Resumen

La magnetoencefalografía (MEG) es una herramienta persuasiva para estudiar el cerebro humano en fisiología y psicología. Puede emplearse para obtener la inferencia del cambio entre el entorno externo y la psicología interna, lo que requiere que reconozcamos diferentes campos magnéticos relacionados con eventos (ERF) de un solo ensayo originados en diferentes áreas funcionales del cerebro. Los métodos actuales de reconocimiento de los datos de un solo ensayo se utilizan principalmente para los potenciales relacionados con eventos (ERPs) en la electroencefalografía (EEG). Aunque el MEG comparte las mismas fuentes de señal con el EEG, una interferencia mucho menor de los otros tejidos cerebrales puede dar al MEG una ventaja en el reconocimiento de los ERFs. En este trabajo, proponemos un nuevo método de reconocimiento de los campos magnéticos evocados auditivos (FRE) de un solo ensayo mediante la mejora de la señal. Encontramos que la intensidad de la señal de los AEFs de un solo ensayo se concentra en la corteza auditiva primaria del lóbulo temporal, lo que puede visualizarse claramente en las imágenes 2D. Estas imágenes 2D son reconocidas por una red neuronal artificial (RNA) con una precisión del 100 que realiza el reconocimiento automático de los FEAs de un solo ensayo. El método no sólo puede combinarse con el algoritmo de estimación de la fuente para mejorar su precisión, sino que también allana el camino para la implementación de la interfaz cerebro-ordenador (BCI) con la MEG.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:aefs de ensayo único, meg, imagen 2d, inferencia de cambio, campo magnético relacionado, algoritmo de estimación de la fuente, eventos de ensayo único, red neuronal artificial, datos de ensayo único, métodos de reconocimiento de corriente
• Keywords:single trial aefs, meg, 2d image, inference of change, related magnetic field, source estimation algorithm, single trial events, artificial neural network, single trial data, current recognition methods