Detección optimizada de la respuesta infrecuente en interfaces cerebro-computadora Público Deposited
El paradigma Oddball es uno de los más utilizados en el desarrollo de interfaces cerebro-computadora que buscan mejorar la calidad de vida de personas con altos grados de discapacidad. Esto se debe a que a diferencia de otras interfaces, éstas ofrecen a los usuarios un vasto espectro de posibilidades para interactuar con su entorno a partir de potenciales que, incluso aquellos con mayores limitaciones, son capaces de generar para conseguir controlarlas. Sin embargo,el modo tan lento con el que operan este tipo de aplicacionesrepresenta un inconveniente para aquellos que las utilizan en su vida cotidiana; situación que es difícil de superar porque intervienen dos cuestiones intrínsecas al sistema: Por un lado, se trata de aplicaciones que requieren de una rutina que provoque los estímulos relacionados con cada una de las posibilidades que le brinda al usuario, quien debe permanecer atento y esperar, por varios segundos, a que ocurra aquél que corresponde con su elección y, por otro lado, las respuestas generadas en el electroencefalograma (EEG) presentan una razón señal a ruido muy baja, con lo que resulta prácticamente imposible detectar el potencial correspondiente. Para corregir esta situación se emplean técnicas de promediación coherente, de este modo se consigue resaltar los patrones que tienen en común las señales de EEG y, al mismo tiempo, eliminar los componentes relacionados con otro tipo de actividad o, con ciertos artefactos. Entre más respuestas se promedien, mejor es el resultado que se obtiene. Sin embargo, esto implica un fuerte incremento en el tiempo que le lleva al sistema tomar una decisión porque, para cada respuesta considerada en el promedio, es necesario presentar una rutina de estimulación. A partir de este hecho, se puede observar que existe un compromiso entre el tiempo que le lleva al sistema tomar una decisión y la precisión correspondiente.
Mientras más secuencias de estimulación se emplean, mayor es el tiempo que le toma al usuario controlar al sistema;no obstante, de este modo se evita cometer errores. Y, por el contrario, entre menos secuenciasse generan, menor es el tiempo necesario para controlar la interfaz, pero esto, por supuesto, en detrimento de la precisión con la que se presentan los resultados. Por esta razón, el número de secuenciasde estimulación que se presentanpara determinar cada uno de los elementos, es un parámetro que debe elegirse con cuidado. En la mayoría de los casos, se opta por presentar varias secuenciasy, de este modo, asegurar un buen desempeño. El inconveniente que esto conlleva es que, con frecuencia, estas secuenciasson presentadasen vano, es decir, con la información registrada en el EEG desde la primera o segunda serie de estimulación, es posible hacer la inferencia correspondiente, no obstante, el sistema sigue estimulando al usuario hasta presentartodas las secuenciasque se establecieron durante su configuración. Este hecho refleja lo inadecuado de considerar que, el número de secuenciasde estimulación para determinar cada elemento, corresponda con un parámetro estático que destinesiempre la misma cantidad de estímulos. En este trabajo se presenta una propuesta para que dicho parámetro se establezca de manera dinámica, de modo que el sistema sea capaz de determinar automáticamente el número de secuenciasde estimulación necesario para clasificar cada respuesta. Para ello, se presenta un enfoque bayesiano que permite determinar la probabilidad posterior asociada con la clasificación de cada elemento, la cual puede entenderse como la probabilidad de que la clasificación se haya realizado correctamente y, de este modo, determinar si es necesario seguir estimulando al usuario paramejorar la calidad de las señales, o asegurar con cierto grado de probabilidad, que se ha tomado ya la decisión correcta y, por lo tanto, es posible detener la estimulación. Este nuevo esquema evita que la interfaz invierta tiempo en generar secuenciasque provocan respuestas redundantes sin descuidar la precisión de su desempeño. El hecho de concebir el número de secuenciasde estimulación como un parámetro dinámico, permite que el sistema se ajuste a las características de los datos y genere tantos estímulos como sean necesarios, lo que se refleja en un decremento del tiempo promedio en el control de este tipo de aplicaciones. Vale la pena recalcar que, bajo este enfoque, el operador del sistema ya no elegirá un número determinado de secuenciasde estimulación para tomar decisiones. En su lugar, debe establecer una serie de umbrales que le permiten al sistema tomar decisiones. Los resultados obtenidos después de utilizar la metodología propuesta sobre los registros de 14 usuarios son satisfactorios, el tiempo promedio de deletreo es de 6.1 ± 0.63 letras/min que, en comparación con el reportado por un sistema convencional configurado para presentar 5 secuenciasde estimulación con una velocidad de deletreo constante de 3.93 letras/min, representa una mejora de más del 35%. En ambos casos, la precisión de los resultados se mantuvopor encima del 90%.
Relaciones
| En Conjunto Administrativo: |
|---|
Descripciones
| Nombre del atributo | Valores |
|---|---|
| Creador | |
| Colaboradores | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| Palabra Clave | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
