Estrategias de extracción de características para mejorar el desempeño de interfaces cerebro computadoras

Resumen

Una interfaz cerebro computadora (BCI) es un sistema de comunicación que no depende de las salidas normales del cerebro, tales como vías nerviosas periféricas y músculos. Son una alternativa de comunicación para personas que han perdido casi por completo la posibilidad de interactuar con su entorno, así como también para implementar terapias de rehabilitación. Hay distintas formas de clasificarlas: una de ellas es según la modalidad de la señal utilizada, clasificándose en invasivas y no invasivas. Dentro de estas últimas están las basadas en electroencefalograma y las basadas en potenciales evocados relacionados con eventos. En el primer caso, es necesario detectar la sincronización/desincronización relacionada con eventos de los ritmos mu y beta, y en el otro, la onda P300. El problema de detección de los eventos mencionados puede verse como un problema de clasificación de 2 clases. Una BCI puede representarse mediante tres bloques principales: instrumentación, extracción de características y clasificador. Estos últimos son de particular interés, ya que mejorando el desempeño de estos mejorará el desempeño de la BCI, el cual puede evaluarse mediante la tasa de aciertos. La extracción de características se puede dividir en una etapa de generación de características y otra de selección de características. En este proyecto se propuso evaluar distintas alternativas de extracción de características combinadas con distintos clasificadores.