COMPLECIÓN DE TENSORES PARA LA ESTIMACIÓN DE SEÑALES DE EEG EN LA ETAPA DE CALIBRACIÓN DE UN SISTEMA BCI

CAIAFA CESAR F.; QIBIN ZHAO; JORDI SOLE-CASALS; ANDRZEJ CICHOCKI; PERE MARTÍ-PUIG

Madrid

Simposio; 10º Simposio CEA de Bioingeniería; 2018

Universidad San Pablo CEU - Campos de Montepríncipe (Madrid)

En este trabajo exploramos un algoritmo de compleción de tensores (Tensor Completion, TC) aplicado a datos de EEG organizados en forma de tensor para mejorar el rendimiento de clasificación en un sistema de interfaz cerebro-computador (Brain-Computer Interface, BCI) de imaginería cerebral cuando parte de los datos son corruptos. Las mediciones ruidosas se consideran como desconocidas (muestras faltantes) que se infieren a partir de un modelo de TC. Evaluamos el rendimiento de un algoritmo clásico de TC y lo comparamos con una estrategia de interpolación simple basada en el promedio de datos de tramas disponibles. Los resultados experimentales muestran que, para el caso de muestras perdidas de forma aleatoria, el algoritmo de TC es capaz de recuperar las muestras perdidas aumentando el rendimiento de la clasificación en comparación con un enfoque de interpolación simple; mientras que para el caso de canales perdidos, el algoritmo de TC ayuda a reconstruirlos mejorando significativamente la precisión en la clasificación de las imágenes motoras. Esto nos permite afirmar que los algoritmos de TC pueden ser útiles en aplicaciones BCI reales. La estrategia propuesta podría permitir el uso de sistemas de BCI cuando los datos del EEG se vean afectados por ruido o artefactos, evitando la necesidad de nuevas adquisiciones y reduciendo el tiempo empleado la etapa de calibración