Resumen

Una interfaz cerebro-ordenador (BCI) descodifica las señales cerebrales que representan el deseo de hacer algo y transforma esas señales en una orden de control. Sin embargo, sólo se ha investigado y clasificado un número limitado de tareas mentales. Este estudio pretendía investigar dos órdenes de imaginería motora (IM), moverse hacia delante y moverse hacia atrás, utilizando un pequeño número de canales de EEG, para ser utilizados en un contexto de neurofeedback. Este estudio también pretendía simular una BCI e investigar la clasificación offline entre los movimientos de IM en direcciones hacia delante y hacia atrás, utilizando diferentes características y métodos de clasificación. Diez personas sanas participaron en un experimento de dos sesiones (48 minutos cada una). Este experimento investigó el neurofeedback de la navegación en un túnel virtual. Cada sesión consistió en 320 ensayos en los que se pidió a los sujetos que se imaginaran a sí mismos moviéndose en el túnel en un movimiento hacia adelante o hacia atrás después de una orden presentada al azar (hacia adelante o hacia atrás) en la pantalla. Se montaron tres electrodos bilateralmente sobre la corteza motora. Los ensayos se realizaron con retroalimentación. Los datos de la sesión 1 se analizaron fuera de línea para entrenar los clasificadores y calcular los umbrales para ambas tareas. Estos umbrales se utilizaron para formar señales de control que posteriormente se utilizaron en línea en la sesión 2 en el entrenamiento de neurofeedback para activar el túnel virtual para que se moviera en la dirección solicitada por las señales cerebrales del usuario. Después de 96 minutos de entrenamiento, el entrenamiento de neurofeedback online de potencia de banda logró una clasificación media del 76%, mientras que la simulación de BCI offline utilizando la relación asimétrica de la densidad espectral de potencia y la potencia de banda modelada por AR como características, y utilizando LDA y SVM como clasificadores, logró una clasificación media del 80%.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:señal cerebral, clasificación media, sesión, túnel virtual, simulación bci offline, neurofeedback de navegación, número de eeg, min de entrenamiento, potencia de banda modelada, entrenamiento de neurofeedback de potencia
• Keywords:brain signal, average classification, session, virtual tunnel, offline bci simulation, neurofeedback of navigation, number of eeg, min of training, modeled band power, power neurofeedback training