Resumen

El análisis de correlación canónica (CCA) es un enfoque cada vez más utilizado en el campo del reconocimiento de los potenciales evocados visuales de estado estable (SSVEP). La eficacia del método ha sido ampliamente probada, y se han propuesto varias variaciones. Sin embargo, la mayoría de las variaciones del CCA tienden a complicar el método, y suelen requerir una formación adicional del usuario o un aumento de la carga computacional. Sin embargo, la adopción de procedimientos sencillos y de bajo coste computacional puede ser un aspecto relevante, especialmente en vista de los dispositivos de bajo coste y alta portabilidad. Además, sería deseable que las variaciones propuestas fueran lo más generales y modulares posible para facilitar la traslación de los resultados a diferentes algoritmos y configuraciones. En este trabajo, evaluamos el impacto de dos variaciones simples y modulares del método CCA clásico. Las variaciones implicaban (i) el número de correlaciones canónicas utilizadas para la clasificación y (ii) la inclusión de un paso de prefiltrado mediante sinc-windowing. Probamos a diez voluntarios en una configuración SSVEP de 4 clases. Ambas variaciones mejoraron significativamente la precisión de la clasificación cuando se utilizaron por separado o conjuntamente y condujeron a incrementos de precisión de hasta un 7-8% de media y un pico del 25-30%. Además, las variaciones no tuvieron (variación (i)) o tuvieron un impacto mínimo (variación (ii)) en el número de pasos del algoritmo necesarios para cada clasificación. Dada la naturaleza modular de las variaciones propuestas y su impacto positivo en la precisión de la clasificación, podrían incluirse fácilmente en el diseño de algoritmos basados en CCA, incluso diferentes a los nuestros.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:variación, variación propuesta, exactitud de la clasificación, análisis de correlación canónica, traducción de resultados, formación adicional del usuario, medios de sinc, diseño de cca, métodos clásicos de cca, bajo coste computacional
• Keywords:variation, proposed variation, classification accuracy, canonical correlation analysis, translation of results, additional user training, means of sinc, design of cca, classical cca methods, low computational cost