Resumen

Aplicamos una red neuronal artificial (ANN) para el reconocimiento y clasificación de patrones electroencefalográficos (EEG) asociados con la imaginación motora en sujetos no entrenados. La precisión de la clasificación se optimiza al reducir la complejidad de los datos experimentales de entrada. A partir del EEG multicanal grabado por el conjunto de 31 electrodos dispuestos según el sistema internacional extendido 10-10, seleccionamos un tipo apropiado de ANN que alcanza una precisión del 80-10% para la clasificación de una sola prueba. Luego, reducimos el número de canales de EEG y obtenemos una calidad de reconocimiento apropiada (hasta el 73-15%) utilizando solo 8 electrodos ubicados en el lóbulo frontal. Finalmente, analizamos la estructura tiempo-frecuencia de las señales de EEG y encontramos que las características relacionadas con la motricidad asociadas con la imaginación motora de la pierna izquierda y derecha son más pronunciadas en las ondas cerebrales mu (8-13 Hz) y delta (1-5 Hz)

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Red neuronal artificial; Patrones electroencefalográficos; Imaginación motora; Canales de EEG; Estructura de tiempo-frecuencia; Ondas cerebrales
• Keywords:Artificial neural network; Electroencephalographic patterns; Motor imagery; EEG channels; Time-frequency structure; Brainwaves