Ochoa, J. (2021). Captura y análisis de potenciales visuales en estado estacionario usando tecnología portable y de bajo costo. 2021 22nd Symposium on Image, Signal Processing and Artificial Vision, STSIVA 2021 - Conference Proceedings. https://doi.org/10.1109/STSIVA53688.2021.9592014 Carvalho, S. N., Costa, T. B., Uribe, L. F., Soriano, D. C., Yared, G. F., Coradine, L. C., & Attux, R. (2015). Comparative analysis of strategies for feature extraction and classification in SSVEP BCIs. Biomedical Signal Processing and Control, 21, 34–42. https://doi.org/10.1016/J.BSPC.2015.05.008 Chandran, K. S., & Kiruba Angeline, T. (2020). Identification of disease symptoms using taste disorders in electroencephalogram signal. Journal of Computational and Theoretical Nanoscience, 17 (5), 2051–2056. Fox, M., Barber, C., Keating, D., & Perkins, A. (2014). Comparison of cathode ray tube and liquid crystal display stimulators for use in multifocal VEP. Documenta ophthalmologica. Advances in ophthalmology, 129(2), 115–122. doi:10.1007/S10633-014-9451-0 Guarnizo-Lemus, C. (2008, dec). Análisis de reducción de ruido en señales eeg orientado al reconocimiento de patrones. TecnoLógicas, (21), 67–80. https://doi.org/10.22430/22565337.248 Gunaydin, O., & Ozkan, M. (2010). Design of a Brain Computer Interface system based on electroencephalogra (EEG). 4th European Education and Research Conference (EDERC 2010). Hemptinne, C., Liu-Shuang, J., Yuksel, D., & Rossion, B. (2019). Rapid Objective Assessment of Contrast Sensitivity and Visual Acuity with Sweep Visual Evoked Potentials and an Extended Electrode Array. Journal of Vision, 19(8), 87. doi: 10.1167/19.8.87 Kadri, A., & Apriani, N. (2022). Electroencephalography Findings in Traumatic Brain Injury. The Open Neurology Journal, 16(1), 1–11. https://doi.org/10.2174/1874205x-v16-e2206100 Kiiski, H. S., Riada, S. N., Lalor, E. C., Gonçalves, N. R., Nolan, H., Whelan, R., Lonergan, R., Kelly, S., O'Brien, M. C., Kinsella, K., Bramham, J., Burke, T., Ó Donnchadha, S., Hutchinson, M., Tubridy, N., & Reilly, R. B. (2016). Delayed P100-Like Latencies in Multiple Sclerosis: A Preliminary Investigation Using Visual Evoked Spread Spectrum Analysis. PloS one, 11(1). https://doi.org/10.1371/JOURNAL.PONE.0146084 Lantz, C. L., & Quinlan, E. M. (2021). High-Frequency Visual Stimulation Primes Gamma Oscillations for Visually Evoked Phase Reset and Enhances Spatial Acuity. Cerebral cortex communications, 2(2), tgab016. https://doi.org/10.1093/texcom/tgab016 Lei;, X., & Liao, K. (2017). Understanding the Influences of EEG Reference: A Large-Scale Brain Network Perspective. Front. Neurosci., 11. https://doi.org/10.3389/fnins.2017.00205 Leuchs, L. (2019, May 3rd). Choosing your reference – and why it matters. Brain Products Press Release. https://pressrelease.brainproducts.com/referencing/ Marcar, V. L., & Jäncke, L. (2018, jan). Stimuli to differentiate the neural response at successive stages of visual processing using the VEP from human visual cortex. Journal of neuroscience methods, 293, 199–209. https://doi.org/10.1016/J.JNEUMETH.2017.09.015 Meigen, T., & Bach, M. (1999). On the statistical significance of electrophysiological steady-state responses. Documenta ophthalmologica. Advances in ophthalmology, 98(3), 207–232. https://doi.org/10.1023/A:1002097208337 Mora-Cortes, A., Ridderinkhof, K. R., & Cohen, M. X. (2018). Evaluating the feasibility of the steady-state visual evoked potential (SSVEP) to study temporal attention. Psychophysiology, 55(5). https://doi.org/10.1111/PSYP.13029 Nicolas-Alonso, L. F., & Gomez-Gil, J. (2012). Brain computer interfaces, a review. Sensors, 12(2), 1211–1279. https://doi.org/10.3390/s120201211 Norcia, A. M., Appelbaum, L. G., Ales, J. M., Cottereau, B. R., & Rossion, B. (2015, 5). The steady-state visual evoked potential in vision research: A review. Journal of Vision, 15, 4-4. https://doi.org/10.1167/15.6.4 Nuwer, M. R. (2018). 