Medidas de información y análisis de conectividad de señales de EEG

Autores
Catanzariti, Magaly Belén
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Mateos, Diego Martin
Zunino, Luciano José
Lamberti, Pedro Walter
Poza Crespo, Jesús
Aimar, Hugo Alejandro
Descripción
Fil: Catanzariti, Magaly Belén. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
Esta tesis aborda el desarrollo y la aplicación de herramientas matemáticas para el análisis de imágenes y señales biomédicas, integrando análisis funcional, procesamiento de señales y neurociencia computacional. El trabajo se estructura en dos líneas de investigación. La primera línea corresponde al desarrollo de un nuevo método para comparar imágenes multidimensionales denominado Phase Divergence Index (PDI). A partir de un marco teórico basado en espacios funcionales, distribuciones temperadas y transformadas de Fourier, Hilbert y Riesz, se construye una representación de fase multidimensional que permite definir un índice sensible a cambios estructurales. El método fue evaluado sobre imágenes sintéticas y reales, demostrando robustez frente a variaciones de intensidad, ruido y rotaciones, y capacidad para detectar diferencias estructurales no evidentes mediante técnicas convencionales. La segunda línea se centra en el análisis de señales electroencefalográficas (EEG) mediante herramientas lineales, no lineales y de conectividad funcional. Se emplearon la Densidad Espectral de Potencia (PSD), la Entropía de Permutación (PE), las Complejidades de Lempel–Ziv (LZC) y Conjunta de Lempel–Ziv (JLZC), la coherencia espectral y el Phase Lag Index (PLI) para caracterizar la dinámica cerebral. Las metodologías fueron aplicadas a cuatro bases de datos. En perros se estudiaron los efectos del envejecimiento y la trazodona durante el sueño, observándose cambios en la actividad espectral, la complejidad temporal y la conectividad funcional. En niños se analizaron cambios asociados a tareas creativas, evidenciando una reorganización de la actividad oscilatoria y la comunicación entre regiones cerebrales. En recién nacidos prematuros se evaluó la evolución de la complejidad cerebral durante la maduración temprana, mostrando que estas métricas permiten caracterizar la organización temporal y espacial de la actividad neuronal.
This thesis addresses the development and application of mathematical tools for the analysis of biomedical images and signals, integrating functional analysis, signal processing, and computational neuroscience. The work is structured into two research lines. The first line focuses on the development of a new method for comparing multidimensional images, called the Phase Divergence Index (PDI). Based on a theoretical framework involving functional spaces, tempered distributions, and the Fourier, Hilbert, and Riesz transforms, a multidimensional phase representation is constructed to define an index sensitive to structural changes. The method was evaluated on synthetic and real images, showing robustness to variations in intensity, noise, and rotations, as well as the ability to detect structural differences not evident with conventional techniques. The second line focuses on the analysis of electroencephalographic (EEG) signals using linear, nonlinear, and functional connectivity tools. Power Spectral Density (PSD), Permutation Entropy (PE), Lempel–Ziv Complexity (LZC), Joint Lempel–Ziv Complexity (JLZC), spectral coherence, and the Phase Lag Index (PLI) were used to characterize brain dynamics. The methodologies were applied to four independent datasets. In dogs, the effects of aging and trazodone during sleep were studied, revealing changes in spectral activity, temporal complexity, and functional connectivity. In children, changes associated with creative tasks were analyzed, showing a reorganization of oscillatory activity and communication between brain regions. In preterm newborns, the evolution of brain complexity during early maturation was evaluated, showing that these metrics characterize the temporal and spatial organization of neural activity.
