Detector de Pliegues

Esta aplicación analiza ficheros CSV o SSV con los 65 parámetros de la Teoría do Campo Mental Emerxente_Anima (TCME_Anima) y calcula métricas derivadas que permiten detectar pliegues de atención: momentos en que el campo mental se concentra, se auto-organiza y se “curva” sobre sí mismo.

Permite:

• Cargar datos de EEG procesados o simulaciones (niveles E1/E2/E3).

• Calcular métricas TCME: curvatura (Rproxy), foco (focus) y acoplos (lift_pairs).

• Detectar pliegues mediante umbrales adaptativos y suavizado configurable.

• Visualizar la evolución temporal de la atención y los cambios entre estados mentales.

Redes bayesianas

La aplicación de Redes Bayesianas del Campo Mental Emergente es una herramienta interactiva diseñada para explorar cómo se relacionan entre sí las principales métricas oscilatorias del cerebro humano. A partir de archivos CSV generados previamente para distintos grupos (control, depresión, epilepsia, Alzheimer, meditación, propofol, etc.), la aplicación construye redes causales que permiten visualizar de forma clara el “flujo” de información entre bandas cerebrales.

¿ Qué hace exactamente la aplicación?

1. Carga de datos por grupo

El usuario puede cargar uno o varios archivos CSV correspondientes a distintos grupos de estudio. Cada archivo contiene los 15 arcos más relevantes entre métricas oscilatorias (por ejemplo, delta→theta, theta→alpha, alpha→gamma…).

2. Construcción automática de la red bayesiana

A partir de esos arcos, la aplicación genera una red causal donde:

• Los nodos son métricas de acoplamiento entre bandas (AAC, PPC, FLC…).

• Las aristas representan relaciones causales entre ellas.

• El peso del arco corresponde a su importancia dentro de la dinámica cerebral del grupo.

3. Visualización interactiva

La red se muestra con:

• Trazos más gruesos para arcos más importantes.

• Colores diferenciados por tipo de métrica.

• Un grafo que el usuario puede mover, ampliar o analizar nodo por nodo.

Esta aplicación es innnovadora porque combina:

• Datos reales de EEG

• Análisis bayesiano probabilístico

• Visualización clara de causalidad

• Un marco teórico (TCME / ANIMA-65) que interpreta estas redes como expresiones del campo mental emergente

Es una herramienta orientada tanto a la investigación neurocientífica como a la exploración fenomenológica del funcionamiento mental.

¿Qué se puede aprender con esta herramienta?

1. El “patrón oscilatorio” característico de cada grupo. La estructura de la red revela la firma dinámica de cada condición:

• En epilepsia suelen dominar los arcos rápidos (beta→gamma)

• En depresión aparecen bucles lentos (theta→alpha, delta→theta).

• En Alzheimer destaca la hiperconexión de bandas lentas (delta→theta).

• En meditación emergen patrones ascendentes (alpha→gamma).

Estas redes permiten reconocer estados mentales y alteraciones neurológicas a través de la forma de la conectividad.

2. Comparación directa entre grupos. El usuario puede cargar varios CSV y comparar:

• Qué arcos son comunes.

• Cuáles desaparecen o se debilitan.

• Cuáles son exclusivos de una condición.

Esto ayuda a identificar marcadores diferenciales entre trastornos o estados de conciencia.

3. Evaluación del modelo teórico. La aplicación también sirve para contrastar la Teoría del Campo Mental Emergente, ya que permite observar si:

• Las dinámicas siguen rutas jerárquicas (lento→rápido)

• Se produce coherencia ascendente (alpha→gamma)

• La red se rigidiza o se fragmenta

• Los patrones oscilatorios se alinean con los tres niveles de emergencia (neuronal, oscilatorio, mental)

En otras palabras, la herramienta permite comprobar si la estructura oscilatoria real se corresponde con las predicciones del modelo teórico.

4. Identificación de arcos críticos. Las redes bayesianas muestran cuáles son los puntos clave del sistema:

• Arcos que sostienen la estabilidad del estado mental

• Interacciones que pueden romperse en estados patológicos

• Rutas de información especialmente vulnerables

Esto permite estudiar el sistema en términos de dinámica, predictibilidad y resonancia funcional.

App IFP: Índice de Plasticidad Fenomenológica

Esta aplicación permite explorar, de forma interactiva, la plasticidad fenomenológica de distintos grupos de personas a partir de sus datos EEG procesados. Integra en un único entorno las métricas clásicas de dinámica cerebral (potencia por bandas, entropías, metadestabilidad…) con la información procedente de los arcos bayesianos más relevantes entre bandas de frecuencia.

Su objetivo es ofrecer una medida sintética del nivel E3 de nuestra teoría (campo mental emergente): hasta qué punto un sistema mantiene un campo de experiencia flexible, integrado y capaz de reorganizarse.

Lee datos por ventanas o por sujeto

Ficheros CSV con 65+ variables por ventana (C_, K_, P_ por banda; AAC_, PAC_, PPC_, FLC_ entre bandas; entropías, metadestabilidad, etc.).

Cada fila se asocia a un sujeto, un grupo experimental/clinico y una ventana temporal.

Calcula un IFP base por sujeto (Nivel E3)

A partir de:

R_arc: riqueza de arcos activos (cuántas conexiones entre bandas están realmente “encendidas”).

D_temp: variabilidad temporal relativa (cómo cambian los arcos en el tiempo).

H_pheno: entropía fenomenológica del patrón de arcos (diversidad de configuraciones).

Entropías complementarias (espectral, multibanda) cuando están disponibles.

Estas métricas se normalizan globalmente y se combinan en un IFP_base (0–1) por sujeto.

Construye un Índice Bayesiano por arcos

Usa las medidas de los arcos más informativos (AAC_, PAC_, PPC_, FLC_) para estimar un componente bayesiano.

Tiene en cuenta no solo cuántos arcos están activos, sino cómo se reparten entre bandas lentas y rápidas, y hasta qué punto las conexiones lento–rápido están equilibradas.

Se obtiene un IFP_bayes_norm (0–1) que refleja la “eficacia” de la conectividad emergente.

Combina ambos aspectos en un IFP_total

El usuario puede ajustar la ponderación entre IFP_base e IFP_bayes.

El resultado es un IFP_total (0–1) por sujeto, que resume estabilidad, riqueza de arcos e integración bayesiana.

Compara grupos con IC del 95% mediante bootstrap

La pestaña de “IFP combinado” incluye un gráfico por grupos donde se muestra:

Media de IFP_total por grupo.

Intervalo de confianza al 95% calculado por bootstrap, para reducir el impacto de valores outlier.

Esto permite ver, por ejemplo, cómo se ordenan grupos como Alzheimer, frontolateral y control en términos de plasticidad fenomenológica, o cómo se sitúan grupos como epilepsia, psicosis, meditación, propofol o reposo.

Incluye un IPF específico de “Conversación AI” (H_norm + I + B)

Calcula un índice alternativo basado en:

H_norm: entropía normalizada del patrón de arcos.

I: integración lento–rápido (peso relativo de arcos que conectan ritmos lentos y rápidos).

B: equilibrio slow/fast (simetría entre dominios lentos y rápidos).

Combinando estos tres términos se obtiene un IPF_AI (0–1) por sujeto y un promedio por grupo, pensado como marcador de “equilibrio fenomenológico” del sistema..

¿Qué hace la aplicación?