10-10 electrode system for EEG recording. Clinical Neurophysiology, 129(5), 1103. https://doi.org/10.1016/j.clinph.2018.01.065 O’Hare, L. (2017, feb). Steady-state VEP responses to uncomfortable stimuli. European Journal of Neuroscience, 45(3), 410–422. https://doi.org/10.1111/EJN.13479 Orban, M., Elsamanty, M., Guo, K., Zhang, S., & Yang, H. (2022). A Review of Brain Activity and EEG-Based Brain–Computer Interfaces for Rehabilitation Application. Bioengineering, 9(12). https://doi.org/https://doi.org/10.3390/bioengineering9120768 Ortega, D, Henao, V, & Ochoa, J (2019, April). Ssvep study in monocular and binocular vision. 2019 XXII Symposium on Image, Signal Processing and Artificial Vision (STSIVA). https://doi.org/10.1109/STSIVA.2019.8730241 Patil, P. B., & Chavan, M. S. (2012). A wavelet based method for denoising of biomedical signal. International Conference on Pattern Recognition, Informatics and Medical Engineering, PRIME 2012, 278–283. https://doi.org/10.1109/ICPRIME.2012.6208358 Richard, B., Chadnova, E., & Baker, D. H. (2018). Binocular vision adaptively suppresses delayed monocular signals. NeuroImage, 172, 753–765. https://doi.org/10.1016/J.NEUROIMAGE.2018.02.021 Sahel, J. A., Boulanger-Scemama, E., Pagot, C., Arleo, A., Galluppi, F., Martel, J. N., . . . Roska, B. (2021). Partial recovery of visual function in a blind patient after optogenetic therapy. Nature Medicine, 27(7), 1223–1229. https://doi.org/10.1038/s41591-021-01351-4 Sanchez-Lopez, J., Pedersini, C. A., Di Russo, F., Cardobi, N., Fonte, C., Varalta, V., Prior, M., Smania, N., Savazzi, S., & Marzi, C. A. (2019). Visually evoked responses from the blind field of hemianopic patients. Neuropsychologia, 128, 127–139. https://doi.org/10.1016/J.NEUROPSYCHOLOGIA.2017.10.008 Sarzaeim, F., Hashemzehi, M., Mohammad Masoud Shushtarian, S., Shojaei, A., & Naghib, J. (2022). Flash Visual Evoked Potential as a Suitable Technique to Evaluate the Extent of Injury to Visual Pathway Following Head Trauma. Journal of Ophthalmology and Research, 05(01), 20–23. https://doi.org/10.26502/fjor.2644-00240053 Smith, J. O. (2011). Spectral Audio Signal Processing. Center for Computer Research in Music and Acoustics (CCRMA), 1–674. Tan, Y., Tong, X., Chen, W., Weng, X., He, S., & Zhao, J. (2018). Vernier But Not Grating Acuity Contributes to an Early Stage of Visual Word Processing. Neuroscience Bulletin, 34 (3), 517–526. https://doi.org/10.1007/s12264-018-0220-z Woolson, R. F. (2008). Wilcoxon Signed-Rank Test. Wiley Encyclopedia of Clinical Trials, 1–3. https://doi.org/10.1002/9780471462422.EOCT979 Zheng, X., Xu, G., Wang, Y., & Han, C. (2019). Objective and quantitative assessment of visual acuity and contrast sensitivity based on steady-state motion visual evoked potentials using concentric-ring paradigm. Documenta Ophthalmologica., 139. https://doi.org/10.1007/s10633-019-09702-w Zheng, X., Xu, G., Zhang, K., & Liang, R. (2020). Assessment of Human Visual Acuity Using Visual Evoked Potential: A Review. Sensors (Basel), 20(19). https://doi.org/10.3390/s20195542 Zhong, Y., Wei, H., Chen, L., & Wu, T. (2023, mar). Automated EEG Pathology Detection Based on Significant Feature Extraction and Selection. Mathematics, 11, 1619. https://doi.org/10.3390/math11071619 |
| dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.eng.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.eng.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 http://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.format.mimetype.eng.fl_str_mv |
