Acceso usuarios
[1]
;
Gómez, Yolanda
[1]
;
Zeise, Marc
[2]
;
González-González, Adolfo
[3]
Comuna de Concepción, Chile
Santiago, Chile
Copiapo, Chile
Antecedentes: el análisis espectral de potencia de la corteza occipital es fundamental para caracterizar la actividad cerebral en estados de atención y relajación. Objetivos: este estudio tiene como propósito desarrollar un modelo predictivo capaz de distinguir entre los estados de ojos cerrados (EC) y ojos abiertos (EO) utilizando solo dos electrodos (O1 y O2), a partir del análisis de la densidad espectral de potencia (PSD) y un índice de asimetría interhemisférica. Método: se procesaron registros de EEG de 33 estudiantes de séptimo y octavo grado mediante la Transformada Rápida de Fourier (FFT), y se analizaron utilizando un modelo de regresión logística con función de enlace tipo Cauchit. Resultados: el modelo alcanzó un AUC de 84.2%, con niveles satisfactorios de precisión y sensibilidad. Si bien el índice de asimetría por sí solo no resultó altamente predictivo, su incorporación junto con las bandas de frecuencia mejoró significativamente el rendimiento. Conclusiones: esta configuración mínima de EEG demuestra un desempeño confiable para diferenciar estados oculares en entornos no clínicos. El enfoque sugiere aplicaciones potenciales en contextos educativos y de campo, destacando el valor de soluciones EEG de bajo costo para el monitoreo cognitivo.
Background: Power spectral analysis of the occipital cortex is essential for characterizing brain activity during attentional and relaxed states. Objectives: This study aims to develop a predictive model capable of distinguishing between eyes-closed (EC) and eyes-open (EO) states using only two electrodes (O1 and O2), through analysis of power spectral density (PSD) and an interhemispheric asymmetry index. Method: EEG recordings from 33 seventh- and eighth-grade students were processed using the Fast Fourier Transform (FFT) and analyzed with a logistic regression model employing a Cauchit link function. Results: The model yielded an AUC of 84.2%, with satisfactory precision and sensitivity. While the asymmetry index alone was not highly predictive, it significantly improved performance when combined with frequency-band features. Conclusions: This minimal EEG setup demonstrates reliable performance in distinguishing ocular states in non-clinical environments. The approach suggests potential applications in educational and field contexts, emphasizing the value of low-cost EEG solutions in cognitive monitoring.