Consejo Nacional de Investigaciones Científicas y Técnicas
Materia
Procesamiento de señales
Análisis de imágenes
Electroencefalografía (EEG)
Conectividad funcional
Complejidad cerebral
Phase Divergence Index (PDI)
Signal processing
Image analysis
Functional connectivity
Brain complexity
Phase Divergence Index (PDI)
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
Repositorio
Biblioteca Virtual (UNL)
Institución
Universidad Nacional del Litoral
OAI Identificador
oai:https://bibliotecavirtual.unl.edu.ar:11185/9000
Acceder
id UNLBT_c7ba73097a66702a4e00b95fcfcbf404
oai_identifier_str oai:https://bibliotecavirtual.unl.edu.ar:11185/9000
network_acronym_str UNLBT
repository_id_str 2187
network_name_str Biblioteca Virtual (UNL)
spelling Medidas de información y análisis de conectividad de señales de EEGInformation measures and connectivity analysis of EEG signalsCatanzariti, Magaly BelénProcesamiento de señalesAnálisis de imágenesElectroencefalografía (EEG)Conectividad funcionalComplejidad cerebralPhase Divergence Index (PDI)Signal processingImage analysisFunctional connectivityBrain complexityPhase Divergence Index (PDI)Fil: Catanzariti, Magaly Belén. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.Esta tesis aborda el desarrollo y la aplicación de herramientas matemáticas para el análisis de imágenes y señales biomédicas, integrando análisis funcional, procesamiento de señales y neurociencia computacional. El trabajo se estructura en dos líneas de investigación. La primera línea corresponde al desarrollo de un nuevo método para comparar imágenes multidimensionales denominado Phase Divergence Index (PDI). A partir de un marco teórico basado en espacios funcionales, distribuciones temperadas y transformadas de Fourier, Hilbert y Riesz, se construye una representación de fase multidimensional que permite definir un índice sensible a cambios estructurales. El método fue evaluado sobre imágenes sintéticas y reales, demostrando robustez frente a variaciones de intensidad, ruido y rotaciones, y capacidad para detectar diferencias estructurales no evidentes mediante técnicas convencionales. La segunda línea se centra en el análisis de señales electroencefalográficas (EEG) mediante herramientas lineales, no lineales y de conectividad funcional. Se emplearon la Densidad Espectral de Potencia (PSD), la Entropía de Permutación (PE), las Complejidades de Lempel–Ziv (LZC) y Conjunta de Lempel–Ziv (JLZC), la coherencia espectral y el Phase Lag Index (PLI) para caracterizar la dinámica cerebral. Las metodologías fueron aplicadas a cuatro bases de datos. En perros se estudiaron los efectos del envejecimiento y la trazodona durante el sueño, observándose cambios en la actividad espectral, la complejidad temporal y la conectividad funcional. En niños se analizaron cambios asociados a tareas creativas, evidenciando una reorganización de la actividad oscilatoria y la comunicación entre regiones cerebrales. En recién nacidos prematuros se evaluó la evolución de la complejidad cerebral durante la maduración temprana, mostrando que estas métricas permiten caracterizar la organización temporal y espacial de la actividad neuronal.This thesis addresses the development and application of mathematical tools for the analysis of biomedical images and signals, integrating functional analysis, signal processing, and computational neuroscience. The work is structured into two research lines. The first line focuses on the development of a new method for comparing multidimensional images, called the Phase Divergence Index (PDI). Based on a theoretical framework involving functional spaces, tempered distributions, and the Fourier, Hilbert, and Riesz transforms, a multidimensional phase representation is constructed to define an index sensitive to structural changes. The method was evaluated on synthetic and real images, showing robustness to variations in intensity, noise, and rotations, as well as the ability to detect structural differences not evident with conventional techniques. The second line focuses on the analysis of electroencephalographic (EEG) signals using linear, nonlinear, and functional connectivity tools. Power Spectral Density (PSD), Permutation Entropy (PE), Lempel–Ziv Complexity (LZC), Joint Lempel–Ziv Complexity (JLZC), spectral coherence, and the Phase Lag Index (PLI) were used to characterize brain dynamics. The methodologies were applied to four independent datasets. In dogs, the effects of aging and trazodone during sleep were studied, revealing changes in spectral activity, temporal complexity, and functional connectivity. In children, changes associated with creative tasks were analyzed, showing a reorganization of oscillatory activity and communication between brain regions. In preterm newborns, the evolution of brain complexity during early maturation was evaluated, showing that these metrics characterize the temporal and spatial organization of neural activity.Consejo Nacional de Investigaciones Científicas y TécnicasMateos, Diego MartinZunino, Luciano JoséLamberti, Pedro WalterPoza Crespo, JesúsAimar, Hugo Alejandro2026-09-11T14:57:57Z2026-07-07SNRDinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://hdl.handle.net/11185/9000spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.esreponame:Biblioteca Virtual (UNL)instname:Universidad Nacional del Litoralinstacron:UNL2026-09-24T12:48:21Zoai:https://bibliotecavirtual.unl.edu.ar:11185/9000Institucionalhttp://bibliotecavirtual.unl.edu.ar/Universidad públicaNo correspondeajdeba@unl.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:21872026-09-24 12:48:21.947Biblioteca Virtual (UNL) - Universidad Nacional del Litoralfalse
dc.title.none.fl_str_mv Medidas de información y análisis de conectividad de señales de EEG
Information measures and connectivity analysis of EEG signals
title Medidas de información y análisis de conectividad de señales de EEG
spellingShingle Medidas de información y análisis de conectividad de señales de EEG
Catanzariti, Magaly Belén
Procesamiento de señales
Análisis de imágenes
Electroencefalografía (EEG)
