Clasificación de señales electroencefalográficas basadas en eventos sensorimotores para una interfaz cerebro computador

Abstract

Un interfaz cerebro-máquina (BCI) es un modo de comunicación directa entre el cerebro y un dispositivo externo. En este trabajo se han investigado varios métodos para clasificar las señales cerebrales generadas por el usuario y de este modo interpretar su intención. Para ello, previamente se ha realizado un estudio de las investigaciones en el campo de los BCI en las dos últimas décadas., se analizaron las diferentes técnicas que los BCI emplean para adquirir la actividad cerebral y los tipos de señales de control que se pueden encontrar en la misma y que pueden ser moduladas voluntariamente por los usuarios. Se hizo una revisión de los distintos dispositivos que la comunidad científica ha controlado mediante sistemas basados en BCI. A continuación, se estudiaron diferentes métodos de clasificación aplicados a las señales EEG del conjunto de datos 2b de la competición BCI de 2008. La futura implementación del sistema BCI propuesto será utilizado en un exoesqueleto pasivo de 4 GDL, orientado a tareas de rehabilitación desarrollado por la Universidad de Oriente en Cuba, que se encuentra en funcionamiento en la sala de rehabilitación del Hospital General Dr. Juan Bruno Zayas Alfonso de la ciudad de Santiago de Cuba y que se pretende pase a modo activo. Para evaluar los resultados se han empleado las señales electroencefalográficas (EEG) del conjunto de datos 2b de la competición BCI de 2008. En esta investigación se emplean cuatro métodos de clasificación de características: análisis discriminante lineal (LDA), máquina de soporte vectorial (SVM), perceptrón multicapa (MLP) y red probabilística de Parzen. Los resultados indican que la red probabilística de Parzen y SVM consiguen mejorar el rendimiento en la clasificación de señales en 3.8%, el LDA en 1.9% y el perceptrón multicapa no consigue superar el rendimiento del método tomado como referencia.

A brain-machine interface (BCI) is a direct communication mode between the brain and an external device. In this work, several methods have been investigated to classify the brain signals generated by the user and thus interpret their intention. To do this, a study of research in the field of BCI has previously been carried out in the last two decades. The different techniques that BCI use to acquire brain activity and the types of control signals that can be found were analyzed. in the same and that can be modulated voluntarily by the users. A review was made of the different devices that the scientific community has controlled using BCI-based systems. Next, different classification methods applied to the EEG signals from data set 2b from the 2008 BCI competition were studied. The future implementation of the proposed BCI system will be used in a 4 DOF passive exoskeleton, oriented to rehabilitation tasks developed by the Universidad de Oriente in Cuba, which is operating in the rehabilitation room of the General Hospital Dr. Juan Bruno Zayas Alfonso from the city of Santiago de Cuba and that it is intended to go into active mode. To evaluate the results, the electroencephalographic (EEG) signals from data set 2b of the 2008 BCI competition were used. In this research, four characteristics classification methods are used: linear discriminant analysis (LDA), vector support machine (SVM). ), multilayer perceptron (MLP) and Parzen probabilistic network. The results indicate that the probabilistic network of Parzen and SVM manage to improve the performance in the classification of signals in 3.8%, the LDA in 1.9% and the multilayer perceptron does not manage to surpass the performance of the method taken as reference