Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Integración de fases del ciclo cardíaco en el análisis de potencial relacionado con eventos: un protocolo para entornos bidimensionales y de realidad virtual

69 vistas

⸱

DOI:

10.3791/69752

⸱

5 de mayo de 2026

 ,  ,  ,  , 
1Research Center for Genetics and Life Sciences, Sirius University of Science and Technology, 2Samara State Medical University, 3National Research University Higher School of Economics

En este artículo

Resumen

Este protocolo describe un enfoque para investigar la modulación cardíaca dependiente de fase de potenciales relacionados con eventos visuales utilizando registros simultáneos de electroencefalografía y electrocardiografía. El protocolo detalla la sincronización de estímulos, la segmentación de fase cardíaca y el análisis de potenciales relacionados con eventos durante la sístole y la diástole, y es aplicable tanto en entornos convencionales bidimensionales como en entornos de realidad virtual inmersiva.

Resumen

El latido es un ritmo fisiológico fundamental que no solo sostiene la vida, sino que también modula los procesos perceptivos y neuronales, influyendo así en la reproducibilidad de los potenciales relacionados con eventos (ERPs). Aunque la realidad virtual (VR) ofrece entornos altamente inmersivos en comparación con las pantallas bidimensionales (2D) convencionales, también presenta desafíos únicos para la grabación electrofisiológica, incluyendo artefactos de movimiento, latencia de presentación y una modulación cardiogénica potencialmente más fuerte. Estos factores pueden disminuir la eficiencia del preprocesamiento estándar de la electroencefalografía (EEG), lo que puede provocar una pérdida considerable de datos. Este estudio presenta un protocolo detallado que combina EEG y electrocardiografía (ECG) simultáneos para investigar las interacciones corazón-cerebro tanto en condiciones de VR como en 2D. El enfoque implica una alineación precisa de estímulos con señales cardíacas, corrección de la latencia inducida por la VR y una gestión prolongada de artefactos. La segmentación de las épocas EEG según si ocurrían estímulos durante la sístole cardíaca o la diástole reveló una supresión robusta de la amplitud visual de la ERP durante la sístole. De forma crítica, este efecto supresor fue casi idéntico tanto en entornos VR como 2D, demostrando la eficacia del protocolo y confirmando que esta interacción fundamental corazón-cerebro es resistente a cambios en el nivel de inmersión. Este protocolo, por tanto, ofrece un marco estandarizado para investigar la influencia cardíaca en la cognición, adaptable a diversos métodos de presentación visual.

Introducción

La actividad rítmica del corazón se reconoce cada vez más no solo como un proceso homeostático vital, sino también como un modulador fundamental de la función cerebral y lacognición. Un creciente cuerpo de evidencia demuestra que las señales cardíacas ejercen una influencia continua sobre un amplio espectro de procesos neurocognitivos, incluyendo la percepción, la atención, la regulación emocional yla conciencia 2,3. Este eje corazón-cerebro está mediado por señales interoceptivas aferentes de barorreceptores cardiovasculares y mecanorreceptores, que proyectan a través del tronco encefálico hacia áreas corticales donde se integran con la información sensorial exteroceptiva 4,5. En consecuencia, el cerebro no procesa los estímulos externos de forma pasiva, sino que lo hace dentro del contexto del estado interno del cuerpo, cuyo indicador clave es la fase del ciclo cardíaco.

El principal desafío metodológico es revelar cómo la actividad neural cardiogénica influye en el procesamiento de estímulos externos, medidos por ERP visuales. La manifestación electrofisiológica más destacada de esta interacción es el potencial evocado por el latido cardíaco (HEP), un patrón específico de actividad EEG que está bloqueado en el tiempo de la contraccióncardíaca 6. La HEP se considera un marcador neural de la atención interoceptiva, que refleja la codificación predictiva del cerebro sobre el latido inminente y sus consecuencias para el procesamiento sensorial 7,8. Según modelos contemporáneos, el cerebro utiliza estas señales cardíacas para crear una representación unificada del estado interno del cuerpo dentro de su contexto externo 9,10. La evidencia empírica indica que el procesamiento de estímulos externos, incluyendo su saliencia perceptual y correlaciones neuronales subyacentes, varía significativamente dependiendo de si se presentan durante la sístole cardíacao la diástole 11,12,13. Los estímulos presentados durante la sístole (la fase de contracción) se asocian consistentemente con un procesamiento neural suprimido, evidenciado por amplitudes reducidas de la ERP y respuestas conductuales alteradas, en comparación con los presentados durante la diástole (la fase de relajación)14,15,16. Este efecto se explica por la hipótesis del "gating somatosensorial", que postula que el cerebro suprime el procesamiento de señales exteroceptivas para priorizar temporalmente las señales interoceptivas cardíacas durante lasistole 15,17.

