Resumen de Diseño de sistema "Brain Computer Interface" centrado en el usuario
Resumen de la tesis:
El procesado de la señal de electroencefalograma (EEG) permite el desarrollo de interfaces cerebro ordenador o BCI (del inglés, Brain Computer Interface). Un sistema BCI adquiere y analiza la señal EEG con el objetivo de proveer un sistema de comunicación y control directo entre el cerebro y el ordenador.
En general, un sistema BCI se puede analizar como un sistema de reconocimiento de patrones que permite identificar patrones de actividad cerebral siguiendo cuatro etapas consecutivas: primero, adquisición multicanal de la señal EEG; segundo, preprocesado de la señal; tercero, extracción de características y, por último, clasificación de patrones. La etapa de adquisición captura y reduce el ruido y los artefactos fisiológicos de la señal EEG; seguidamente, la etapa de preprocesado prepara la señal para que pueda ser procesada por las siguientes etapas. En esta Tesis, las dos primeras etapas no son analizadas en profundidad, ya que no difieren de otros sistemas BCI ya existentes. Por tanto, esta Tesis está centrada en las dos últimas etapas: extracción de características y clasificación de patrones.
Esta Tesis presenta un nuevo enfoque para la selección de características de señal EEG de forma rápida, automática y adaptativa para sistemas BCI. Se ha diseñado un clasificador lineal preciso, con selección embebida de caracterísiticas utilizando un método wrapper compuesto por una primera etapa que realiza la ordenación de características con el algoritmo LARS (Least Angle Regression) o el test de Wilcoxon y, posteriormente, una segunda etapa que realiza la selección y el diseño del clasificador mediante validación cruzada del tipo LOO (Leave One-Out) basada en el estadístico PRESS (PREdiction Sum of Squares) de Allen. De esta forma, se consigue una ordenación apropiada de características mediante LARS/Wilcoxon y, dado que se emplean clasificadores lineales, el cálculo del error de LOO se calcula de forma directa mediante la fórmula del estadístico PRESS. Por lo tanto, este enfoque realiza la selección de características y la clasificación de forma eficiente y automática, lo que le hace un método fácil de implementar en sistemas BCI sin intervención del usuario ya que no hay que establecer el valor de ningún parámetro. Otra contribución relevante del método propuesto es la combinación de diferentes métodos de extracción de características, porque habitualmente no se trabaja con más de dos métodos de extracción.
En concreto, hasta cuatro métodos ampliamente conocidos se han llegado a combinar en esta Tesis: PSD, parámetros de Hjorth, AR/AAR y WT. Por último, es importante destacar que, atendiendo a la literatura BCI, éste es el primer trabajo que proporciona un sistema adaptativo y automático para la clasificación de señales EEG basado en una metodología embebida utilizando LARS/Wilcoxon para ordenar y el estadístico PRESS para calcular el error de LOO.
