Estudio comparativo de métodos para el reconocimiento frecuencial de potenciales evocados visuales en estado estacionario en usuarios con y sin experiencia en Interfaces Cerebro-Computador

Contenido principal del artículo

Cristian Felipe Blanco Diaz
Andres Felipe Ruiz Olaya

Resumen

Uno de los paradigmas que se utiliza en las interfaces cerebro-computador (BCI) se relaciona a los potenciales evocados visuales en estado estacionario (SSVEP), cuya respuesta a nivel cerebral aparece principalmente en la corteza visual, la cual se ubica en la región occipital del cerebro cuando, al usuario, se le presentan estímulos visuales de diferentes frecuencias. Algunos de los métodos base para el reconocimiento de estas frecuencias son el análisis espectral de energía (SED) y el análisis de correlación canónica (CCA). Un reto de los sistemas BCI en tiempo-real es identificar la intención del usuario en un tiempo corto, a partir del análisis de un segmento de datos. El objetivo de este trabajo consiste en realizar un estudio comparativo entre diferentes segmentos de datos y los métodos CCA y SED, utilizando como métrica de validación la precisión en la identificación del estímulo. Se hace uso de una base de datos de señales SSVEP disponible, de cinco sujetos en dos sesiones de prueba a los cuales se les presenta estímulos con frecuencias: 12, 8,57, 6,67 y 5,45 Hz durante 4 segundos en 25 ensayos. Para el análisis se utilizaron 3 electrodos del estándar 10-20: , teniendo en cuenta que éstos se ubican en la región occipital. En el procesamiento se evaluaron ventanas de tiempo de 1,2 y 4 segundos, obteniendo precisiones de 73,57%, 91,67 % y 95% respectivamente para el método SED y 97,14%, 100% y 100% respectivamente para el método CCA. El método CCA obtuvo el mejor resultado, con una ventana de 2 segundos.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Blanco Diaz, C. F., & Ruiz Olaya, A. F. (2020). Estudio comparativo de métodos para el reconocimiento frecuencial de potenciales evocados visuales en estado estacionario en usuarios con y sin experiencia en Interfaces Cerebro-Computador. Revista Ingeniería Biomédica, 13(26). https://doi.org/10.24050/19099762.n26.2019.1371
Sección
Artículos
Biografía del autor/a

Cristian Felipe Blanco Diaz, Universidad Antonio Nariño

Estudiante de Ingeniería Biomédica

Andres Felipe Ruiz Olaya, Universidad Antonio Nariño

Ingeniería Electrónica

Doctorado en Ingeniería

Citas

M.Chan, Organización Mundial de la Salud (OMS) (2011). Consultado el 7 de octubre de 2019 en: https://www.who.int/disabilities/world_report/2011/es/.

J. Gómez, Departamento Administrativo Nacional de Estadística (DANE) (2008). Consultado el 7 de octubre de 2019 en: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/discapacidad.

J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller, T. M. Vaughan, "Brain-computer interfaces for communication and control", Clin. Neurophysiol., vol. 113, pp. 767-791, Junio 2002.

J.Becedas, “Brain Machine Interfaces: basic and advances”, IEEE Transactions on system, man and cybernetics, vol 42, pp 825-836, 2012.

J.Boelts, A.Cerquera, A.Ruiz, “Decoding of imaginary motor movements of fists applying spatial filtering in a BCI simulated application”, International Work-conference on the interplay between natural and artificial computation, Elche, España, 2015.

G. Baura, Medical device technologies: a system-based overview using engineering standars, Academic Press, 2011, Capítulo 13, 280-283.

N. Inkaew, N. Charoenkitkamjorn, C. Yangpaiboon, M. Phothisonothai, C.Nuthon, “Frequency component analysis of EEG recording on various visual tasks: Steady-state visual evoked potential experiment”, International conference on knowledge and smart technology (KST), Chonburi, Tailandia, Enero 2015.

Y. J. Wang, R. P. Wang, X. R. Gao, B. Hong, S. K. Gao, "A practical VEP-based brain-computer interface", IEEE Trans. Neural Syst. Rehabil. Eng., vol. 14, pp. 234-239, 2006.

D.Zhu, J.Bieger, G. García, R.Aarts, “A survey of stimulation methods used in SSVEP-Based BCIs”, Computational Intelligence and Neuroscience, vol 2010, pp 1-12, 2010.

Q.Wei, M. Xiao, Z.Lu, “A comparative study of canonical correlation analysis and power spectral density analysis for SSVEP detection”, Third international conference on intelligent human-machine systems and cybernetics, Zhejiang, China, Agosto 2011.

R. Wang, W. Wu, K. Iramina, S. Ge, “The combination of CCA and PSDA detection methods in a SSVEP-BCI system”, 11th World congress on intelligent control and automation, Shenyang, China, Julio 2014.

G. Hakvoort, B. Reuderink, M. Obbink, Comparison of PSDA and CCA detection methods in a SSVEP-based BCI-system Technical Report TR-CTIT-11-03, 2011.

L. Meng, J.Lin, X.Wang, “A comparison of navigation system based on P300 BCI and SSVEP BCI”, 24th Chinese Control and Decision Conference (CCDC), Taiyuan, China, Mayo 2012.

C.Liu, S.Xie, X.Xie, X.Duan, W.Wang , K. Obermayer, “Design of a video feedback SSVEP-BCI system for car control based on improved MUSIC method”, 6th International conference on Brain-Computer Interface (BCI), GangWon, Corea del Sur, Enero 2018.

N.Gao, W.Zhai, J.Lu, S.Lu, Y.Tian, “Intelligent wheelchair research based on SSVEP brain-computer interface”, International Conference on Biological Information and Biomedical Engineering, Shangai, China, Junio 2018.

M.H.Lee, O-Y.Kwon, Y-J.Kim, H-K.Kim, Y-E.Lee, J.Williamson, S.Fazli y S-W.Lee, ”EEG dataset and openBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy”, GigaScience , No 8, pp 1-16, Enero 2019.

G. Hakvoort, B. Reuderink, M. Obbink, Comparison of PSDA and CCA detection methods in a SSVEP-based BCI-system Technical Report TR-CTIT-11-03, 2011.