A pesar del creciente interés en el eje corazón-cerebro, los protocolos estándar de análisis ERP se centran exclusivamente en estímulos externos, segmentando las épocas en relación con el inicio del estímulo y, por tanto, ignorando la profunda variabilidad ensayo por ensayo introducida por el ciclo cardíaco en curso. Para capturar con precisión la modulación del ciclo cardíaco de las ERP visuales, se requiere un enfoque fundamentalmente diferente. Esto requiere la alineación precisa de la presentación del estímulo con fases cardíacas específicas, verificada mediante el registro simultáneo deECG 18. La literatura actual carece de protocolos estandarizados, detallados y fácilmente reproducibles que describan de forma exhaustiva todas las etapas de procesamiento, desde la adquisición de datos en bruto hasta el análisis estadístico, teniendo en cuenta las fases cardíacas.

Surge un desafío metodológico adicional con la rápida adopción de tecnologías inmersivas como la realidad virtual en neurociencia. Los entornos VR ofrecen contextos altamente inmersivos y atractivos, permitiendo la creación de entornos experimentales controlados perorealistas 19,20 . Sin embargo, la adquisición simultánea de datos de EEG y ECG de alta calidad en un entorno de realidad virtual está asociada a varias dificultades técnicas. Estos incluyen posibles artefactos de movimiento, interferencias electromagnéticas del auricular y la necesidad crítica de una sincronización temporal precisa entre la presentación de estímulos (a menudo con latencia inherente), la adquisición de datos y los sistemas de seguimientode movimiento 21. Estos desafíos técnicos han contribuido a la escasez de protocolos de análisis robustos diseñados específicamente para la comparación directa de la modulación neuronal dependiente del cardio entre paradigmas clásicos 2D e inmersivos de VR. Esta falta de un marco común acaba dificultando la investigación sobre cómo la inmersión y la presencia modulan los mecanismos fundamentales de interacción cerebro-cuerpo.

Para abordar estos desafíos, este trabajo presenta un protocolo metodológico integral y paso a paso para investigar la modulación del ciclo cardíaco de las ERP visuales mediante la integración simultánea de registros de EEG y ECG. La piedra angular del enfoque es la segmentación de los datos neuronales en relación con el pico R cardíaco, lo que permite clasificar los estímulos en función de su aparición durante la sístole o la diástole. De manera crucial, se emplea un análisis basado en datos de toda la época posterior al estímulo para identificar ventanas temporales específicas en las que la fase cardíaca ejerce una influencia moduladora significativa sobre la respuesta neuronal. Las principales contribuciones de este trabajo son tres: (1) se proporciona un protocolo completo y visualizado diseñado para una replicación sencilla, (2) el protocolo se adapta y valida para comparar los datos adquiridos usando un monitor 2D estándar y un casco de realidad virtual inmersiva, y (3) la utilidad del protocolo se demuestra al revelar cómo los estímulos faciales de valencia emocional modulan de forma diferencial la influencia cardíaca en el procesamiento neuronal dependiendo de la inmersión del entorno.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

El estudio fue aprobado por el Comité de Bioética de la Universidad Estatal de Medicina de Samara (código de protocolo 195, fechado el 10 de octubre de 2018). Todos los participantes proporcionaron su consentimiento voluntario informado antes del estudio. La muestra final consistió en 27 voluntarios varones sanos de entre 19 y 21 años. Durante las sesiones de exámenes, cada participante completó una serie de evaluaciones estandarizadas administradas individualmente. Los reactivos y el equipo utilizado se enumeran en la Tabla de Materiales.

1. Materiales y equipamiento

NOTA: Utiliza hardware y software funcionalmente equivalentes cuando sea apropiado. Consulte la Figura 1 para una visión general de la configuración experimental, incluyendo la disposición del sistema y las conexiones. Prepara el siguiente equipo y software antes del experimento. A continuación se describen los requisitos generales y las configuraciones específicas se enumeran en la Tabla de Materiales.

