Resumen

Este artículo presenta una investigación destinada a reducir drásticamente la carga de procesamiento que requieren los sistemas de interfaz cerebro-ordenador (BCI) de imágenes motoras basados en la electroencefalografía (EEG). En esta investigación se ha pasado del paradigma de los canales al de las características, y se ha conseguido reducir en un 96% el número de características requeridas en el proceso, manteniendo e incluso mejorando la tasa de éxito de la clasificación. De este modo, es posible construir sistemas BCI más baratos, rápidos y portátiles. El conjunto de datos utilizado se proporcionó en el marco del Concurso BCI III, lo que permite comparar los resultados presentados con la precisión de clasificación alcanzada en el concurso. Además, se ha desarrollado una nueva metodología de tres pasos que incluye una etapa de cálculo del carácter discriminante de las características; una fase de puntuación, orden y selección; y una etapa final de selección de características. Para la primera etapa, se utilizan tanto el método estadístico como los criterios difusos. Los criterios difusos se basan en el algoritmo de clasificación S-dFasArt, que ha mostrado un excelente rendimiento en trabajos anteriores en los que se ha abordado el problema de imágenes motoras multiclase de BCI. La etapa de puntuación, orden y selección se utiliza para clasificar las características según su naturaleza discriminante. Finalmente, se utilizan los enfoques de selección de orden y manejo de datos por método de grupo (GMDH) para elegir las más discriminantes.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:criterios difusos, motor bci multiclase, algoritmo de clasificación dfasart, problema de imágenes de motor, etapa de cálculo de caracteres, número de características, marco de bci, mostró un excelente rendimiento, etapa de selección de características, sistema bci portátil
• Keywords:fuzzy criteria, bci multiclass motor, dfasart classification algorithm, motor imagery problem, character calculation stage, number of features, framework of bci, shown excellent performance, features selection step, portable bci system