Work

Estudio de técnicas de análisis y clasificación de señales EEG en el contexto de sistemas BCI (Brain Computer Interface)

Year: 2014
Type: dissertation
Abstract: Las Interfaces Cerebro Computador (BCI) son una tecnología basada en la\n\t\t\t\t adquisición y procesamiento de señales cerebrales para el control de diversos\n\t\t\t\t dispositivos. Su objetivo principal es proporcionar un nuevo canal de salida al\n\t\t\t\t cerebro del usuario que requiere un control adaptativo voluntario. Usualmente\n\t\t\t\t los BCI se enfocan en reconocer eventos que son adquiridos por métodos\n\t\t\t\t como el Electroencefalograma (EEG). Dichos eventos representan distintos\n\t\t\t\t estados mentales, que deberán identificarse como distintas clases mediante\n\t\t\t\t un sistema de clasificación. En BCI, tras la adquisición de las señales cerebrales\n\t\t\t\t se procede a prepararlas para su posterior procesamiento. Para extraer\n\t\t\t\t y seleccionar las características se aplican diversos métodos, en los que, en\n\t\t\t\t función del tipo de señales de control que se utilice, será adecuado identificar\n\t\t\t\t un subconjunto que optimice las tareas para su clasificación. La selección de\n\t\t\t\t las características más discriminativas es imprescindible a la hora de diseñar\n\t\t\t\t BCI funcionales.\n\t\t\t\t En este trabajo hemos realizado un estudio del estado del arte de BCI,\n\t\t\t\t en concreto, de los métodos más relevantes de procesado de la señal EEG\n\t\t\t\t utilizados en la etapa de extracción y clasificación de características. El uso\n\t\t\t\t y diseño de dichos métodos, es llevado a cabo de forma experimental mediante\n\t\t\t\t un análisis offline y un análisis online simulado, con el propósito de\n\t\t\t\t asegurar un mayor éxito en el desempeño del sistema BCI en tiempo real.\n\t\t\t\t Ambos tipos de análisis son necesarios y complementarios para el diseño de\n\t\t\t\t algoritmos efectivos, en el que el usuario recibe feedback del BCI. Usando la\n\t\t\t\t técnica de análisis que hemos propuesto online simulado, con la que los resultados\n\t\t\t\t de las pruebas realizadas son emulados para obtener una estimación\n\t\t\t\t de los mismos como si el usuario hubiera utilizado el sistema en tiempo real,\n\t\t\t\t fue posible minimizar el tiempo de detección de eventos y así optimizar el\n\t\t\t\t tiempo de respuesta del BCI.\n\t\t\t\t Para el desarrollo práctico de este estudio, utilizamos una colección de datos\n\t\t\t\t reales de EEG relacionados con los Potenciales Corticales Lentos (SCP),\n\t\t\t\t que contiene dos experimentos diferentes denominados “Ia”, provenientes de\n\t\t\t\t sujetos sanos y “Ib” provenientes de sujetos con la enfermedad ALS. Dichos\n\t\t\t\t datos, se obtuvieron de la competición “BCI Competitions II” de 2003.\n\t\t\t\t Se han analizado diferentes metodologías para extraer las características\n\t\t\t\t más relevantes de estas señales SCP. En una primera fase, hemos realizado\n\t\t\t\t la clasificación con cada una de las técnicas estadísticas y métodos de\n\t\t\t\t extracción de características por separado para reducir la dimensionalidad.\n\t\t\t\t En una segunda fase las técnicas y métodos con los que obtuvimos mejores\n\t\t\t\t resultados, se han usado para conformar nuevos patrones (súper vectores de\n\t\t\t\t características) que se han utilizado en los diferentes métodos de clasificación\n\t\t\t\t estudiados. Con ello, minimizamos las tasas de error obtenidas, mejorando el\n\t\t\t\t rendimiento en la clasificación y superando a los resultados obtenidos por los\n\t\t\t\t ganadores de “BCI Competitions II” tanto en “Ia” como en “Ib”.
Language: Spanish
Open Access status: green
OpenAlex ID: W2592815285
Cites: 94
Cited by: 8
Related to: 10