Profesor | Octavio Abraham Bureos Lecona |
Profesor | Gabriela González González |
Ayudante | Isabel Ruelas Galindo |
Curso Optativo: Temas selectos en Biomatemáticas Semestre: 2023-1
Horario Tentativo: Martes y Jueves 10:00hrs – 11:30hrs
Profesores:
M. en C. Octavio Lecona
M. en C. Gabriela González
Resumen
El cuerpo humano es capaz de emitir distintas señales fisiológicas (bioseñales) que pueden ser monitoreadas con diferentes equipos tecnológicos. Dichas bioseñales pueden ser originadas por una célula o una población de ellas y reflejan el comportamiento subyacente de los órganos que componen al cuerpo humano. Durante el curso visualizaremos distintas señales registradas a partir de la actividad eléctrica de órganos, tales como el cerebro (con electroencefalografía), el corazón (con electrocardiografía) y el músculo (con electromiografía) en distintas condiciones para identificar diferencias fisiológicas.
Además, durante el curso utilizaremos software especializado (Mathematica y MATLAB) para realizar análisis de datos masivos y aproximaciones cuantitativas que nos arrojen información del estado del sistema biológico. Con estás herraminetas nos apoyaremos para explorar diferencias fisiológicas entre estados clínicamente sanos y patológicos.
El curso se impartirá de manera virtual en la plataforma de zoom. Enlace para clases:https://cuaieed-unam.zoom.us/j/85424184974
Índice Temático |
|
Modulo |
Tema |
1 |
Células excitables y generalidades anatómico-fisiológicas del cerebro y de los músculos esquelético y cardiaco. |
2 |
Análisis cuantitativos de series de tiempo. |
3 |
Técnica electroencefalográfica y análisis cuantitativos de datos de EEG. |
4 |
Técnica electrocardiográfica y análisis cuantitativos de datos de ECG. |
5 |
Técnica electromiográfica y análisis cuantitativos de datos de EMG. |
SEMANA |
|
1 |
Presentación del curso y criterios de evaluación. |
Módulo 1. 1.1 Células excitables: neuronas y células musculares.
1.3 Neurotransmisores. |
|
2 |
1.5 Neuronas y glia. 1.6 Potencial de acción neuronal. |
1.7 Células musculares esqueléticas.
|
|
3 |
1.10 Células musculares cardiacas. 1.11 Corazón y sistema de conducción cardiaco. |
1.12 Sistemas mecánicos y eléctricos de las células musculares cardiacas. 1.13 Potenciales de acción en músculo cardiaco. 1.14 Regulación de la función cardiaca por el sistema nervioso autónomo. |
|
4 |
Tarea Módulo 1 |
Módulo 2. 2.1 Series de tiempo. 2.2 Principios de programación para la generación y el análisis de series de tiempo en Mathematica y MATLAB. |
|
5 |
2.3 Estadística descriptiva. 2.4 Programación de medidas descriptivas en Mathematica y Matlab. |
2.5 Transformada de Fourier. 2.6 Programación de la transformada de Fourier en Mathematica y Matlab. |
|
6 |
2.7 Transformada Wavelet Continua (CWT) 2.8 Programación de la CWT en Matlab. |
Módulo 3. Práctica (presencial): Registro electroencefalográfico superficial con sistema EMOTIV-EPOC |
|
7 |
Práctica (presencial): Registro electroencefalográfico superficial con sistema EMOTIV-EPOC |
Práctica Computacional: Transformada de Fourier aplicada a datos de EEG. |
|
8 |
Práctica Computacional: Transformada Wavelet aplicada a datos de EEG. |
3.1 Correlación y covarianza. 3.2 Matrices de correlación y de covarianza. |
|
9 |
3.3 Programación en Mathematica y MATLAB de matrices de correlación y covarianza. |
Práctica Computacional: Aplicación de correlación a datos de EEG |
|
10 |
3.4 Redes funcionales basadas en EEG. 3.5 Programación en Mathematica y MATLAB de redes funcionales. |
Práctica Computacional: Aplicación de redes funcionales a datos de EEG. |
|
11 |
Modulo 4. 4.1 Introducción al electrocardiograma (ECG). 4.2 Derivaciones del ECG. 4.3 Datos del registro electrocardiográfico y ondas PQRSTU. |
Práctica Computacional: Transformada de Fourier aplicada a datos de ECG Práctica Computacional: CWT aplicada a datos de ECG. |
|
12 |
Modulo 5. 5.1 Introducción al electromiograma (EMG). |
Práctica Computacional: Transformada de Fourier aplicada a datos de EMG. Práctica Computacional: CWT aplicada a datos de EMG. |
|
13 |
Propuestas de proyectos |
- |
|
14 |
Dudas y avances sobre proyectos |
- |
|
15 |
Dudas y avances sobre proyectos |
- |
|
16 |
Presentación de proyectos |
Calificaciones |
Evaluación:
Asistencia: 10%
Prácticas: 30%
Tarea: 30%
Proyecto: 30%
Total 100%
Bibliografía
Purves, D., Augustine, G., et al. (2012) Neurociencia. 5ª edición. Editorial Panamericana. España.
Fisiología eLibro / editores, David E. García, Sofía Xaviera García González, Daniel Guzmán Toledo. Primera edición. | Ciudad de México: Universidad Nacional Autónoma de México, Facultad de Medicina, 2019.
Steriade, M.; Gloor, P.; Llinás, R.R.; Lopes da Silva, F.H.; Mesulam, M.M. Basic mechanisms of cerebral rhythmic activities. Electroencephalogr. Clin. Neurophysiol. 1990, 76, 481–508.
Amzica, F.; Massimini, M. Glial and neuronal interactions during slow wave and paroxysmal activities in the neocortex. Cereb.Cortex 2002, 12, 1101–1113.
Torrence, C.; Compo, G.P. A practical guide to wavelet analysis. Bull. Am. Meteorol Soc. 1998, 79, 61–78.
González, G., Velasco, V. y A. Ortega. (2021). Use of covariance analysis in electroencephalogram reveals abnormalities in Parkinson’s disease. Appl. Sci. 2021 11, 9633.
Fossion R., et. al. (2019), On the Role of Continuous Physiological Monitoring and Time-Series Analysis in Medical Prognosis., AIP Conf. Proc. 2090, 050007-1–050007-7; https://doi.org/10.1063/1.5095922 Published by AIP Publishing. 978-0-7354-1820-2
Stephens et. al., (2014), La revolución de los datos, su impacto en la salud pública y la complejidad de la Diabetes Mellitus Tipo 2. Grandes retos del siglo XXl, Dirección General de Publicaciones y Fomento al País.
Lecona OA., et. al., (2016) Human aging and loss variability brain networks based on electroencephalogram (EEG) data., AIP Conf. Proc. 1747, 030004-1–030004-5; doi: 10.1063/1.4954097 Published by AIP Publishing. 978-0-7354-1404-4.