PROCEDIMIENTO PARA LA GENERACIÓN DE SEÑALES COMPLEJAS SONORAS DICÓTICAS.

Procedimiento para la generación de señales complejas sonoras dicóticas donde el procedimiento se refiere al tratamiento de la señal digital sonora compleja, caracterizado esencialmente por que la invención consiste en un algoritmo aplicado a conseguir grabaciones en estéreo dicóticas, en las que, en cada instante, el canal derecho se diferencia del izquierdo en un número de determinado de Hercios

(Hz).

Tipo: Patente de Invención. Resumen de patente/invención. Número de Solicitud: P201231897.

Solicitante: GONZALEZ VELASCO, Pedro.

Nacionalidad solicitante: España.

Inventor/es: GONZALEZ VELASCO,Pedro.

Fecha de Publicación: .

Clasificación Internacional de Patentes:

  • SECCION B — TECNICAS INDUSTRIALES DIVERSAS; TRANSPORTES > VEHICULOS EN GENERAL > VEHICULOS, EQUIPOS O PARTES DE VEHICULOS, NO PREVISTOS... > B60R1/00 (Disposiciones para la visibilidad óptica (equipo antideslumbrante, p. ej. polarizador, para parabrisas o ventanas B60J 3/00))
google+ twitter facebookPin it
PROCEDIMIENTO PARA LA GENERACIÓN DE SEÑALES COMPLEJAS SONORAS DICÓTICAS.

Fragmento de la descripción:

Procedimiento para la generación de señales complejas sonoras dicóticas

OBJETO DE LA INVENCIÓN

La presente invención se refiere a un nuevo procedimiento de tratamiento de la señal digital sonora compleja, destinado a conseguir grabaciones en estéreo dicóticas, en las que, en cada instante, el canal derecho se diferencia del izquierdo en un número de determinado de Hercios (Hz) y que, al ser aplicada como estimulo a los sujetos, evocan un aumento significativo actividad cerebral en banda de frecuencias (Delta; 0, 5-3, 5 Hz, Theta; 3, 57, 5 Hz, Beta; 7, 5 -30 Hz) , en la que esta incluida la frecuencia de estimulación (4, 5 , 9, 18, 30 Hz) que corresponde a diferencia expresada en Hz entre el espectro de ambos canales.

CAMPO DE LA INVENCIÓN

EI campo de la invención es: el sector de la educación relativo a la elaboración de métodos que faciliten el aprendizaje de cualquier tipo de materia; el sector de la sanidad relativo a la elaboración de métodos que faciliten las terapias basadas en la música; sector de investigación en neurociencia y biomedicina relativo al diseño de procedimientos para el estudio de las funciones cerebrales; y la criptología.

ANTECEDENTES DE LA INVENCIÓN

El objeto de la invención es realizar la grabación de señales sonoras complejas utilizando un algoritmo que facilita la producción de una señal sonora compleja dicótica, en la cual en cada instante el espectro de frecuencias del canal derecho se diferencie del espectro del canal izquierdo en un número determinado de Hercios.

Se entiende por señal sonora compleja aquella señal que se genera por la superposición varias señales.

Una señal compleja dicótica es aquella señal grabada en estéreo en la que la señal presente en canal izquierdo se diferencia de la del canal derecho en algún parámetro.

En nuestro caso el parámetro diferenciador es que en cada instante las dos señales se diferencias en un numero determinado de Hercios de puede tomar los valores de 0, 5 Hz a n x kHz.

Las respuestas auditivas de estado estable (ASSRs) se registran con electrodos superficiales utilizando estímulos acústicos con rápidas tasas de repetición.

Las características de las ASSRs permanecen constantes en el tiempo, y muchos estudios muestran que las mayores amplitudes se consiguen a tasas de estimulación de alrededor de 40 Hz y entre 80 y 90 Hz (nº de estímulos por sg) (Picton et al., 2003) y las ASSRs se identifican típicamente con la aplicación de esas relaciones de estimulación.

Las características de las ASSR a 40 Hz fueron descritas por primera vez por Galambos et al. (1992) , quién atribuyó su generación a la superposición de componentes de respuestas de latencia media

Desde su descubrimiento, las ASSRs han ido ganado popularidad debido a las potenciales aplicaciones en audiología, anestesiología, neurología y neuropsiquiatría (Erwin y Buchwald, 1986, Thornton et al., 1989; Clementz et al., 1997; Kwon et al., 1999; Van Maanen y Stapells, 2005; Sharma al del et., 2005) .

Estos métodos han evolucionado desde simples estimaciones en 2D (Gorodnitzky et at., 1992, Hamalainen y Ilmoniemi, 1984) , hacia implementaciones más sofisticadas en 3D (Dale y Sereno, 1993) ; Fuchs et al., 1995; Gorodnistky et al., 1995; loannides et at., 1989; Pascual-Marqui et at., 1994; Srebro R, 1996; Valdés-Sosa et at., 2000; Wang et al., 1992; Hamatainen y llmoniemi, 1994) .

Este tipo de métodos han sido diseñados para abordar el hecho de la no unicidad de la solución y la inestabilidad numérica del Pl restringiendo el espacio de solución a aquellas regiones del cerebro capaces de generar los voltajes medidos sobre el cuero cabelludo. Se aplican restricciones anatómicas o se imponen restricciones físicas o matemáticas al espacio de solución mediante la regularización y utilización de diferentes operadores o estabilizadores (Tikhonov y Arsenin, 19771.