application/pdf |
| dc.publisher.eng.fl_str_mv |
Universidad San Buenaventura - USB (Colombia) |
| dc.source.eng.fl_str_mv |
https://revistas.usb.edu.co/index.php/IJPR/article/view/7299 |
| institution |
Universidad de San Buenaventura |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/c1bc9b1a-079e-44b8-8a70-147b3481cd73/download |
| bitstream.checksum.fl_str_mv |
b99aea5be32c22395de404c11b1ddf17 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1851053532968386560 |
| spelling |
Henao Isaza, VerónicaCadavid Castro, ValeriaSalas Villa, ElianaGonzalez Cuartas, SantiagoOchoa, John Fredy2024-09-03T00:00:00Z2025-08-22T16:59:32Z2024-09-03T00:00:00Z2025-08-22T16:59:32Z2024-09-03Propósito: La capacidad de ver y procesar imágenes depende de la función de los ojos y del procesamiento de la información visual por parte de las neuronas en la corteza cerebral, algo que podría medirse mediante electroencefalografía (EEG). Aunque el EEG se utiliza para evaluar las vías visuales en niños y enfermedades desmielinizantes, la utilización limitada de técnicas de grabación cerebral en otras aplicaciones como la terapia se debe principalmente a restricciones presupuestarias. El objetivo de este artículo es demostrar resultados del estudio de aspectos cerebrales de la visión, utilizando mediciones basadas en el análisis de actividad oscilatoria, equipos de bajo costo y portátiles, y un flujo de procesamiento basado en las bibliotecas de código abierto de Python. Estos estudios involucran a sujetos sanos que usan gafas para evaluar cambios en la percepción visual.  Métodos: Primero, se registraron señales electroencefalográficas mientras los sujetos observaban un estímulo visual estandarizado. Las señales fueron procesadas y filtradas para reducir artefactos, y se calculó la densidad espectral de potencia (PSD) para observar la presencia de potenciales visuales en estado estable (VEP) y confirmar la captura de la activación neuronal ante el estímulo visual.  Resultados: Fue posible establecer una diferencia entre los sujetos que llevaban y no llevaban sus gafas, permitiendo validar que la información adquirida con el equipo transferible es adecuada para el análisis de la actividad neuronal relacionada con el procesamiento visual, abriendo la posibilidad de ser utilizada en estudios futuros en terapia.  Conclusión: Este estudio contribuye al desarrollo de soluciones de EEG de bajo costo y portátiles para el análisis del sistema visual. Demuestra el potencial de aplicar dispositivos de EEG transferibles en entornos clínicos y resalta la importancia de estímulos visuales adaptados para una activación neural confiable.Purpose: The ability to see and process images depends on the function of the eyes and the processing of visual information by neurons in the cerebral cortex, something that could be measured through electroencephalography (EEG). Although the EEG is used to evaluate visual pathways in children and demyelination diseases, the limited utilization of brain recording techniques in other applications like therapy is primarily due to budget constraints. The goal of this paper is to demonstrate results from studying brain aspects of vision, utilizing measurements based on oscillatory activity analysis, low-cost, portable equipment, and a processing pipeline relying on Python’s open-source libraries. These studies involve healthy subjects who wear glasses to assess changes in visual perception. Methods: First, electroencephalographic signals were recorded while the subjects observed a visually