Caracterización de la sincronía de fase de EEG para su aplicación en Interfaces Cerebro-Computadora Público Deposited
Dentro de la línea de investigación de Interfaces-Cerebro Computadora (BCI, por sus siglas en inglés), uno de los retos en el diseño y construcción de estos sistemas es identificar la intención real del usuario de emplear el sistema, es decir, que el usuario tenga la libertad para decidir cuándo interactuar con el sistema y con qué frecuencia, para lo cual es necesario un paradigma que no dependa de estímulos externos y poder tomar decisiones binarias (por ejemplo, encender o apagar la BCI), sin que el usuario esté atado o sincronizado a estímulos externos. En otras palabras, una BCI independiente y asincrónica, que hasta la fecha es motivo de investigación en búsqueda de alternativas efectivas. En este trabajo se propone evaluar la imaginación musical como una opción para ser utilizada como tarea de control para una BCI de estas características, dada la extensa red neurológica que implica al abarcar diversas modalidades de imaginación, sea auditiva, visual, motora, entre otras. Aunado a esto, uno de los aportes principales de esta investigación es la metodología propuesta para analizar la imaginación musical, cuyo objetivo es caracterizar las relaciones de fase entre series de tiempo multivariadas de la actividad eléctrica cortical obtenida a partir del electroencefalograma (EEG), representando dichas relaciones mediante conglomerados (clusters) de electrodos altamente sincronizados. El método está basado en un nuevo algoritmo de agrupamiento propuesto en este trabajo, denominado Agrupamiento (clustering) por Sincronía de Fase de Series de Tiempo Multivariadas (mCPS, por sus siglas en inglés), donde la idea principal es generar conglomerados difusos (un solo dato puede tener distintos grados de membresía en los conglomerados) para cada muestra multivariada en el tiempo t, e iterativamente refinar la agrupación hasta obtener conglomerados duros (cada dato asignado a un solo conglomerado), de acuerdo a un umbral de varianza circular, que es una medida estadística para datos angulares. Los resultados del mCPS se representan en mapas TiempoFrecuencia-Topográficos, de esta manera se puede hacer un inspección visual de los patrones de sincronía representados por conglomerados de canales. En una primera etapa, la metodología propuesta se utilizó para evaluar un paradigma exógeno de BCI (P300). Los resultados permitieron caracterizar la información neurológica asociada al potencial cognitivo en cuestión, encontrando mediante mCPS conglomerados de señales que coinciden con el contenido tiempo-frecuencia de las épocas del EEG que contienen P300, caso contrario con aquellas épocas donde no se encuentra el potencial, permitiendo hacer un contraste de las diferencias de ambas condiciones. Como valor agregado, también se identificó un artefacto de estado estable (que podría ser información relevante si se tratase de un paradigma con potenciales de esta naturaleza). Dentro de la metodología se incorpora la distancia de Levenshtein como métrica para discernir las diferencias entre condiciones, como fue en el caso del paradigma exógeno evaluado. En una etapa posterior, se aplicó la metodología en un paradigma endógeno con imaginación musical (diseñado y propuesto para este trabajo), donde se aprecian diferencias entre la condición de estado basal y las condiciones de imaginación, quedando abierta la posibilidad de seguir explorando y hacer los ajustes necesarios para recuperar rasgos que no solo permitan distinguir entre estados mentales, sino que puedan asociarse directamente a una tarea en específico. La metodología propuesta provee de una herramienta novedosa para el análisis de sincronía de fase de señales de EEG y la caracterización de su variabilidad en el tiempo, dando un amplio panorama del comportamiento de la sincronización de fase en las bandas de EEG de interés y su localización temporal, tomando en cuenta algunos aspectos como la noestacionariedad de la frecuencia de sincronización y la flexibilidad para el uso de otras medidas de sincronización, además de la varianza circular. Este trabajo es entonces una ventana de observación de la actividad eléctrica cerebral tomada del EEG para evaluar la integración a gran escala de patrones de sincronización de fase instantánea que emergen durante un estado mental, abstrayendo dichos patrones en arreglos de conglomerados de sincronización de fase sobre la serie de tiempo de señales de EEG.
A mayor challenge in Brain-Computer Interfaces (BCI) development is to identify whether the user really needs to interact with the system; thereby, the subject has free will to make binary decisions (for example, to choose when to turn on/off the BCI). Thus, an independent (of external stimuli) and asynchronous BCI paradigm is well suited to fulfill this issue, and effective solutions are still on demand. Music imagery involves different types of imagination, such as auditory, visual, motor, among others, which implies neural activity over a broad neurological network. In this work, assessment of music imagery as control task for BCI is proposed. In addition to this, within the main contributions is the method to perform music imagery analysis, which aims to characterize phase relationships between multivariate time series of cortical electrical activity obtained from the electroencephalogram (EEG), representing such relationships in clusters of highly synchronized multichannel data. The framework relies in a novel clustering algorithm, termed Multivariate Time Series Clustering by Phase Synchrony (mCPS), where the main idea is to generate fuzzy clusters (a data point might have different degrees of membership in each output cluster) for each multivalued time sample t, and thereupon obtain hard clusters (the data point is only assigned to one cluster) according to a circular variance threshold, which is a measure of circular spread of angular data. The method was used to evaluate an exogenous BCI paradigm (P300) and the endogenous paradigm involving musical imagination. The neural data associated with the P300 wave was successfully characterized. Regarding the music imagery mental task, differences between baseline and imagination mental states were found, with the possibility of making necessary adjustments for retrieving features that could be directly associated with the mental task in forthcoming research. This research provides a novel tool for analysis of phase synchrony of EEG signals and characterization of their variability over time.
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 |
