Análise de entropia e complexidade estatística para caracterizar dados de
Eletroencefalograma (EEG) em humanos durante uma tarefa de tomada de decisão.
neurociência computacional, análise de dados, sistemas complexos
Entender a conectividade funcional do cérebro, como ele processa informações e percebe o mundo a
nossa volta, é um dos principais objetivos da neurociência. Para estudar essas
questões, pode-se analisar o cérebro através de séries temporais geradas pelos sinais elétricos entre os neurônios, obtidas durante diferentes processos cognitivos, e assim caracterizar de forma estatística as propriedades desses sinais. Neste
trabalho, analisamos dados de eletroencefalograma (EEG) em humanos durante uma tarefa visual do tipo
Go/No-Go à luz dos quantificadores da teoria da informação. Aqui, adotamos a metodologia de
simbolização de Bandt-Pompe para determinar uma função de distribuição de probabilidade e calcular a complexidade e a entropia para diferentes janelas de tempo ao longo da tarefa cognitiva.
Usando esses quantificadores da teoria da informação, conseguiu-se mostrar que os trials Go/No-Go
podem ser distinguidos de forma separada no plano de complexidade x entropia em diferentes janelas temporais e canais do EEG. Sendo assim, nossos resultados mostram que esses quantificadores podem ser uma boa ferramenta para
analisar e diferenciar os sinais cerebrais em diferentes atividades cognitivas. Além disso, utilizando a abordagem de
multiescala temporal, pode-se estimar as escalas de tempo mais importantes para o processamento da informação no cérebro.