standardized stimulus. The signals were processed and filtered to reduce artifacts, and the power spectral density (PSD) was calculated to observe the presence of steady-state visual potentials (VEP) to confirm the capture of neuronal activation to the visual stimulus. Results: It was possible to establish a difference between subjects wearing and not wearing their glasses, allowing validation that the information acquired with the transferable equipment is adequate for the analysis of neuronal activity related to visual processing, opening the possibility to be used in future studies in therapy. Conclusion: This study contributes to the development of cost-effective and portable EEG solutions for visual system analysis. It demonstrates the potential for applying transferable EEG devices in clinical settings and highlights the importance of tailored visual stimuli for reliable neural activation.application/pdf10.21500/20112084.72992011-79222011-2084https://hdl.handle.net/10819/28993https://doi.org/10.21500/20112084.7299engUniversidad San Buenaventura - USB (Colombia)https://revistas.usb.edu.co/index.php/IJPR/article/download/7299/5488Núm. 2 , Año 2024 : Interdisciplinary Approaches for Human Cognition: Expanding Perspectives on the Mind3522517International Journal of Psychological ResearchAlmoqbel, F. M., Irving, E. L., & Leat, S. J. (2017). Visual Acuity and Contrast Sensitivity Development in Children: Sweep Visually Evoked Potential and Psychophysics. Optometry and vision science, 94(8), 830–837. https://doi.org/10.1097/OPX.0000000000001101 Alouani, A. T., & Elfouly, T. (2022). Traumatic Brain Injury (TBI) Detection: Past, Present, and Future. Biomedicines, 10(10), 2472. https://doi.org/10.3390/biomedicines10102472 Bach, M., & Heinrich, S. (2019). Acuity VEP: improved with machine learning. Doc. Ophthalmol., 139 (2), 113–122. https://doi.org/10.1007/s10633-019-09701-x Baker, D. H., Simard, M., Saint-Amour, D., & Hess, R. F. (2015). Steady-State Contrast Response Functions Provide a Sensitive and Objective Index of Amblyopic Deficits. Investigative Ophthalmology Visual Science, 56(2), 1208. https://doi.org/10.1167/IOVS.14-15611 Ballesteros Larrota, D. M. (2004). Aplicación de la transformada wavelet discreta en el filtrado de señales bioeléctricas. Umbral Científico, (5), 92–98. Beniczky, S., & Schomer, D. L. (2020). Electroencephalography: basic biophysical and technological aspects important for clinical applications. Epileptic Disorders, 22(6), 697–715. https://doi.org/10.1684/epd.2020.1217 Brienza, M., & Mecarelli, O. (2019). Neurophysiological Basis of EEG BT. In O. Mecarelli (Ed.), Clinical Electroencephalography (pp. 9–21). Springer International Publishing. https://doi.org/10.1007/978-3-030-04573-9_2 Cadavid, V., Salas, E., Gonzalez, S., Henao, V., Ortega, D., Suarez, J. C., & Ochoa, J. (2021). Captura y análisis de potenciales visuales en estado estacionario usando tecnología portable y de bajo costo. 2021 22nd Symposium on Image, Signal Processing and Artificial Vision, STSIVA 2021 - Conference Proceedings. https://doi.org/10.1109/STSIVA53688.2021.9592014 Carvalho, S. N., Costa, T. B., Uribe, L. F., Soriano, D. C., Yared, G. F., Coradine, L. C., & Attux, R. (2015). Comparative analysis of strategies for feature extraction and classification in SSVEP BCIs. Biomedical Signal Processing and Control, 21, 34–42. https://doi.org/10.1016/J.BSPC.2015.05.008 Chandran, K. S., & Kiruba Angeline, T. (2020). Identification of disease symptoms using taste disorders in electroencephalogram signal. Journal of Computational and Theoretical Nanoscience, 17 (5), 2051–2056. Fox, M., Barber, C., Keating, D., & Perkins, A. (2014). Comparison of cathode ray tube and liquid crystal display stimulators for use in multifocal VEP. Documenta ophthalmologica. Advances in ophthalmology, 129(2), 115–122. doi:10.1007/S10633-014-9451-0 Guarnizo-Lemus, C. (2008, dec). Análisis de reducción de ruido en señales eeg orientado al reconocimiento de patrones. TecnoLógicas, (21), 67–80. https://doi.org/10.22430/22565337.248 Gunaydin, O., & Ozkan, M. (2010). Design of a Brain Computer Interface system based on electroencephalogra (EEG). 