  1. Sistema de adquisición EEG/ECG
    1. Utiliza un sistema de amplificación que permita la grabación simultánea de EEG y ECG.
    2. Utiliza electrodos EEG que puedan reasignarse desde el cuero cabelludo para la grabación del ECG.
  2. Opciones de entrada ECG (el sistema EEG soporta canales bipolares)
    1. Utiliza canales de entrada bipolares dedicados para la grabación del ECG, cuando esté disponible.
    2. Reasignar dos electrodos EEG no críticos para formar un par de ECG bipolares si no hay canales bipolares dedicados disponibles.
  3. Opciones de entrada ECG (el sistema EEG solo admite canales monopolarios)
    1. Utiliza un adaptador diferencial para enrutar las señales ECG hacia una entrada auxiliar (AUX) o diferencial.
    2. Utiliza electrodos pasivos y electrodos adhesivos desechables compatibles con la configuración de entrada seleccionada.
  4. Presentación del estímulo
    1. Utiliza un ordenador con una pantalla de alta frecuencia de refresco (≥120 Hz) para una presentación 2D.
    2. Utiliza una pantalla montada en la cabeza con un monitor secundario para el espejo de señal en presentaciones en VR.
  5. Sincronización y sensores
    1. Utiliza un fotodiodo o fotosensor con accesorios de montaje y conéctalo al sistema de adquisición EEG.
  6. Software
    1. Utiliza un entorno de ejecución VR y un software de control de estímulos capaz de sincronización, secuenciación y salida de disparos precisos.
    2. Utilizar software de análisis EEG/ECG que soporte el manejo de eventos, preprocesamiento y análisis ERP; Utiliza scripts personalizados opcionales si es necesario.
  7. Entorno de laboratorio y accesorios
    1. Utiliza una sala blindada y debidamente aislada para el registro de EEG.
    2. Proporciona una silla cómoda, soluciones para la gestión de cables, suministros para la preparación de la piel, gel conductor y materiales de higiene para pantallas montadas en la cabeza.

2. Configuración del sistema y detección de latencias

  1. Instala y configura el software de presentación de estímulos.
    1. Condición VR
      1. Instala el entorno VR específico del fabricante necesario para la pantalla montada en la cabeza.
      2. Despliega la aplicación experimental de estímulo en el casco de realidad virtual según la documentación en tiempo de ejecución.
      3. Realizar la configuración inicial del sistema VR calibrando el sistema de seguimiento (si corresponde) y definiendo los límites de las áreas de juego según las instrucciones del fabricante para garantizar un seguimiento estable y minimizar artefactos relacionados con el movimiento.
    2. Condición 2D
      1. Optimiza la estación de trabajo de presentación de estímulos deshabilitando aplicaciones y procesos en segundo plano innecesarios para minimizar interrupciones y retrasos temporales durante la adquisición de datos.
  2. Crea el montaje de grabación en el software de adquisición del EEG.
    1. Crea un nuevo espacio de trabajo o configuración de grabación y ponle nombre según el identificador del estudio.
    2. Asigna los canales EEG y reserva los canales de entrada AUX según la documentación del hardware del amplificador.
    3. Añade dos canales adicionales para las señales de fotodiodo y ECG. Configura los nombres de los canales, tipos y unidades según corresponda, e incluye estos canales en el mismo archivo de grabación que el EEG. Etiqueta el canal ECG de forma consistente (por ejemplo, "ECG").
  3. Mide la latencia de presentación del estímulo usando un fotodiodo.
    1. Conecta el fotodiodo a una entrada AUX disponible del amplificador EEG.
    2. Condición VR: Montar el fotodiodo en la lente del casco en una ubicación correspondiente a un parche de luminancia bloqueado por estímulo. Presenta al menos 100 eventos de estímulo y registra la señal del fotodiodo para medir la latencia de visualización y el jitter de prueba a prueba en relación con el disparador previsto. Tras completar las mediciones de VR, reubica el fotodiodo en la pantalla 2D.
    3. Condición 2D: Coloque el fotodiodo sobre un área de píxel dedicada a estímulo bloqueado en el monitor. Presenta al menos 100 eventos de estímulo y graba la señal del fotodiodo para medir la latencia y el jitter en la pantalla respecto al disparador previsto.
    4. Opcional: Si hay dos fotodiodos disponibles, conecta cada sensor a un canal AUX separado y presenta destellos sincronizados para medir latencias 2D y VR simultáneamente.
    5. Retira el fotodiodo de la pantalla 2D tras completar las mediciones de latencia para evitar obstruir la vista del participante.
    6. Calcula la latencia media de visualización y la desviación estándar (jitter) para cada entorno de presentación.
    7. Documenta los valores de latencia y jitter por separado para las condiciones 2D y VR.
    8. Verifica que el jitter de latencia se mantenga estable durante toda la sesión. Si se modifican los ajustes de hardware o software, repite las mediciones de latencia.
  4. Configura el canal de grabación ECG.
    1. Determinar la configuración de entrada del ECG en función de las capacidades disponibles del amplificador (canales bipolares soportados vs. solo canales monopolarios; véanse los pasos 1.2 y 1.3).
    2. Si se admite la grabación de ECG bipolar, activa la entrada dedicada de ECG bipolar en el software de grabación y reserva la etiqueta de canal "ECG".
    3. Si solo hay canales monopolares disponibles, conecta un adaptador diferencial a una entrada AUX o diferencial y mapea esta entrada como el canal ECG en el software de grabación. Reserva la etiqueta del canal "ECG."
    4. No coloques electrodos ECG en esta fase. Realizar comprobaciones de colocación de electrodos e impedancia durante la preparación del participante.

