Desarrollo de nuevos paradigmas y algoritmos robustos para interfaces cerebro-computadora en escenarios realistas

Abstract

Una interfaz cerebro-computadora (brain-computer interface o BCI) es un canal de comunicación que permite el control de un dispositivo haciendo uso únicamente de la actividad cerebral. Para lograr este control se buscan características de la se ˜nal cerebral que pueden asociarse a un evento mental determinado. As´ı pues, esta tesis est´a enfocada a la extracci ´on de caracter´ısticas y clasificaci ´on de se ˜nales de electroencefalograf´ıa (EEG) para aplicaciones de BCI. La primera propuesta de este trabajo es la selecci ´on, a partir de la coherencia, de un conjunto reducido de electrodos para formar un vector de caracter´ısticas de dimensiones reducidas que es empleado en la etapa de clasificaci ´on. Para el caso de dos tareas mentales, la clasificaci ´on se realiza con un discriminante no lineal optimizado, cuyos par´ametros de operaci ´on se seleccionan maximizando el ´area bajo la curva ROC (receiver operating characteristic). Para m´as de dos tareas se emplea un clasificador basado en la distancia de Mahalanobis y la evaluaci ´on se realiza con el coeficiente kappa. En ambos casos se utilizan mediciones de EEG provenientes de bases de datos p´ublicas relacionadas con la ejecuci ´on de tareas motrices y cognitivas. Los experimentos muestran que el m´etodo propuesto proporciona una eficiencia similar (pero con menor complejidad) que la de otros m´etodos reportados en la literatura. As´ı mismo se propone una aplicaci ´on innovadora de las BCIs en el campo de la rehabilitaci ´on. Para ello se estudia el cambio en la actividad el´ectrica cerebral de tres sujetos sanos ante la aparici ´on de un obst´aculo inesperado que interfiere con su marcha. Una vez determinado el cambio en la actividad cerebral, se eval ´uan diferentes caracter´ısticas de la se ˜nal de EEG para seleccionar la que permita una mejor detecci ´on del obst´aculo instantes previos a la reacci ´on del sujeto. Tras realizar la evaluaci ´on correspondiente, las mejores caracter´ısticas alcanzaron tasas de aciertos promedio superiores al 75%.