Enhancing ERP-based Brain-Computer Interfaces for Practical Applications: Asynchrony, Deep Learning, and a Novel BCI Platform

Abstract

Throughout history, humans have sought ways to break free from the constraints of the body and interact with the world directly through the mind. Brain-computer interfaces (BCIs) represent the realization of this long-standing ambition, allowing individuals to control external devices directly using their brain activity. BCIs measure brain activity using the electroencephalography (EEG), a technique that records the electrical activity of neurons using electrodes placed over the scalp. Then, the EEG is analyzed using signal processing methods to decode users' intentions and translate them into commands that can be used to control external devices. BCIs have great potential in various applications, such as assistive systems for people with motor impairments, augmenting human cognitive abilities, entertainment, and medicine. However, this technology currently faces a number limitations, including low reliability, lack of validation and unsuitable research tools that hinder rapid development of the field. This doctoral dissertation presents a compendium of four publications that propose different strategies to overcome these limitations and promote the development of BCI systems for practical applications, especially in an assistive context. The main topics that were addressed in this research work were the improvement of the asynchronous BCI control, the application of deep learning techniques to increase the accuracy and speed of this technology, and the development of a novel software ecosystem to accelerate BCI and cognitive neuroscience research.

A lo largo de la historia, los seres humanos han buscado formas de liberarse de las limitaciones del cuerpo e interactuar con el mundo directamente a través de la mente. Los sistemas brain-computer interface (BCI) representan la materialización de esta ambición, ya que permiten a las personas controlar dispositivos externos directamente utilizando su actividad cerebral. Los sistemas BCI miden la actividad cerebral mediante la electroencefalografía (EEG), una técnica que registra la actividad eléctrica de las neuronas utilizando electrodos colocados sobre el cuero cabelludo. A continuación, el EEG se analiza mediante métodos de procesado de señal para decodificar las intenciones del usuario y traducirlas en órdenes que puedan utilizarse para controlar dispositivos externos. Los sistemas BCI tienen un gran potencial en diversas aplicaciones, como la asistencia a personas con grave discapacidad motora, el entrenamiento de las capacidades cognitivas humanas, el entretenimiento y la medicina. Sin embargo, esta tecnología se enfrenta en la actualidad a importantes limitaciones, como su baja fiabilidad, la falta de validación y unas herramientas de investigación inadecuadas que dificultan el rápido desarrollo de este campo. Esta tesis doctoral presenta un compendio de cuatro publicaciones que proponen diferentes estrategias para superar estas limitaciones y promover el desarrollo de sistemas BCI para aplicaciones prácticas, especialmente en un contexto asistencial. Los principales temas que se abordaron en este trabajo de investigación fueron la mejora del control asíncrono de los sistemas BCI, la aplicación de técnicas de aprendizaje profundo para aumentar la precisión y velocidad de esta tecnología, y el desarrollo de un novedoso ecosistema software para acelerar la investigación en BCI y neurociencia cognitiva.