Diseño, desarrollo y evaluación de un sistema Brain Computer Interface (BCI) basado en Steady-State Visual Evoked Potentials (SSVEPs))

Abstract

En 1929, Hans Berger desarrolló el elenctroencefalograma (EEG). Desde entonces, el estudio de las señales biómedicas, y en concreto del EEG, ha progresado notablemente. A partir de este descubrimiento, las ondas cerebrales, las cuales eran completamente desconocidas, comenzaron a incluirse para diagnosticar enfermedades como la epilepsia o trastornos del sueño, además de para la investigación y compresión del cerebro. Posteriormente, se comenzó a especular con la utilización de las señales EEG para desarrollar un sistema de comunicaciones entre el cerebro y el medio sin la intervención de músculos y nervios periféricos. Este tipo de sistemas no aparecieron hasta el año 1977, cuando el Dr. Jacques Vidal bautizó el primero con el nombre de Brain-Computer Interface (BCI). Dichos sistemas permiten el control de dispositivos a partir de la monitorización de la actividad cerebral y de la traducción de las intenciones del usuario en comandos de dispositivo. Este trabajo tiene el objetivo de diseñar, desarrollar y evaluar un sistema BCI basado en Steady-State Visual Evoked Potentials (SSVEPs). La aplicación fue desarrollada mediante la plataforma MEDUSA, creada por el Grupo de Ingeniería Biomédica de la Universidad de Valladolid. Para ello se implementaron en Python tanto la interfaz gráfica de la aplicación como los métodos de procesado de señal. El sistema BCI bajo estudio se trata de un speller que permite seleccionar comandos, representados en celdas de una matriz, mediante la detección en el EEG de SSVEPs. Estos últimos son provocados por estímulos visuales a una cierta frecuencia de estimulación. Tras realizar una revisión del estado del arte, se concluye que la mejor manera de conseguir dicho objetivo es mediante el paradigma Joint Frequency-Phase Coding y el método de procesado Canonical Correlation Analysis. Una vez desarrollada, la aplicación fue evaluada por cinco sujetos sanos que relizaron varias tareas en una única sesión. Los resultados obtenidos para la mayoría de los sujetos fueron satisfactorios, con una precisión media del 74,06% bajo condiciones controladas en un laboratorio. Tras la realización de las tareas, los sujetos de estudio completaron un cuestionario de satisfacción que permitió conocer su opinión del sistema implementado y realimentar el proyecto con sus sugerencias. De entre las ideas extraidas, destacan las sugerencias de mejora de la interfaz gráfica y de los métodos de procesado de señal.

In 1929, Hans Berger developed the elenctroencephalogram (EEG). Since then, the study of biomedical signals, and in particular of the EEG, has progressed significantly. From this discovery, brain waves, which were completely unknown, were increasingly used to diagnose diseases such as epilepsy or sleep disorders, as well as for the research and compression of the brain. After that, investigators began to suggest the use of EEG signals to develop a communication system between the brain and the environment without the intervention of muscles and peripheral nerves. This type of system did not appear until 1977, when Dr. Jacques Vidal baptized the first one with the name of Brain-Computer Interface (BCI). These systems allow the control of devices by monitoring the brain activity and translating the user's intentions into device commands. This work aims to design, develop and evaluate a BCI system based on Steady-State Visual Evoked Potentials (SSVEPs). The application was developed using the MEDUSA platform, created by the Biomedical Engineering Group of the University of Valladolid. For this purpose, both the application's graphic interface and the signal processing methods were implemented in Python. The BCI system under study is a speller that allows selecting commands, represented in cells of a matrix, through the detection in the EEG of SSVEPs. The latter are caused by visual stimuli at a certain stimulation frequency. After a review of the state of the art, it is concluded that the best way to achieve this goal is through the Joint Frequency-Phase Coding paradigm and the processing method Canonical Correlation Analysis. Once developed, the application was evaluated by five healthy subjects who performed several tasks in a single session. The results obtained for most of the subjects were satisfactory, with an average accuracy of 74.06% under controlled conditions in a laboratory. After the completion of the tasks, the study subjects completed a satisfaction questionnaire that allowed to know their opinion about the implemented system and to feedback the project with their suggestions. Among the ideas extracted, suggestions for improving the graphic interface and signal processing methods stand out.