3. Preparación de participantes

  1. Colocación de la tapa EEG
    1. Ajusta la cápsula EEG según el sistema internacional 10–10 o 10–20 alineando el electrodo Cz y ajustando el tamaño de la tapa a la circunferencia de cabezadel participante 22.
    2. Parte el pelo en cada sitio del electrodo usando un hisopo de algodón o una cánula de punta roma (aproximadamente 2–3 mm de diámetro). Aplica un abrasivo suave o una solución de preparación de piel para reducir la impedancia.
    3. Coloca cada electrodo, aplica gel conductor y asegura un contacto firme con el cuero cabelludo girando suavemente el soporte del electrodo. Evita crear puentes de gel conductores entre electrodos vecinos.
    4. Mide las impedancias de los electrodos y redúcelas por debajo de 8 kΩ (o el estándar de laboratorio) repitiendo la raya del cabello, aplicando preparación adicional para la piel o añadiendo gel conductor según sea necesario.
    5. Asegura cables EEG para minimizar el movimiento y verifica que el participante se sienta cómodo antes de continuar.
  2. Colocación de electrodos de ECG
    1. Limpia la piel del lado interno (orientado hacia la palma) de ambas muñecas con toallitas con alcohol y deja que la piel se seque completamente.
    2. Coloque electrodos adhesivos desechables en las muñecas para registrar el Plomo I estándar de la extremidad, posicionando el electrodo negativo en la muñeca derecha y el positivo en la izquierda. Asegúrate de tener un buen contacto con los electrodos y evita colocarlos sobre prominencias óseas.
    3. Asegura los cables ECG usando cinta médica, dejando pequeños bucles holgurosos para reducir los artefactos relacionados con el movimiento.
    4. Verifica la señal del ECG en reposo. Asegúrate de que los picos R sean claramente visibles y estén en posición vertical. Si los picos R parecen invertidos, se intercambia la polaridad del electrodo. Confirma que la señal del ECG se mantiene estable a lo largo del tiempo.
    5. Si se utiliza un solo amplificador para grabación de EEG y ECG, conecte los electrodos de masa de EEG y ECG según lo requiera el sistema. Cuando hay múltiples contactos de tierra disponibles, coloca electrodos de tierra separados para EEG y ECG para mejorar la estabilidad de la señal, asegurando que todos los electrodos de tierra estén conectados internamente dentro del amplificador.

4. Ajuste del casco de VR (solo en condiciones de VR)

  1. No retire la tapa del EEG ni desconecte ningún electrodo de EEG o ECG antes de que se instale el auricular.
  2. Afloja la correa superior y el mecanismo de apriete trasero del casco de realidad virtual para poder colocarlo sobre la tapa EEG.
  3. Indica al participante que coloque la parte frontal del casco de realidad virtual sobre su cara. Baja la parte trasera sobre la tapa del EEG y aprieta gradualmente las correas hasta que el auricular quede bien ajustado.
    1. Asegúrate de que los auriculares no ejerzan una presión excesiva sobre los electrodos EEG. Ajusta el ajuste para evitar que el casco resbale, manteniendo la comodidad del participante durante un uso prolongado. Inspecciona la señal EEG en busca de ruido de línea o artefactos inducidos por la presión y reajusta el auricular si esnecesario 23.
  4. Reflejar la salida de la pantalla VR a un monitor secundario para permitir la supervisión en tiempo real de la presentación del estímulo y el comportamiento de los participantes.
  5. Revisa las impedancias de los electrodos EEG después de ajustar los auriculares. Reaplicar gel conductor en cualquier canal que exceda 8 kΩ (o el estándar de laboratorio). Repite las comprobaciones de impedancia periódicamente durante toda la condición de VR.

5. Grabación

  1. Presentación del estímulo
    1. Presenta los estímulos visuales con un tiempo preciso y reproducible. Envía y registra los desencadenantes de eventos para cada inicio de estímulo dentro de la grabación EEG. Utiliza parámetros de temporización idénticos del estímulo (por ejemplo, duración del estímulo, intervalo entre estímulos) en los entornos 2D y VR.
  2. Seguimiento de participantes
    1. Instruye al participante a minimizar el movimiento de la cabeza y el parpadeo durante la presentación del estímulo. Monitoriza continuamente las señales de EEG y ECG durante la grabación. Pausa el experimento si es necesario para corregir las impedancias de los electrodos o ajustar el cableado.
  3. Bloques de grabación
    1. Graba datos en ambos entornos de presentación (2D y VR). Contrarrestar el orden de los entornos entre participantes cuando sea aplicable para controlar los efectos del orden.

