Resumen

Es un hecho que la contaminación del EEG por artefactos oculares reduce la precisión de clasificación de una interfaz cerebro-computadora (BCI) y el diagnóstico de enfermedades cerebrales en la investigación clínica. Por lo tanto, para aplicaciones de BCI y clínicas, es muy importante eliminar/reducir estos artefactos antes del análisis de la señal de EEG. Aunque los métodos basados en EOG son simples y rápidos para eliminar artefactos, su rendimiento se ve altamente afectado por el proceso de contaminación bidireccional. Algunos estudios han enfatizado que la solución a este problema es filtrar las señales de EOG con un filtro pasa bajos antes de utilizarlas en el algoritmo de eliminación de artefactos, pero aún no hay evidencia sobre los límites óptimos de frecuencia de paso bajo de las señales de EOG. En este estudio, investigamos los límites óptimos de filtrado de señales de EOG utilizando técnicas de eliminación de artefactos de última generación con quince conjuntos de datos de EEG y EOG artificial

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Contaminación; EEG; Artefactos oculares; Interfaz cerebro-computadora; Eliminación de artefactos; Filtrado pasa bajos
• Keywords:Contamination; Eeg; Ocular artifacts; Brain-computer interface; Artifact removal; Low-pass filtering