RT info:eu-repo/semantics/bachelorThesis
T1 Potenciando la extracción de características en sistemas brain-computer interface basados en c-VEP mediante TRCA
A1 Dueñas Ruiz, Juan
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 Brain-Computer Interface (BCI)
K1 Code-Modulated Visual Evoked Potential (c-VEP)
K1 Gold Codes
K1 1203.17 Informática
AB La capacidad de poder escribir utilizando única y exclusivamente la ondas cerebralesparece un proyecto utópico fuera del alcance de todos nosotros. Sin embargo, los avancesen la neurociencia han desembocado en la creación de interfaces cerebro-ordenador (BCI,brain-computer interfaces) las cuales son capaces de traducir las intenciones de los usua rios y de transformarlas en comandos. Sin embargo, estas señales no se pueden decodificardirectamente sin utilizar señales de control. Los potenciales evocados visuales moduladospor código (c-VEPs, code-modulated visual evoked potential) son una innovadora señal decontrol que permite tiempos de calibración reducidos y una excelente precisión.Los sistemas BCI basados en c-VEP se fundamentan en la utilización de secuenciasbinarias pseudoaleatorias para modular los parpadeos de los comandos seleccionables. Esfundamental que la forma en la que se codifiquen estos comandos, es decir, el conjuntode secuencias binarias pseudoaleatorias utilizadas, exhiban buenas propiedades de auto correlación y/o correlación cruzada. La justificación de codificar los comandos a travésde este tipo de secuencias es que, al fijar la atención sobre cada comando, se desencade nen respuestas de electroencefalografía (EEG) que muestren una mayor correlación conel comando al cual el usuario está dirigiendo su atención, en comparación con el resto deestímulos. Uno de los métodos más eficientes para ello es la utilización de versiones des plazadas de una m-secuencia debido a sus excelentes propiedades de autocorrelación. Sinembargo, los Gold Codes han demostrado en varios estudios que, debido a sus magníficaspropiedades de correlación cruzada, pueden sustituir a las m-secuencias.Para garantizar un correcto funcionamiento del sistema BCI es fundamental realizaruna etapa de extracción de características para encontrar parámetros correlados con lasintenciones del usuario en tiempo real. En este caso, se requiere encontrar característicasde la señal que nos permitan determinar dónde está mirando el usuario en cada momento.Por tanto, además del filtrado frecuencial, comúnmente se aplican filtros espaciales queponderan la importancia de cada electrodo. Uno de los métodos más populares para elloes Canonical Correlation Analysis (CCA), cuyo objetivo es maximizar la asociación, me dida por la correlación, entre las proyecciones de baja dimensionalidad de dos conjuntosde datos. Sin embargo, Task-Related Component Analysis (TRCA) ha ganado gran po pularidad en los últimos años ya que su propósito principal es determinar los coeficientesde las series temporales de manera que se maximice la correlación entre bloques de tarea,asegurando así una alta consistencia entre ellos.Por todo esto, en este Trabajo de Fin de Grado se desarrolla un sistema BCI basado enc-VEP utilizando desplazamientos circulares de Gold Codes, así como TRCA utilizandoPython y Unity. El objetivo es realizar un análisis comparativo con el típico sistema BCIbasado en c-VEP que utiliza m-secuencias junto con CCA.Para ello, se ha realizado un análisis offline a través de dos bases de datos y un análisisonline con la aplicación desarrollada, tanto con 31, como con 63 bits. A través de unanálisis estadístico, el primero de ellos muestra que no existen diferencias significativasentre el uso de TRCA y CCA cuando se utilizan p-ary m-secuencias, ni en cuanto a lasprecisiones ni en tiempos de selección, sin embargo, sí que existen diferencias significativascuando los comandos se modulan a través de Gold Codes. En cuanto al análisis online, losresultados obtenidos en la aplicación desarrollada son excelentes, arrojando una precisiónmedia de de 95,31 % ± 6,13 con 31 bits y 96,25 % ± 7,10 con 63 bits, superior a la deestudios realizados con características muy similares. Además, se ha demostrado que noexisten diferencias significativas utilizando 31 y 63 bits en este mismo paradigma lo quepermite reducir los tiempos de calibración a la mitad.
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/68716
UL https://uvadoc.uva.es/handle/10324/68716
LA spa
DS UVaDOC
RD 23-nov-2024