La mayoría de estos enfoques utilizan procedimientos lineales de estimación, los cuales aunque dan buenos resultados cuando trabajan con activaciones generalizadas, fallan cuando se trata de estimar fuentes más concentradas, espacialmente por su tendencia a dar soluciones suavizadas.

Avances en este aspecto se han obtenido en los últimos años con el desarrollo de métodos que utilizan operadores no lineales (Fuchs et at., 1999; Matsuura y Okabe, 1997; Vega-Hernández et at. 2008) .

Dada la variedad de métodos disponibles para obtener una solución única el investigador se enfrenta de nuevo al problema de la unicidad de la solución, ya que tiene que seleccionar entre la solución que da cada método aquella que sea más apropiada para explicar los datos.

Debemos entonces buscar una medida que cuantifique lo bueno que es el método seleccionado para manejar los datos. Schmidt et at. 1999 [275], señala la necesidad de no considerar una "mejor" solución única para el Pl del EEG/MEG sino una distribución de soluciones.

El problema de seleccionar un modelo teniendo en cuenta el ajuste a los datos ha sido ampliamente tratado en la última década en la literatura utilizando un enfoque Bayesiano, múltiples soluciones han sido propuestas y aplicadas en diferentes campos de la investigación científica (Geweke, 1994; Green, 1995; Rafter y et at., 1993; Vidakovic, 1998) .

En el caso de las neuroimágenes, el enfoque Bayesiano ha sido utilizado en [a formulación de algunos modelos especiales, no solamente para et EEG/MEG (Baittet y Garnero, 1997; Bosch-Bayard et at., 2001; Clarke, 1991, 1994) , sino para otros tipos de neuroimágenes como el RMNf (Everitt y Butlmore, 1999; Friston et al 2002a, b, c) e incluso para et registro conjunto de EEG/MEG y RMNf (Trujillo-Barreto et al., 2001) .

Desafortunadamente todos estos enfoques se limitan a usar la teoría Bayesiana para inferir los parámetros del modelo a utilizar y no explotan completamente la potencialidad que esta teoría brinda.

El último nivel de inferencia, el cual es generalmente omitido, es el que brinda la respuesta al problema de la selección del modelo.

Efectivamente, la técnica de representación mediante mapeo cerebral resulta atractiva ya que proporciona gráficos más fácilmente interpretables que los diagramas bidimensionales convencionales, mostrándose además estéticamente agradable.

No obstante cuenta con diversos inconvenientes.

Entre ellos destaca la necesidad de usar al menos 32 canales para obtener registros fiables (aun así, el 99 por 100 de los píxels – puntos o unidades de representación gráfica – en una representación de mapeo cerebral son inferidos: la actividad de los puntos sobre los que no se han colocado electrodos se calcula a partir de la actividad captada por electrodos próximos) . Debido a dicha necesidad de utilización de múltiples canales, se requiere el empleo de un casco de electrodos, con los problemas que ello conlleva.

Un segundo inconveniente es que la amplitud del registro EEG suele resultar menor cerca de las zonas donde se ha emplazado la referencia, y mayor en zonas alejadas, lo que produce un mapa inexacto de actividad.

Finalmente, otra crítica consiste en que la codificación por colores típica de mapeo distingue, en ocasiones de forma dramática y llamativa, niveles de actividad que pueden en realidad diferenciarse de forma mínima, lo que puede también propiciar un análisis sesgado (Carretié e Iglesias, 1995) .

Por todas estas razones, se recomienda la utilización de mapeo cerebral como forma de presentar los datos, pero no con propósitos analíticos o inferenciales (Pivik y cols, 1993) .

Todos estos antecedentes citados se refieren a medios y técnicas (ASSRs, PAee, IRMfe, EEG, Análisis de fuentes...

 


Reivindicaciones:

1ª. PROCEDIMIENTO PARA LA GENERACIÓN DE SEÑALES COMPLEJAS SONORAS DICÓTICAS

donde el procedimiento se refiere al tratamiento de la señal digital sonora compleja, caracterizado esencialmente por que la invención consiste en un algoritmo aplicado a conseguir grabaciones en estéreo dicóticas, en las que, en 5 cada instante, el canal derecho se diferencia del izquierdo en un número de determinado de Hercios (Hz) .

2º. PROCEDIMIENTO PARA LA GENERACIÓN DE SEÑALES COMPLEJAS SONORAS DICÓTICAS

donde el procedimiento se refiere al tratamiento de la señal digital sonora de acuerdo con la 1ª reivindicación y caracterizado por que el procedimiento permite la elaboración de estímulos complejos (constituidos por más de una señal) estéreos, con un espectro de frecuencias diferente en cada canal.

3º. PROCEDIMIENTO PARA LA GENERACIÓN DE SEÑALES COMPLEJAS SONORAS DICÓTICAS donde el procedimiento se refiere al tratamiento de la señal digital sonora compleja de acuerdo con las reivindicaciones anteriores y caracterizado por la utilización un algoritmo que utiliza las características de la Transformada Rápida de Fourier (TRF) para, en una señal grabada en estéreo, hacer que el canal izquierdo se diferencie del izquierdo en un número determinado Hz.