4th European Education and Research Conference (EDERC 2010). Hemptinne, C., Liu-Shuang, J., Yuksel, D., & Rossion, B. (2019). Rapid Objective Assessment of Contrast Sensitivity and Visual Acuity with Sweep Visual Evoked Potentials and an Extended Electrode Array. Journal of Vision, 19(8), 87. doi: 10.1167/19.8.87 Kadri, A., & Apriani, N. (2022). Electroencephalography Findings in Traumatic Brain Injury. The Open Neurology Journal, 16(1), 1–11. https://doi.org/10.2174/1874205x-v16-e2206100 Kiiski, H. S., Riada, S. N., Lalor, E. C., Gonçalves, N. R., Nolan, H., Whelan, R., Lonergan, R., Kelly, S., O'Brien, M. C., Kinsella, K., Bramham, J., Burke, T., Ó Donnchadha, S., Hutchinson, M., Tubridy, N., & Reilly, R. B. (2016). Delayed P100-Like Latencies in Multiple Sclerosis: A Preliminary Investigation Using Visual Evoked Spread Spectrum Analysis. PloS one, 11(1). https://doi.org/10.1371/JOURNAL.PONE.0146084 Lantz, C. L., & Quinlan, E. M. (2021). High-Frequency Visual Stimulation Primes Gamma Oscillations for Visually Evoked Phase Reset and Enhances Spatial Acuity. Cerebral cortex communications, 2(2), tgab016. https://doi.org/10.1093/texcom/tgab016 Lei;, X., & Liao, K. (2017). Understanding the Influences of EEG Reference: A Large-Scale Brain Network Perspective. Front. Neurosci., 11. https://doi.org/10.3389/fnins.2017.00205 Leuchs, L. (2019, May 3rd). Choosing your reference – and why it matters. Brain Products Press Release. https://pressrelease.brainproducts.com/referencing/ Marcar, V. L., & Jäncke, L. (2018, jan). Stimuli to differentiate the neural response at successive stages of visual processing using the VEP from human visual cortex. Journal of neuroscience methods, 293, 199–209. https://doi.org/10.1016/J.JNEUMETH.2017.09.015 Meigen, T., & Bach, M. (1999). On the statistical significance of electrophysiological steady-state responses. Documenta ophthalmologica. Advances in ophthalmology, 98(3), 207–232. https://doi.org/10.1023/A:1002097208337 Mora-Cortes, A., Ridderinkhof, K. R., & Cohen, M. X. (2018). Evaluating the feasibility of the steady-state visual evoked potential (SSVEP) to study temporal attention. Psychophysiology, 55(5). https://doi.org/10.1111/PSYP.13029 Nicolas-Alonso, L. F., & Gomez-Gil, J. (2012). Brain computer interfaces, a review. Sensors, 12(2), 1211–1279. https://doi.org/10.3390/s120201211 Norcia, A. M., Appelbaum, L. G., Ales, J. M., Cottereau, B. R., & Rossion, B. (2015, 5). The steady-state visual evoked potential in vision research: A review. Journal of Vision, 15, 4-4. https://doi.org/10.1167/15.6.4 Nuwer, M. R. (2018). 10-10 electrode system for EEG recording. Clinical Neurophysiology, 129(5), 1103. https://doi.org/10.1016/j.clinph.2018.01.065 O’Hare, L. (2017, feb). Steady-state VEP responses to uncomfortable stimuli. European Journal of Neuroscience, 45(3), 410–422. https://doi.org/10.1111/EJN.13479 Orban, M., Elsamanty, M., Guo, K., Zhang, S., & Yang, H. (2022). A Review of Brain Activity and EEG-Based Brain–Computer Interfaces for Rehabilitation Application. Bioengineering, 9(12). https://doi.org/https://doi.org/10.3390/bioengineering9120768 Ortega, D, Henao, V, & Ochoa, J (2019, April). Ssvep study in monocular and binocular vision. 