O EEG é uma das ferramentas mais potentes para investigar a atividade cerebral e compreender os transtornos neurológicos. Mas seu verdadeiro valor não está no sinal bruto, e sim no que se extrai dele: as características (em inglês, features) que permitem analisar a fundo a função do cérebro e detectar possíveis anomalias.
A partir dessas características, pesquisadores e profissionais clínicos obtêm informação valiosa sobre a complexidade do cérebro humano. Elas se agrupam em três grandes famílias: domínio temporal, domínio de frequência e sincronia.
01Características no domínio temporal
Analisam o sinal de EEG ao longo do tempo. Uma característica-chave é a amplitude, que mede a intensidade da atividade elétrica. Outra é o desvio absoluto médio (MAD), que traz informação sobre a estabilidade do sinal. A taxa de cruzamentos por zero (ZCR) ajuda a identificar mudanças rápidas na forma de onda.
Essas características são muito usadas no monitoramento em tempo real e na identificação de artefatos nos registros de EEG.
- Amplitude
- Desvio absoluto médio (MAD)
- Taxa de cruzamentos por zero (ZCR)
02Características no domínio da frequência
Analisam o sinal de EEG no espectro de frequências. A densidade espectral de potência (PSD) é uma característica habitual que quantifica como a potência se distribui entre as diferentes faixas de frequência. A potência relativa (RP) calcula a proporção de potência em faixas específicas — delta, theta, alpha, beta e gamma. A entropia, que mede a complexidade do sinal, ajuda a avaliar estados cognitivos.
- Densidade espectral de potência (PSD)
- Potência relativa (RP)
- Entropia
Aplicações
As características de frequência têm amplas aplicações em interfaces cérebro-computador (BCI), análise do sono e pesquisa cognitiva. São centrais para classificar padrões de EEG associados à imaginação motora em BCI, identificar as fases do sono e diferenciar a carga cognitiva durante tarefas mentais.
03Características de sincronia
Examinam a relação entre diferentes canais de EEG ou regiões do cérebro. A coerência, muito utilizada, quantifica o nível de sincronização entre dois sinais em faixas de frequência específicas. O valor de bloqueio de fase (PLV) é outra medida essencial para avaliar a sincronização de fase das oscilações neurais. Essas características são valiosas para investigar a conectividade cerebral e estudar as redes neurais.
- Coerência
- Valor de bloqueio de fase (PLV)
Aplicações
As características de sincronia ganharam relevância no estudo de transtornos como a epilepsia, onde costumam aparecer padrões de sincronização anômalos. Também são fundamentais para mapear as redes de conectividade funcional em cérebros saudáveis.
O que trazem em conjunto
As características do EEG oferecem informação valiosa sobre a função cerebral, os estados cognitivos e os transtornos neurológicos. As do domínio temporal — amplitude, MAD, ZCR — são cruciais para o monitoramento em tempo real; as do domínio de frequência — PSD, RP, entropia — ajudam a classificar estados do cérebro; e as de sincronia — coerência, PLV — facilitam o estudo da conectividade e dos transtornos.
Compreender essas características permite aproveitar o enorme potencial do EEG, das interfaces cérebro-computador e da análise do sono até o diagnóstico e o tratamento de transtornos neurológicos.
Como usamos isso na Databrain
Em neuromarketing trabalhamos com essas mesmas características — em especial a potência relativa por faixa e a densidade espectral — para medir, com o sistema de EEG Enobio, a resposta do cérebro diante de uma marca, um anúncio ou uma experiência. O sinal bruto não decide nada; o que convertemos em evidência para o negócio é justamente o que se extrai dele.
Glossário
- Amplitude
- Intensidade da atividade elétrica registrada.
- MAD (desvio absoluto médio)
- Indicador da estabilidade do sinal.
- ZCR (taxa de cruzamentos por zero)
- Frequência com que o sinal muda de sinal; detecta mudanças rápidas.
- PSD (densidade espectral de potência)
- Distribuição da potência do sinal entre as faixas de frequência.
- Potência relativa
- Proporção de potência em uma faixa específica (delta, theta, alpha, beta, gamma).
- Entropia
- Medida da complexidade do sinal; útil para avaliar estados cognitivos.
- Coerência
- Nível de sincronização entre dois sinais em uma faixa dada.
- PLV (valor de bloqueio de fase)
- Medida da sincronização de fase entre oscilações neurais.
- BCI
- Interface cérebro-computador (brain-computer interface).
Vamos levar o EEG ao seu próximo estudo
No Databrain Lab aplicamos EEG e biossensores de grau científico para medir atenção, ativação e resposta emocional, em laboratório e em campo.
Solicitar um estudoPerguntas frequentes
O que são as características (features) do EEG?
São métricas extraídas do sinal de EEG para analisar a função cerebral e detectar anomalias. Agrupam-se em três famílias: domínio temporal, domínio de frequência e sincronia.
Quais são as faixas de frequência do EEG?
Delta, theta, alpha, beta e gamma. A potência relativa em cada faixa se associa a diferentes estados cognitivos e é uma das características mais usadas.
Para que servem as características do EEG?
Para interfaces cérebro-computador (BCI), análise do sono, pesquisa cognitiva, estudo da conectividade cerebral e diagnóstico de transtornos neurológicos como a epilepsia.
Referências
- Niedermeyer, E., & da Silva, F. L. (2004). Electroencephalography: Basic principles, clinical applications, and related fields. Lippincott Williams & Wilkins.
- Hjorth, B. (1970). EEG analysis based on time domain properties. Electroencephalography and Clinical Neurophysiology, 29(3), 306-310.
- Buzsáki, G., & Draguhn, A. (2004). Neuronal oscillations in cortical networks. Science, 304(5679), 1926-1929.
- Stam, C. J., Nolte, G., & Daffertshofer, A. (2007). Phase lag index: assessment of functional connectivity from multi-channel EEG and MEG with diminished bias from common sources. Human Brain Mapping, 28(11), 1178-1193.
Adaptado e traduzido para o português, com foco na América Latina, a partir do artigo «EEG Features for Comprehensive Brain Analysis» publicado pela Neuroelectrics.