6. Preprocesamiento EEG

  1. Importación de datos y verificación de canales
    1. Importa los datos continuos del EEG, ECG y fotodiodo en el software de análisis EEG. Verifica que todas las etiquetas, tipos y unidades de canal estén correctamente asignados.
  2. Filtrado de señales
    1. Aplica un filtro de muesca en la frecuencia local de la línea eléctrica (50 Hz o 60 Hz). Incluye frecuencias armónicas si lo exige el estándar del laboratorio.
    2. Aplicar un filtro pasa banda a los datos del EEG según el estándar de laboratorio (por ejemplo, 0,1–40 Hz).
  3. Corrección y reetiquetado de marcadores de eventos
    1. Corrige los marcadores de eventos de estímulo restando la latencia de visualización específica del entorno medida en el paso 2.3. Generar marcadores de estímulo corregidos por latencia para análisis posteriores.
    2. Reetiqueta los marcadores de estímulo según el entorno de presentación (por ejemplo, etiquetas de eventos con prefijo "2D_" o "VR_").
  4. Detección y corrección de artefactos
    1. Inspecciona visualmente los datos continuos en busca de artefactos. Identificar y marcar segmentos que contengan ruido excesivo o artefactos de movimiento. Interpola canales defectuosos cuando sea apropiado, siguiendo los procedimientos estándar de laboratorio.
    2. Realizar análisis independiente de componentes (ICA)24 para identificar artefactos oculares y musculares. Inspecciona los cursos a tiempo parcial, las topografías del cuero cabelludo y las características espectrales. Eliminar componentes relacionados con el artefacto basándose en criterios objetivos o en el juicio experto. Cuando sea apropiado, amplía los enfoques basados en ACI o regresión para modelar artefactos relacionados con los cardiálogos.
    3. Calcular los ERP bloqueados en el tiempo al pico R usando los mismos parámetros de preprocesamiento que para los ERP bloqueados por estímulo. Inspeccionar las formas de onda resultantes y las topografías del cuero cabelludo para evaluar la posible contaminación por artefactos del campo cardíaco (CFA) 25. Identificar complejos prominentes similares a QRS u otras desviaciones relacionadas con el ECG en las señales del EEG (Figura 2), que indican actividad cardíaca residual y volumen conducida al cuero cabelludo.
      1. Si se observa una actividad cardíaca significativa, aplicar procedimientos correctivos adicionales, regresión general basada en modelos lineales usando el ECG como predictorcontinuo 26, métodos extendidos basados en ACI o enfoques basados en aprendizajeautomático 27.
    4. Ten en cuenta la superposición entre los ERP bloqueados por estímulo y los HEP. Utiliza métodos que modelen explícitamente respuestas neuronales superpuestas, como enfoques basados en regresión odesconvolución 26. Cuando sea apropiado, aplicar procedimientos basados en sustitutos o análisis de control para evaluar la robustez de los efectos neuronales relacionados conel corazón 28,29.

7. Segmentación de fase cardíaca (offline)

  1. Detectar picos R
    1. Detectar automáticamente los picos R en la señal ECG usando el software de análisis. Revisa manualmente todos los eventos detectados y corrige los picos R detectados o erróneamente detectados para asegurar una sincronización precisa del latido.
  2. Define fases cardíacas
    1. Define sístole y diástole teniendo en cuenta las diferencias interindividuales en la frecuencia cardíaca y la variabilidad latido a latido. Prefiere definiciones específicas de ciclo sobre ventanas temporales fijas cuando sea posible.
      NOTA: Utilice uno de los siguientes enfoques: (1) Defina la sístole y la diástole como proporciones de cada intervalo R-R individual, consistente con la relación no lineal entre la frecuencia cardíaca y la duración de las fases cardíacas; (2) Cuando la calidad de la señal ECG lo permita, definir el final de la sístole usando el extremo de la onda T como marcador fisiológicamente aterrizado; (3) Si no es factible la detección fiable de ondas T, definir la sistole usando una ventana temporal fija (por ejemplo, los primeros 300 ms tras el pico R). Reconoce explícitamente esta aproximación y ten en cuenta las diferencias individuales de frecuencia cardíaca en análisis posteriores.
  3. Asignar etiquetas de fase cardíaca a los estímulos
    1. Utiliza marcadores de estímulo corregidos por latencia para asignar cada estímulo a la fase cardíaca presente en el inicio del estímulo (sístole o diástole). Asigna etiquetas de fase por separado para cada entorno de presentación (2D o VR) y renombra los eventos en consecuencia (por ejemplo, 2D_systole, VR_diastole).
  4. Excluir juicios ambiguos
    1. Identificar y eliminar ensayos en los que la ventana de análisis ERP prevista abarcaría ambas fases cardíacas en función de la frecuencia cardíaca instantánea del participante.
  5. Ejemplo de implementación de software
    NOTA: Los siguientes pasos ilustran una posible implementación utilizando un paquete de software de análisis EEG que soporta la detección y reetiquetado de eventos ECG.
    1. Detección automática de picos R: Abre el menú de detección de eventos y selecciona la función de detección de latidos cardíacos. Selecciona el canal ECG con la mayor calidad de señal, define una etiqueta para los eventos detectados (por ejemplo, "pico R") y ejecuta el algoritmo de detección para generar marcadores de eventos de pico R.
    2. Revisión manual de la detección de picos R: Inspeccionar visualmente la señal ECG con marcadores superpuestos de picos R. Añade marcadores que faltan y elimina detecciones incorrectas usando las herramientas de edición de eventos que proporciona el software.
    3. Reetiquetado de eventos basado en fases cardíacas: Utiliza la combinación de eventos o función de selección para clasificar los estímulos según la fase cardíaca al inicio.
      NOTA: Para ensayos sistólicos, selecciona los estímulos que ocurren dentro del intervalo sistólico predefinido tras cada pico R. Para ensayos diastólicos, selecciona estímulos que ocurren dentro del intervalo diastólico predefinido previo al siguiente pico R. Crea nuevas categorías de eventos para la sístole y la diástole. Realiza este procedimiento por separado para cada fase cardíaca y entorno de presentación.

