Storyboard

Los potenciales evocados extraen, mediante promediado de multiples ensayos, la respuesta neuronal especifica a un estimulo sensorial a partir de la actividad EEG de fondo (extension directa del registro de D1), ya que el promedio de senales aleatorias no correlacionadas con el estimulo tiende a cero mientras que la respuesta evocada, consistente ensayo tras ensayo, se preserva y refuerza. La mejora de la relacion senal-ruido escala con la raiz cuadrada del numero de ensayos promediados. Las caracteristicas clinicamente relevantes son la latencia (tiempo al pico de un componente especifico) y la amplitud de dicho pico; en potenciales evocados de tronco encefalico, el intervalo entre picos permite estimar la velocidad de conduccion central, una extension conceptual de la velocidad de conduccion axonal definida en E3. Un retardo respecto a valores normativos sugiere una alteracion de la via sensorial estudiada (por ejemplo, desmielinizacion como en A4), mientras que componentes cognitivos como el P300 dependen de la probabilidad subjetiva del estimulo, no solo de sus propiedades fisicas.

>Modelo

ID:('ky', 1562)

Storyboard

$AEP(t)=\frac{1}{N}\sum_{k=1}^{N}V_{EEG,k}(t)$

Variables

$N$

Número de ensayos

$1$

$AEP$

Potencial evocado promedio

$V$

$V_{EEG}$

Señal EEG por ensayo

$V$

$t$

Tiempo

$s$

>Modelo

ID:('gm', 13801)

Storyboard

$SNR_{avg}=SNR_{single}\sqrt{N}$

Variables

$N$

Número de ensayos

$1$

$SNR_{single}$

SNR de un ensayo

$1$

$SNR_{avg}$

SNR promediada

$1$

>Modelo

ID:('gm', 13802)

Storyboard

$Latency_{comp}=\arg\max_{t\in[t_1,t_2]}|AEP(t)|$

Variables

$AEP$

Potencial evocado promedio

$V$

$Latency_{comp}$

Latencia del componente

$s$

$t$

Tiempo

$s$

>Modelo

ID:('gm', 13803)

Storyboard

$Amplitude_{comp}=AEP(Latency_{comp})-Baseline$

Variables

$Amplitude_{comp}$

Amplitud del componente

$V$

$Baseline$

Línea base

$V$

$AEP$

Potencial evocado promedio

$V$

$Latency_{comp}$

Latencia del componente

$s$

>Modelo

ID:('gm', 13804)

Storyboard

$v_{central}=\frac{\Delta x}{Latency_{comp2}-Latency_{comp1}}$

Variables

$v_{central}$

Velocidad de conducción central

$m/s$

$Delta x$

Distancia de conducción central

$m$

>Modelo

ID:('gm', 13805)

Storyboard

$Latency_{comp}>Latency_{norm}+k_{\sigma}\sigma_{norm}$

Variables

$k_{sigma}$

Factor de umbral normativo

$1$

$sigma_{norm}$

Dispersión normativa

$s$

$Latency_{comp}$

Latencia del componente

$s$

$Latency_{norm}$

Latencia normativa

$s$

>Modelo

ID:('gm', 13806)

Storyboard

$Amplitude_{P300}=A_{max}(1-P_{stim})$

Variables

$P_{stim}$

Probabilidad del estímulo

$1$

$A_{max}$

Amplitud máxima P300

$V$

$Amplitude_{P300}$

Amplitud P300

$V$

>Modelo

ID:('gm', 13807)

Descripción

Red de modelo

• Método alternativo
• Método tradicional
• Estrategia
• 2D
• 3D

Ecuación

Número

Primero, seleccione la ecuación:   a ,  luego, seleccione la variable:   a 

---

Símbolo

Ecuación

Resuelto

Traducido

Cálculos

Símbolo

Ecuación

Resuelto

Traducido

 Variable   Dado   Calcule   Objetivo :   Ecuación   A utilizar

Variables

$k_{sigma}$

k_sigma

Factor de umbral normativo

1

$N$

N

Número de ensayos

1

$P_{stim}$

P_stim

Probabilidad del estímulo

1

$SNR_{single}$

SNR_single

SNR de un ensayo

1

$SNR_{avg}$

SNR_avg

SNR promediada

1

$v_{central}$

v_central

Velocidad de conducción central

m/s

$Amplitude_{comp}$

Amplitude_comp

Amplitud del componente

V

$A_{max}$

A_max

Amplitud máxima P300

V

$Amplitude_{P300}$

Amplitude_P300

Amplitud P300

V

$Baseline$

Baseline

Línea base

V

$AEP$

AEP

Potencial evocado promedio

V

$V_{EEG}$

V_EEG

Señal EEG por ensayo

V

$Delta x$

Delta_x

Distancia de conducción central

m

$sigma_{norm}$

sigma_normativa

Dispersión normativa

s

$Latency_{comp}$

Latency_comp

Latencia del componente

s

$Latency_{norm}$

Latency_normativa

Latencia normativa

s

$t$

t

Tiempo

s

ID:(0, 1562)