Caracterización y clasificación de señales eléctricas cerebrales para aplicaciones BCI (Interfaz Cerebro Computador).

Abstract

En el presente trabajo de fin de grado se exploraron varias técnicas de extracción de características y clasificación de patrones para el procesamiento de ondas alfa y ritmos sensoriomotores, con la finalidad de evaluar la posibilidad de aplicar estos métodos en sistemas BCI. En ambos casos las señales cerebrales fueron adquiridas mediante EEG. El trabajo inició con una revisión del estado del arte sobre la tecnología de las BCI, para determinar cuáles son las técnicas más recomendadas para el análisis de las señales cerebrales escogidas. Para la identificación de los ritmos alfa se emplearon parámetros estadísticos calculados a partir de la transformada wavelet como características para la clasificación y una red neuronal como clasificador; esto dio como resultado altos niveles en la detección de ritmos alfa. Las señales de prueba usadas se obtuvieron de una mujer adulta sana que dio su consentimiento previo para participar del experimento. Con las técnicas empleadas anteriormente se desarrolló una BCI en tiempo real simple, que tiene por objetivo activar un conjunto de indicadores cuando detecta que el usuario ha sido capaz de generar ritmos alfa. El análisis de los ritmos sensoriomotores se basó en la discriminación entre imaginería motora de mano izquierda y derecha, para lo cual se evaluaron tres métodos diferentes de extracción de características. Cada uno de estos métodos presentó diferentes niveles de precisión en la discriminación de cada clase, pero se obtuvo un método con un nivel de aciertos adecuado para su posible aplicación en BCI. Las características calculadas para cada método incluyen aquellas utilizadas en la detección de ritmos alfa, coeficientes AR y filtrado espacial mediante Common Spatial Patterns. La clasificación se realizó mediante una red neuronal. Las señales usadas para el procesamiento de los ritmos sensoriomotores se obtuvieron a partir de las bases de datos IIIA y 2A, pertenecientes a las competencias BCI III y IV respectivamente. En total se analizaron las señales adquiridas de 12 individuos diferentes.