8. Época y promediado

  1. Epocalidad y corrección de la línea base
    1. Asignar etiquetas de fase cardíaca exclusivamente en función de la fase cardíaca presente al inicio del estímulo (es decir, sístole o diástole). Define la época ERP en relación con el inicio del estímulo. Permite que la época se extienda a fases cardíacas posteriores sin afectar la clasificación de fases.
    2. Utiliza una duración de época de aproximadamente 400 ms. Si se requiere una ventana más larga (por ejemplo, 600 ms), se excluyan los ensayos en los que la ventana de análisis se extiende sustancialmente a la fase cardíaca posterior. Aplica la corrección basal usando un intervalo corto antes del estímulo (por ejemplo, -50 a 0 ms, o -50 a -2 ms).
  2. Promediado
    1. Calcular los ERP por separado para las cuatro condiciones experimentales: 2D_systole, 2D_diastole, VR_systole y VR_diastole. Informa del número de ensayos retenidos para cada condición.
  3. Consideraciones sobre la selección de electrodos
    1. Selecciona electrodos para el análisis en función de la pregunta de investigación y la naturaleza de los componentes ERP de interés. Utiliza electrodos occipitales (O1, Oz, O2) para paradigmas visuales, ya que capturan ERPs visuales canónicos con una alta relación señal-ruido.

9. Control de calidad y resolución de problemas

  1. Jitter de latencia desencadenante-estímulo
    1. Evalúa el jitter de latencia de prueba a prueba entre las marcas de tiempo de disparo y el inicio del estímulo medido por fotodiodo. Considera problemático el jitter superior a aproximadamente 10 ms entre los ensayos, especialmente para componentes ERP tempranos. Si se observa un jitter excesivo, reevalúa el tiempo del estímulo, la sincronización de hardware y aplica correcciones de latencia específicas para la ejecución según sea necesario.
  2. Saturación o ruido en ECG
    1. Revisa el contacto del electrodo del ECG y la impedancia. Cambia la polaridad del electrodo si los picos R están invertidos. Recoloca los electrodos del ECG en los antebrazos si las grabaciones de muñeca siguen siendo ruidosas.
  3. Artefactos de presión en los cascos de realidad virtual
    1. Vuelve a colocar las correas de los auriculares para reducir la presión sobre los electrodos EEG. Añade acolchado si es necesario y vuelve a aplicar gel conductor a los electrodos afectados.
  4. Recuentos desiguales de ensayos entre fases cardíacas
    1. Ajusta la ventana de época de la ERP o el momento del estímulo para asegurar un muestreo equilibrado entre las fases sistólica y diastólica.
  5. Ensayos de fase ambigua
    1. Identificar ensayos en los que el inicio del estímulo ocurre cerca de un límite de fase cardíaca (por ejemplo, alrededor del pico R o cerca de la transición entre sístole y diástole) y donde la ventana de análisis prevista pueda abarcar ambas fases. Señala estos juicios como ambiguos. Inspeccionar la señal del ECG y el intervalo instantáneo R-R y excluir los ensayos ambiguos de análisis posteriores.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

El presente estudio empleó un protocolo de análisis para investigar la modulación ERP mediante señales interoceptivas aferentes durante la fase del ciclo cardíaco (sístole frente a diástole) en dos entornos experimentales: un monitor 2D estándar y un entorno inmersivo de realidad virtual. Se extrajeron y analizaron épocas del EEG en relación con el pico R del ECG grabado simultáneamente.

La prueba de permutación no paramétrica basada en conglomerados aplicada ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Pasos críticos dentro del protocolo
Varios pasos del protocolo propuesto son fundamentales para obtener efectos ERP cardíacos dependientes de fase. En primer lugar, es esencial la sincronización precisa entre la presentación del estímulo y la grabación del EEG, y la latencia de visualización específica del entorno debe cuantificarse mediante un fotodiodo y corregirse a nivel de marcador de evento, ya que los retrasos no corregidos o el jitter excesivo pueden provocar ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores declaran que no tienen conflicto de intereses.

