Resumen

Un sistema de neurorretroalimentación que ajusta la atención de un individuo es un tratamiento eficaz para el trastorno por déficit de atención/hiperactividad (TDAH). En los estudios actuales, una medida precisa del nivel de atención humana es una de las cuestiones clave que despiertan mucho interés. Este trabajo propone un novedoso método de red compleja optimizada (OCNM) para medir el nivel de atención de un individuo utilizando señales de electroencefalografía (EEG) de un solo electrodo. Se utilizó un algoritmo de incrustación de tiempo para reconstruir las épocas de datos de EEG en los nodos de la red OCNM. Se calcularon las distancias euclidianas entre cada dos nodos para decidir los bordes de la red. Se optimizaron para cada individuo tres parámetros clave que influyen en la OCNM, es decir, el tiempo de retardo, la dimensión de incrustación y el umbral de conexión. El grado medio y el coeficiente de agrupación de la red construida se extrajeron como vector de características y se clasificaron en dos patrones de concentración y relajación mediante un clasificador LDA. En los experimentos fuera de línea de seis sujetos, se probó el rendimiento de la clasificación y se comparó con un método de medidor de atención (AMM) y un método α β δ θ R. Los resultados experimentales mostraron que el OCNM propuesto alcanzó el mayor índice de precisión (80,67% frente a 70,58 y 68,88%). Esto sugiere que el método propuesto puede utilizarse potencialmente para sistemas de neurofeedback basados en EEG con un solo electrodo.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:métodos de redes complejas, sistema de neuro-retroalimentación basado, métodos de medición de la atención, patrón de concentración, individuo, tasa de precisión más alta, época de datos eeg, ocnm, medidas precisas, nivel de atención
• Keywords:complex network methods, based neurofeedback system, attention meter methods, pattern of concentration, individual, highest accuracy rate, eeg data epoch, ocnm, accurate measures, attention level