Resumen

Analizamos y comparamos las precisiones de clasificación de seis clasificadores diferentes para una tarea mental de dos clases (aritmética mental y descanso) utilizando señales de espectroscopia funcional de infrarrojo cercano (fNIRS). Las señales de las tareas de aritmética mental y descanso de la región de la corteza prefrontal del cerebro de siete sujetos sanos se adquirieron utilizando un sistema de imágenes de onda continua multicanal. Tras eliminar los ruidos fisiológicos, se extrajeron seis características de las señales de hemoglobina oxigenada (HbO). Se utilizaron combinaciones bidimensionales y tridimensionales de esas características para la clasificación de las tareas mentales. En la clasificación, se utilizaron seis modalidades diferentes, el análisis discriminante lineal (LDA), el análisis discriminante cuadrático (QDA), el k-nearest neighbour (kNN), el enfoque Naïve Bayes, la máquina de vectores de apoyo (SVM) y las redes neuronales artificiales (ANN). Con estos clasificadores, las precisiones medias de clasificación entre los siete sujetos para las combinaciones bidimensionales y tridimensionales de características fueron de 71,6, 90,0, 69,7, 89,8, 89,5 y 91,4 y 79,6, 95,2, 64,5, 94,8, 95,2 y 96,3%, respectivamente. La RNA mostró las máximas precisiones de clasificación: 91,4 y 96,3%. Para validar los resultados, se realizó una prueba de significación estadística, que confirmó que los valores p eran estadísticamente significativos en relación con todos los demás clasificadores (p

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:tarea mental, análisis discriminante cuadrático, sistema de imágenes onduladas, región del córtex prefrontal, análisis discriminante lineal, máxima precisión de clasificación, enfoque naive bayes, red neuronal artificial, prueba de significación estadística, combinación de características
• Keywords:mental task, quadratic discriminant analysis, wave imaging system, prefrontal cortex region, linear discriminant analysis, maximum classification accuracy, naïve bayes approach, artificial neural network, statistical significance test, combination of features