Diseño y aplicación de técnicas de análisis de electroencefalogramas para sistemas Brain Computer Interface basados en potenciales evocados

Abstract

Los sistemas Brain Computer Interface (BCI) facilitan canales para enviar mensajes y órdenes al mundo externo sin realizar ninguna actividad muscular. Estos programas pueden habilitar a personas con discapacidades neuromusculares severas como la esclerosis lateral amiotrófica, ataque cerebral y lesiones de la médula espinal para comunicarse y operar programas como procesadores de texto. Para conseguirlo, se usan una serie de señales electrofisiológicas registradas en el cuero cabelludo en las cuáles está codificada la intención del usuario. En este trabajo realizamos un estudio de algoritmos de clasificación de características en BCI basados en potenciales evocados P300. Se proponen tres métodos: discriminante lineal de Fisher (FLDA), Spectral Regression Kernel Discriminant Analysis (SRKDA) y un conjunto de máquinas de vectores de soporte (SVM). Estos algoritmos se prueban sobre el conjunto de datos II de la III Competición BCI proporcionados por el centro Wadsworth (NYS Department of Health).