A Multivariate EEG analysis approach to study functional interactions during awe experiences in virtual reality

Abstract

[ES] El estudio del cerebro se ha convertido en un área crucial de investigación en la actualidad. Comprender sus complejidades tiene una importancia primordial para entender las emociones humanas y avanzar en los tratamientos para los trastornos de salud mental. Dentro de este marco, se ha empleado un enfoque de regresión lineal multivariada para analizar la conectividad funcional del cerebro a partir de datos de electroencefalografía (EEG) recolectados durante un estudio que expone a los sujetos a entornos de realidad virtual natural. La utilización de la realidad virtual tenía como objetivo inducir la compleja emoción de asombro bajo condiciones controladas, facilitando así el estudio concurrente de la conectividad funcional entre varias regiones del cerebro a través del EEG. El objetivo de este trabajo es aprovechar la información sobre las bases neuronales de la emoción del asombro desde diferentes canales de EEG; se emplea un Modelo Lineal Generalizado (GLM) para elucidar patrones de conectividad multivariada entre estos canales. A diferencia de estudios anteriores que se centraron en las relaciones entre pares de canales utilizando metodologías similares, en esta tesis se propone explorar la conectividad funcional entre más de dos canales simultáneamente gracias a un análisis multivariado. Además de analizar las señales a lo largo de todo su espectro de frecuencias, estas se han segmentado en las principales bandas de frecuencia del EEG, incluidas aquellas consideradas de suma importancia para el procesamiento emocional, para lograr una imagen más completa de las redes neuronales.

[EN] The study of the brain has emerged as a crucial area of inquiry in contemporary times. Understanding its complexities holds paramount importance in deciphering human emotions and advancing interventions for mental health disorders. Within this framework, a multivariate linear regression approach has been employed to analyze brain functional connectivity from electroencephalography (EEG) data collected during a study exposing subjects to natural virtual reality environments. The virtual reality endeavor aimed to induce the complex emotion of awe under controlled conditions, thereby facilitating the concurrent examination of functional connectivity among various brain regions through EEG. The objective of this thesis is to harness information on the neuronal bases of the awe emotion from different EEG channels; a Generalized Linear Model (GLM) is employed to elucidate multivariate connectivity patterns among these channels. Diverging from prior studies that focused on pairwise channel relationships using similar methodologies, this thesis endeavors to explore functional connectivity among more than two channels simultaneously thanks to a multivariate analysis framework. Furthermore, in addition to analyzing the signals across their entire frequency spectrum, they have been segmented into the main EEG frequency bands, including those deemed of utmost importance for emotional processing to achieve a more comprehensive picture of neuronal networks.