2019 XXII Symposium on Image, Signal Processing and Artificial Vision (STSIVA). https://doi.org/10.1109/STSIVA.2019.8730241 Patil, P. B., & Chavan, M. S. (2012). A wavelet based method for denoising of biomedical signal. International Conference on Pattern Recognition, Informatics and Medical Engineering, PRIME 2012, 278–283. https://doi.org/10.1109/ICPRIME.2012.6208358 Richard, B., Chadnova, E., & Baker, D. H. (2018). Binocular vision adaptively suppresses delayed monocular signals. NeuroImage, 172, 753–765. https://doi.org/10.1016/J.NEUROIMAGE.2018.02.021 Sahel, J. A., Boulanger-Scemama, E., Pagot, C., Arleo, A., Galluppi, F., Martel, J. N., . . . Roska, B. (2021). Partial recovery of visual function in a blind patient after optogenetic therapy. Nature Medicine, 27(7), 1223–1229. https://doi.org/10.1038/s41591-021-01351-4 Sanchez-Lopez, J., Pedersini, C. A., Di Russo, F., Cardobi, N., Fonte, C., Varalta, V., Prior, M., Smania, N., Savazzi, S., & Marzi, C. A. (2019). Visually evoked responses from the blind field of hemianopic patients. Neuropsychologia, 128, 127–139. https://doi.org/10.1016/J.NEUROPSYCHOLOGIA.2017.10.008 Sarzaeim, F., Hashemzehi, M., Mohammad Masoud Shushtarian, S., Shojaei, A., & Naghib, J. (2022). Flash Visual Evoked Potential as a Suitable Technique to Evaluate the Extent of Injury to Visual Pathway Following Head Trauma. Journal of Ophthalmology and Research, 05(01), 20–23. https://doi.org/10.26502/fjor.2644-00240053 Smith, J. O. (2011). Spectral Audio Signal Processing. Center for Computer Research in Music and Acoustics (CCRMA), 1–674. Tan, Y., Tong, X., Chen, W., Weng, X., He, S., & Zhao, J. (2018). Vernier But Not Grating Acuity Contributes to an Early Stage of Visual Word Processing. Neuroscience Bulletin, 34 (3), 517–526. https://doi.org/10.1007/s12264-018-0220-z Woolson, R. F. (2008). Wilcoxon Signed-Rank Test. Wiley Encyclopedia of Clinical Trials, 1–3. https://doi.org/10.1002/9780471462422.EOCT979 Zheng, X., Xu, G., Wang, Y., & Han, C. (2019). Objective and quantitative assessment of visual acuity and contrast sensitivity based on steady-state motion visual evoked potentials using concentric-ring paradigm. Documenta Ophthalmologica., 139. https://doi.org/10.1007/s10633-019-09702-w Zheng, X., Xu, G., Zhang, K., & Liang, R. (2020). Assessment of Human Visual Acuity Using Visual Evoked Potential: A Review. Sensors (Basel), 20(19). https://doi.org/10.3390/s20195542 Zhong, Y., Wei, H., Chen, L., & Wu, T. (2023, mar). Automated EEG Pathology Detection Based on Significant Feature Extraction and Selection. Mathematics, 11, 1619. https://doi.org/10.3390/math11071619info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.http://creativecommons.org/licenses/by-nc-nd/4.0https://revistas.usb.edu.co/index.php/IJPR/article/view/7299ElectroencephalographyProcessingSSVEPStimulationTransferableVisual functionElectroencefalografíaProcesamientoSSVEPEstimulaciónTransferibleFunción visualPresentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación NeuronalPresentando la Fisiología Visual y los Potenciales Evocados en Estado Estable utilizando Electroencefalografía de Bajo Costo y Transferible para Evaluar la Activación NeuronalArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionPublicationOREORE.xmltext/xml2895https://bibliotecadigital.usb.edu.co/bitstreams/c1bc9b1a-079e-44b8-8a70-147b3481cd73/downloadb99aea5be32c22395de404c11b1ddf17MD5110819/28993oai:bibliotecadigital.usb.edu.co:10819/289932025-08-22 11:59:33.043http://creativecommons.org/licenses/by-nc-nd/4.0https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.com |