Agradecimientos

Este trabajo fue apoyado por la concesión del programa estatal del Territorio Federal «Sirius» «Desarrollo científico y tecnológico del Territorio Federal «Sirius» (Acuerdo nº 28-03, fecha 27.09.2024).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
actiCAP slim / snapBrain Products GmbHBP-185-2200Tapa activa de electrodos con 64 canales.
Amplificador de laboratorio todo en uno actiCHamp Plus versátilBrain Products GmbHNota de la ACBM17120955Sistema primario de adquisición de datos EEG.
Electodos Ag/AgCl desechables de 26 mmNika-Medical LtdN/AElectrodos desechables para ECG de tres derivaciones
Adaptador BIP2AUXBrain Products GmbHN/AConecta la salida del ECG con la entrada auxiliar del EEG.
Desktop ROG Srtix ASUSTeK Computer Inc.G835LR-SA117Estación de trabajo de alto rendimiento. Utilizado para la operación simultánea del sistema de realidad virtual (HTC Vive), software de presentación de estímulos y plataforma de grabación EEG (BrainVision Recorder).
HTC Vive  Pro EyeHTC Corporation & nbsp;Nota de la FA1142100443Sistema de realidad virtual para una presentación inmersiva de estímulos.
Sensor fotográficoBrain Products GmbHN/APara la detección óptica del inicio del estímulo.
Samsung 27" ViewFinity S8 y nbsp;Samsung Electronics Co., LtdS/N 0UYMHNBXB00044DPantalla principal para la condición 2D.
Samsung 27" ViewFinity S8 y nbsp;Samsung Electronics Co., LtdS/N 0UYMHNBXB00030EExhibición del experimentador. Se utiliza para ejecutar software de grabación EEG y monitorizar datos durante experimentos.
Neiroiconica "Expert" de la habitación blindadaNeiroiconica Assistive LtdS/N figure-materials-1K20210119011Cámara blindada electromagnéticamente.
Cable de plomo de corteNeurosoft LtdN/AConecta electrodos ECG al adaptador
TriggerBox PlusBrain Products GmbHS/N TB-A100009-0624Interfaz de sincronización para disparadores TTL.

