CONICET | Buscador de Institutos y Recursos Humanos

Las interfaces de control cerebral (ICC) son sistemas que permiten la extracción, clasificación y reconocimiento de tareas mentales a partir de la medición del EEG humano. Las ICC se aplican en personas con severas discapacidades motoras como un medio de comunicación alternativo con una computadora. Actualmente diferentes medios algorítmicos son empleados para el análisis, incluyendo por ejemplo modelos auto regresivos (AR), o análisis espectral de frecuencia para la extracción de características del EEG, o redes neuronales para la clasificación. En este trabajo proponemos el uso de una red neuronal Counterpropagation para la clasificación de coeficientes AR del EEG en el diseño de una ICC. Los datos analizados fueron obtenidos de experimentos previos de otros investigadores disponibles en Internet, y consisten en el registro de EEG de cuatro sujetos mientras realizaban diferentes tareas mentales. Ventanas de ¼ y 1 segundo de seis canales diferentes fueron transformadas en una representación paramétrica dada por los coeficientes AR empleando el algoritmo de Burg. Estos parámetros fueron luego concatenados en un vector característico para servir de entrada a una etapa de clasificación, implementada con una red neuronal tipo counterpropagation. La red consta de dos partes, un mapa auto organizado de Kohonen y un clasificador lineal como etapa de salida. El tamaño del mapa auto organizado mostró ser un factor importante en la performance de la clasificación, siendo adecuados tamaños de 3x3 y 5x5 con clasificaciones en el rango de 90% y 88% respectivamente. La precisión de clasificación de pares de tareas mentales tuvo en promedio un 93% de aciertos.

enviar mensaje