Resumen

Interpretar las órdenes cerebrales es ahora más fácil gracias a las tecnologías de interfaz cerebro-ordenador (BCI). La detección de señales de imágenes motoras (IM) es una de las aplicaciones de la BCI, que permite reconocer los movimientos de manos y pies a través de órdenes cerebrales que, a su vez, pueden utilizarse para manejar situaciones de emergencia. El diseño de técnicas de BCI se enfrenta a retos como el analfabetismo, la escasa relación señal/ruido, la variabilidad entre sujetos, la complejidad y el rendimiento. Los modelos automatizados diseñados para emergencias deben tener menor complejidad y mayor rendimiento. Para hacer frente a los retos relacionados con el equilibrio entre complejidad y rendimiento, en este estudio se utilizan las características de frecuencia de la señal cerebral. La matriz de características se crea a partir de la potencia de las frecuencias cerebrales, y se utilizan las nuevas características de potencia relativa propuestas. Se ha analizado la potencia relativa de la subbanda alfa con respecto a las subbandas beta, gamma y theta. Estas características relativas propuestas se evalúan con la ayuda de diferentes clasificadores. Para la clasificación de imágenes motoras, el enfoque propuesto dio como resultado una precisión máxima del 93,51 en comparación con otros enfoques existentes. Para comprobar la importancia de las nuevas características añadidas, se utilizan enfoques de clasificación de características, a saber, información mutua, chi-cuadrado y correlación. La clasificación de las características muestra que las características de potencia relativa son significativas para la clasificación de tareas de IM. El chi-cuadrado ofrece el mejor equilibrio entre precisión y espacio de características. La adición de características de potencia relativa mejora el rendimiento global. Los modelos propuestos también pueden proporcionar una respuesta rápida con una complejidad reducida.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:características de potencia relativa, comandos cerebrales, clasificación de tareas MI, compromiso de rendimiento de complejidad, enfoques de clasificación de características, clasificación de imágenes motoras, banda, desafíos, chi, complejidad
• Keywords:relative power features, brain commands, MI task classification, complexity performance tradeoff, feature ranking approaches, motor imagery classification, band, challenges, chi, complexity