Automated Detection of Alzheimer's disease and other neurophysiological applications based on EEG

Abstract

Electrophysiology (EEG) refers to the technique for the acquisition of brain electrical activity using electrodes placed in the scalp. For the past years, hardware and software advancements have promoted the use of wearable EEG systems in multiple research fields such as neuromarketing, sports performance, or the detection of neurological diseases. Simultaneously, artificial intelligence techniques have experienced a remarkable growth, with machine learning approaches widely spreading across research fields. Thereby, researchers in fields like neuroscience and neuroengineering combine EEG feature extraction techniques with machine learning algorithms to study systems based on brain electrical activity for different applications. In this thesis work, we investigated a series of applications combining EEG acquisition, signal processing, and machine learning. Particularly, we focused on three main topics: attention, stress, and Alzheimer’s disease. With respect to attention, we investigated the real-time detection of the attention exerted to mobile visual stimuli, what could help to enhance attention training therapies. For this purpose, we combined EEG and gamification principles to develop a videogame based on brain activity. Regarding stress, we investigated the use of machine learning models to regress the self-perceived stress level during a stressrelax session. This may contribute to improving stress therapies such as those conducted in special needs education schools, where children are often uncapable of communicating verbally. Finally, regarding Alzheimer’s disease, we investigated two main topics focused on delivering new automated detection techniques to assist the clinicians and shorten detection times: (a) an automated approach based on EEG activity and machine learning for the real-time detection of early Alzheimer’s disease, and (b) the detection of cognitive impairment via a computerized cognitive task evaluating visual dynamics. To investigate the mentioned applications, we conducted diverse research studies. As a result, we published a series of articles in scientific journals which we have gathered into a compendium for this thesis. In addition to this compendium, in this document we introduce other valuable works conducted in collaboration with other research teams which have not been published yet. The results originated from the research works presented in this thesis have demonstrated scientific value as indicated by their publication in international scientific journals with high impact factor. Therefore, this work may provide valuable scientific insights which could impact multiple areas in research and society, such as special needs education, stress assessment for professional training or sports performance, and neurological diseases detection.

La electrofisiología (EEG) es una técnica para la adquisición de la actividad eléctrica del cerebro mediante el uso de electrodos colocados en el cuero cabelludo. Recientemente, los avances en tecnologías hardware y software han promovido el uso de sistemas EEG vestibles en múltiples campos de investigación como el neuromarketing, el deporte, o la detección de trastornos neurológicos. Simultáneamente, las tecnologías basadas en inteligencia artificial han experimentado un gran crecimiento, con aproximaciones basadas en aprendizaje automático extendiéndose por diversos campos de investigación. De este modo, los investigadores en campos como la neurociencia o la neuroingeniería, combinan técnicas de extracción de características EEG con aprendizaje automático para estudiar sistemas basados en la actividad cerebral para diversas aplicaciones. En este trabajo de tesis, hemos estudiado una serie de aplicaciones que combinan la adquisición de actividad EEG, el procesamiento de señal, y el aprendizaje automático. Concretamente, nos hemos centrado en tres temas principales: la atención, el estrés, y la enfermedad de Alzheimer. Con respecto a la atención, hemos investigado la detección en tiempo real de la atención ejercida a estímulos visuales móviles. Para ello, hemos combinado principios de gamificación con la estimulación EEG para diseñar un videojuego basado en la actividad cerebral que podría contribuir a mejorar las terapias de entrenamiento de la atención. En el caso del estrés, hemos investigado la predicción cuantitativa del estrés auto percibido durante una sesión de estrés y relajación. Esta aproximación podría contribuir a mejorar las terapias de control de estrés llevadas a cabo en escuelas de educación especial, donde los alumnos a menudo son incapaces de comunicarse verbalmente. Finalmente, en relación con el Alzheimer, hemos investigado dos temas principales relacionados con la generación de nuevos métodos de detección para asistir a los profesionales clínicos y acortar los tiempos de diagnóstico: (a) la detección automática del Alzheimer temprano a través de un sistema EEG vestible y aprendizaje automático, y (b) la detección del deterioro cognitivo mediante una tarea mental que evalúa las dinámicas visuales. Para investigar estas aplicaciones, hemos llevado a cabo una serie de estudios de campo cuyos resultados han sido publicados en revistas científicas de impacto. Dichos artículos han sido agrupados en un compendio para esta tesis. Además, en este documento reportamos trabajos adicionales realizados en colaboración con otros equipos de investigación y que aún no han sido publicados. Por todo ello, la actividad investigadora recogida en esta tesis ha demostrado tener valor científico. De este modo, este trabajo puede proporcionar resultados relevantes para diversas áreas de la investigación y la sociedad, como la educación especial, la evaluación del estrés, el rendimiento deportivo o la detección de trastornos neurológicos.