Diseño e implementación de un prototipo cerebro-computador, basado en potenciales visuales evocados de estado estacionario, para comunicar mensajes simples

Resumen

La mayoría de las personas con discapacidades motoras graves tienen dificultades comunicativas derivadas de su condición; la nula movilidad de sus extremidades les impide interactuar correctamente con su entorno e incluso su capacidad motora no es suficiente para permitirles hablar. Los sistemas BCI como tecnologías de asistencia suelen ser la única alternativa en los casos más graves de discapacidad motora, donde el paradigma SSVEP ha demostrado ser una estrategia eficiente en términos de confiabilidad y velocidad. En el presente proyecto, diseñamos un prototipo de interfaz cerebro computador para comunicar mensajes simples basado en los SSVEP. El algoritmo creado en Matlab es homologable tanto para una aplicación fuera de línea con base de datos como para una aplicación en línea extrayendo la actividad cerebral, haciendo uso de una tarjeta de adquisición basada en el circuito integrado ADS1299 de Texas Instruments. La extracción de características está basada en un análisis por correlación canónica con banco de filtros (FBCCA) y el cálculo de la densidad espectral de potencia (PSD), características que alimentan un clasificador bayesiano entrenado con la base de datos. El desempeño final fuera de línea se evaluó teniendo en cuenta la exactitud y la precisión promedio obtenida con la base de datos, mientras que el desempeño en línea se basó en la exactitud y la tasa de transferencia de información (ITR) obtenidos en las pruebas. Se diseñó una interfaz de usuario visual, utilizando el paquete de librerías psychtoolbox-3, que garantiza la veracidad de los estímulos visuales. Las pruebas fuera de línea resultaron en una exactitud del 92.29% con una precisión del 60.28%, mientras que las pruebas en línea resultaron en una exactitud del 86.84% y una ITR de 5.61 bits por minuto donde cada decisión es tomada en un promedio de 4.5 segundos.

Descripción

Abstract

Most people with severe motor disabilities have communication difficulties derived from their condition; the null mobility of their extremities prevents them from interacting correctly with their environment and even their motor capacity is not enough to allow them to speak. BCI systems as assistive technologies are usually the only alternative in the most severe cases of motor disability, where the SSVEP paradigm has proven to be an efficient strategy in terms of reliability and speed. In the present project, we design a brain-computer interface prototype to communicate simple messages based on SSVEPs. The algorithm created in Matlab is homologating both for an offline application with a database and for an online application extracting brain activity, through an acquisition card based on the ADS1299 chip. Feature extraction is based on filter bank canonical correlation analysis (FBCCA) and power spectral density (PSD) calculation, features that feed an altered Bayesian classifier with the database. The final offline performance was evaluated considering the average accuracy and precision obtained with the database, while the online performance was based on the average accuracy and information transfer rate (ITR) obtained in the tests. A visual user interface was developed using the psychtoolbox-3 library package that guarantees the veracity of the visual stimuli. The offline tests resulted in an accuracy of 92.29% with a precision of 60.28%, while the online tests resulted in an accuracy of 86.84% and an ITR of 5.61 bits per minute where each decision is made in an average of 4.5 seconds.

Palabras clave

Electroencefalografía, Características, Clasificación, Interfaz cerebro-computador, Potencial evocado

Keywords

Brain-Computer Interface, Characteristics, Classification, Electroencephalography, Evoked Potential

Temáticas

Citación