Estudio comparativo de métodos de extracción de características y clasificación de potenciales evocados P300

• Orellana-Villavicencio, Diego Vinicio ^[1] ; Cuenca-Tinitana, Julio César ^[1]
  1. [1] Universidad Nacional de Loja
• Localización: CEDAMAZ, ISSN-e 1390-5902, ISSN 1390-5880, Vol. 7, Nº. 1, 2017
• Idioma: español
• Títulos paralelos:
  • Comparative study of feature extraction methods and classification of event-related potentials P300
• Enlaces
  • Texto completo
• Resumen
  • español

    El presente trabajo tiene por objetivo comparar la precisión en la detección de potenciales evocados P300 de dos tipos de clasificadores: Máquina de Soporte Vectorial MSV y K-vecinos más cercanos (KNN), estos dos clasificadores son entrenados y evaluados con características morfológicas y también con los coeficientes de aproximación de la Transformada Wavelet Discreta. Previo a la etapa de extracción de características se realizó un pre-procesado de la señal de Electroencefalografía (EEG), que incluye el filtrado, eliminación de artefactos, normalización y segmentación. Todo este procedimiento se realizó para muestras con promediado sincronizado de 15 señales de P300 y también para muestras de solo una señal P300. En la parte final del documento se realiza un análisis comparativo de resultados y se propone alternativas que podrían contribuir a una mejora de los porcentajes de precisión de la clasificación en trabajos futuros.

  • English

    The objective of the present work is to evaluate the potential of two types of classifiers, Vector Support Machines SVM and K-Nearest Neighbors KNN, to detect event-related potentials (P300). These two classifiers are trained and assessed with morphological characteristics and with the approximation coefficients of the Wavelet Discrete transformation. Before feature extraction, electroencephalographic (EEG) signals were processed to remove artifacts, filtered, normalized and segmented. This whole process was performed for samples with the synchronized average of 15 P300 signals and samples of only one P300 signal. In the final part of the document, we present a comparative analysis of the results and propose alternatives that could contribute to an improvement of the classification accuracy in future works.