Modelo HMM para la extracción de características en interfaces cerebro computadora basadas en EEG

SERGIO LIBERCZUK; BRUNO CERNUSCHI FRÍAS

Tucumán

Congreso; XIX Congreso Argentino de Bioingeniería y VIII Jornadas de Ingeniería Clínica; 2013

Sociedad Argentina de Bioingeniería

En este trabajo se propone un metodo para la extraccion de caractersticas, eninterfaces cerebro computadora no invasivas, basado en la solucion del problema inverso parase~nales de electroencefalograma (EEG). La solucion de dicho problema aumenta la resolucionespacial del EEG conservando su excelente resolucion temporal. La formulacion bayesiana delproblema mediante un Modelo Oculto de Markov permite aplicar Metodos Secuenciales deMonte Carlo para estimar su solucion de manera recursiva. El enfoque propuesto no se restringeexclusivamente a modelos lineales, esto permite modelar el problema inverso mediante unospocos dipolos y as estimar de manera secuencial un peque~no numero de parametros, lo quelo hace adecuado para la extraccion de caractersticas en tiempo real. El marco bayesianoy el algoritmo basado en simulaciones brindan la posibilidad de resolver el problema inversomediante calculos directos exclusivamente, sin la necesidad de invertir ningun operador. Estenuevo marco de trabajo otorga numerosas ventajas por sobre los metodos de regularizacionclasicos de reconstruccion de fuentes y ofrece una alternativa para la extraccion de caractersticasen interfaces cerebro computadora no invasivas. El algoritmo es sencillo y muy adecuado parasu implementacion mediante tecnicas de computacion paralela.