Referencias

  1. Barrett, L. F., Simmons, W. K. Interoceptive predictions in the brain. Nat Rev Neurosci. 16 (7), 419-429 (2015).
  2. Critchley, H. D., Garfinkel, S. N. Interoception and emotion. Curr Opin Psychol. 17, 7-14 (2017).
  3. Quigley, K. S., Kanoski, S., Grill, W. M., Barrett, L. F., Tsakiris, M. Functions of interoception: from energy regulation to experience of the self. Trends Neurosci. 44 (1), 29-38 (2021).
  4. Cechetto, D. F. Cortical control of the autonomic nervous system. Exp Physiol. 99 (2), 326-331 (2014).
  5. Gianaros, P. J., Wager, T. D. Brain-body pathways linking psychological stress and physical health. Curr Dir Psychol Sci. 24 (4), 313-321 (2015).
  6. Schandry, R., Sparrer, B., Weitkunat, R. From the heart to the brain: a study of heartbeat-contingent scalp potentials. Int J Neurosci. 30 (4), 261-275 (1986).
  7. Azzalini, D., Rebollo, I., Tallon-Baudry, C. Visceral signals shape brain dynamics and cognition. Trends Cogn Sci. 23 (6), 488-509 (2019).
  8. Park, H. D., Blanke, O. Heartbeat-evoked cortical responses: underlying mechanisms, functional roles, and methodological considerations. Neuroimage. 197, 502-511 (2019).
  9. Saltafossi, M., Zaccaro, A., Perrucci, M. G., Ferri, F., Costantini, M. The impact of cardiac phases on multisensory integration. Biol Psychol. 182, 108642(2023).
  10. Seth, A. K., Friston, K. J. Active interoceptive inference and the emotional brain. Philos Trans R Soc B Biol Sci. 371 (1708), 20160007(2016).
  11. Kirasirova, L. A., Pyatin, V. F. Face-related ERP is influenced by cardiac afferent information. Opera Med Physiol. 9 (1), 54-59 (2022).
  12. Martins, A. Q., Ring, C., McIntyre, D., Edwards, L., Martin, U. Effects of unpredictable stimulation on pain and nociception across the cardiac cycle. Pain. 147 (1-3), 84-90 (2009).
  13. Motyka, P., et al. Interactions between cardiac activity and conscious somatosensory perception. Psychophysiology. 56 (3), e13424(2019).
  14. Edwards, L., Inui, K., Ring, C., Wang, X., Kakigi, R. Pain-related evoked potentials are modulated across the cardiac cycle. Pain. 137 (3), 488-494 (2008).
  15. Garfinkel, S. N., et al. Fear from the heart: sensitivity to fear stimuli depends on individual heartbeats. J Neurosci. 34 (19), 6573-6582 (2014).
  16. Rau, H., Elbert, T. Psychophysiology of arterial baroreceptors and the etiology of hypertension. Biol Psychol. 57, 179-201 (2001).
  17. Gray, M. A., Rylander, K., Harrison, N. A., Wallin, B. G., Critchley, H. D. Following one’s heart: cardiac rhythms gate central initiation of sympathetic reflexes. J Neurosci. 29, 1817-1825 (2009).
  18. Pollatos, O., Schandry, R. Accuracy of heartbeat perception is reflected in the amplitude of the heartbeat-evoked brain potential. Psychophysiology. 41 (3), 476-482 (2004).
  19. Parsons, T. D. Virtual reality for enhanced ecological validity and experimental control in clinical, affective and social neurosciences. Front Hum Neurosci. 9, 520(2015).
  20. Slobounov, S. M., Ray, W., Johnson, B., Slobounov, E., Newell, K. M. Modulation of cortical activity in 2D versus 3D virtual reality environments: an EEG study. Int J Psychophysiol. 95 (3), 254-260 (2015).
  21. Pavlov, Y. G., et al. EEGManyLabs: Investigating the replicability of influential EEG experiments. Cortex. 144, 213-229 (2021).
  22. Klem, G., Lüders, H., Jasper, H., Elger, C. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  23. Larsen, O. F. P., et al. A method for synchronized use of EEG and eye tracking in fully immersive VR. Front Hum Neurosci. 18, 1347974(2024).
  24. Vigário, R., Särelä, J., Jousmäki, V., Hämäläinen, M., Oja, E. Independent component approach to the analysis of EEG and MEG recordings. IEEE Trans Biomed Eng. 47 (5), 589-593 (2000).
  25. Al, E., et al. Heart-brain interactions shape somatosensory perception and evoked potentials. Proc Natl Acad Sci USA. 117 (19), 10575-10584 (2020).
  26. Ehinger, B. V., Dimigen, O. Unfold: An integrated toolbox for overlap correction, non-linear modeling, and regression-based EEG analysis. PeerJ. 7, e7838(2019).
  27. Arnau, S., Sharifian, F., Wascher, E., Larra, M. F. Removing the cardiac field artifact from EEG using neural network regression. Psychophysiology. 60 (4), e14323(2023).
  28. Aprile, F., et al. The heartbeat-evoked potential in young and older adults during attention orienting. Psychophysiology. 62 (1), e70057(2025).
  29. Steinfath, P., et al. Validating genuine changes in heartbeat-evoked potentials using pseudotrials and surrogate procedures. Imaging Neurosci. 3, IMAG.a.30(2025).
  30. Walker, B. B., Sandman, C. A. Visual evoked potentials change as heart rate and carotid pressure change. Psychophysiology. 19 (5), 520-527 (1982).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG and MEG data. J Neurosci Methods. 164 (1), 177-190 (2007).
  32. Coll, M. P., Hobson, H., Bird, G., Murphy, J. Systematic review and meta-analysis of the relationship between the heartbeat-evoked potential and interoception. Neurosci Biobehav Rev. 122, 190-200 (2021).
  33. Kirasirova, L., Tugin, S., Pyatin, V., Kabir, M. S., Sagalajev, B. Modality-specific ERP dynamics in virtual and non-immersive environments. Proc Int Conf Neurotechnologies Neurointerfaces, , 36-39 (2025).
  34. Sagehorn, M., et al. Real-life relevant face perception is not captured by the N170 but reflected in later potentials: a comparison of 2D and virtual reality stimuli. Front Psychol. 14, 1050892(2023).
  35. Kirasirova, L., Maslova, O., Pyatin, V. Impact of virtual agent facial emotions and attention on N170 ERP amplitude: comparative study. Front Behav Neurosci. 19, 1523705(2025).
  36. Marín-Morales, J., et al. Affective computing in virtual reality: Emotion recognition from brain and heartbeat dynamics using wearable sensors. Sci Rep. 8, 13657(2018).
  37. Kirasirova, L., et al. Standardized EEG protocol for comparing cortical responses to mechanical and electrical tactile stimuli. J Vis Exp. (229), e69817(2026).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Potenciales relacionados con eventosEEG de realidad virtualinteracci n coraz n cerebropreprocesamiento de EEGelectrocardiograf a ECGartefactos de movimientoamplitud de ERP visuals stole card acadi stole card aca
Video próximamente
Contáctenos
Recomendar a la biblioteca

Privacidad

Condiciones de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.