Conectividad funcional
Complejidad cerebral
Phase Divergence Index (PDI)
Signal processing
Image analysis
Functional connectivity
Brain complexity
Phase Divergence Index (PDI)
title_short Medidas de información y análisis de conectividad de señales de EEG
title_full Medidas de información y análisis de conectividad de señales de EEG
title_fullStr Medidas de información y análisis de conectividad de señales de EEG
title_full_unstemmed Medidas de información y análisis de conectividad de señales de EEG
title_sort Medidas de información y análisis de conectividad de señales de EEG
dc.creator.none.fl_str_mv Catanzariti, Magaly Belén
author Catanzariti, Magaly Belén
author_facet Catanzariti, Magaly Belén
author_role author
dc.contributor.none.fl_str_mv Mateos, Diego Martin
Zunino, Luciano José
Lamberti, Pedro Walter
Poza Crespo, Jesús
Aimar, Hugo Alejandro
dc.subject.none.fl_str_mv Procesamiento de señales
Análisis de imágenes
Electroencefalografía (EEG)
Conectividad funcional
Complejidad cerebral
Phase Divergence Index (PDI)
Signal processing
Image analysis
Functional connectivity
Brain complexity
Phase Divergence Index (PDI)
topic Procesamiento de señales
Análisis de imágenes
Electroencefalografía (EEG)
Conectividad funcional
Complejidad cerebral
Phase Divergence Index (PDI)
Signal processing
Image analysis
Functional connectivity
Brain complexity
Phase Divergence Index (PDI)
dc.description.none.fl_txt_mv Fil: Catanzariti, Magaly Belén. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
Esta tesis aborda el desarrollo y la aplicación de herramientas matemáticas para el análisis de imágenes y señales biomédicas, integrando análisis funcional, procesamiento de señales y neurociencia computacional. El trabajo se estructura en dos líneas de investigación. La primera línea corresponde al desarrollo de un nuevo método para comparar imágenes multidimensionales denominado Phase Divergence Index (PDI). A partir de un marco teórico basado en espacios funcionales, distribuciones temperadas y transformadas de Fourier, Hilbert y Riesz, se construye una representación de fase multidimensional que permite definir un índice sensible a cambios estructurales. El método fue evaluado sobre imágenes sintéticas y reales, demostrando robustez frente a variaciones de intensidad, ruido y rotaciones, y capacidad para detectar diferencias estructurales no evidentes mediante técnicas convencionales. La segunda línea se centra en el análisis de señales electroencefalográficas (EEG) mediante herramientas lineales, no lineales y de conectividad funcional. Se emplearon la Densidad Espectral de Potencia (PSD), la Entropía de Permutación (PE), las Complejidades de Lempel–Ziv (LZC) y Conjunta de Lempel–Ziv (JLZC), la coherencia espectral y el Phase Lag Index (PLI) para caracterizar la dinámica cerebral. Las metodologías fueron aplicadas a cuatro bases de datos. En perros se estudiaron los efectos del envejecimiento y la trazodona durante el sueño, observándose cambios en la actividad espectral, la complejidad temporal y la conectividad funcional. En niños se analizaron cambios asociados a tareas creativas, evidenciando una reorganización de la actividad oscilatoria y la comunicación entre regiones cerebrales. En recién nacidos prematuros se evaluó la evolución de la complejidad cerebral durante la maduración temprana, mostrando que estas métricas permiten caracterizar la organización temporal y espacial de la actividad neuronal.
This thesis addresses the development and application of mathematical tools for the analysis of biomedical images and signals, integrating functional analysis, signal processing, and computational neuroscience. The work is structured into two research lines. The first line focuses on the development of a new method for comparing multidimensional images, called the Phase Divergence Index (PDI). Based on a theoretical framework involving functional spaces, tempered distributions, and the Fourier, Hilbert, and Riesz transforms, a multidimensional phase representation is constructed to define an index sensitive to structural changes. The method was evaluated on synthetic and real images, showing robustness to variations in intensity, noise, and rotations, as well as the ability to detect structural differences not evident with conventional techniques. The second line focuses on the analysis of electroencephalographic (EEG) signals using linear, nonlinear, and functional connectivity tools. Power Spectral Density (PSD), Permutation Entropy (PE), Lempel–Ziv Complexity (LZC), Joint Lempel–Ziv Complexity (JLZC), spectral coherence, and the Phase Lag Index (PLI) were used to characterize brain dynamics. The methodologies were applied to four independent datasets. In dogs, the effects of aging and trazodone during sleep were studied, revealing changes in spectral activity, temporal complexity, and functional connectivity. In children, changes associated with creative tasks were analyzed, showing a reorganization of oscillatory activity and communication between brain regions. In preterm newborns, the evolution of brain complexity during early maturation was evaluated, showing that these metrics characterize the temporal and spatial organization of neural activity.
Consejo Nacional de Investigaciones Científicas y Técnicas
description Fil: Catanzariti, Magaly Belén. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
publishDate 2026
dc.date.none.fl_str_mv 2026-09-11T14:57:57Z
2026-07-07
dc.type.none.fl_str_mv SNRD
info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/11185/9000
url https://hdl.handle.net/11185/9000
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Virtual (UNL)
instname:Universidad Nacional del Litoral
instacron:UNL
reponame_str Biblioteca Virtual (UNL)
collection Biblioteca Virtual (UNL)
instname_str Universidad Nacional del Litoral
instacron_str UNL
institution UNL
repository.name.fl_str_mv Biblioteca Virtual (UNL) - Universidad Nacional del Litoral
repository.mail.fl_str_mv jdeba@unl.edu.ar
_version_ 1877231486255497216
score 13.24418

Publicaciones similares