Representación de información en un sistema de imaginación motora basado en aprendizaje profundo

Abstract

El desarrollo de interfaces cerebro computador (BCI) es un campo de investigación que tuvo sus inicios en la década de los 70, pero cuyos mayores avances se han presentado en los últimos años. Entre los diferentes esquemas de BCI, se encuentran aquellos basados en imaginación motora, es decir, los que son controlados por una modulación voluntaria de la actividad cerebral. El desarrollo de estos sistemas se basa en el reconocimiento de patrones de actividad cerebral asociados a la actividad motora, los cuales pueden ser identificados mediante el análisis de señales de electroencefalografía (EEG). Entre las muchas técnicas que se han desarrollado para llevar a cabo este análisis, el uso de técnicas de aprendizaje profundo se ha impuesto recientemente, por su efectividad en la discriminación de la intención motora. Este documento presenta los resultados de un trabajo desarrollado en el Laboratorio de Máquinas Inteligentes y Reconocimiento de Patrones (MIRP), del Instituto Tecnológico Metropolitano, que busca evaluar los efectos de técnicas de pre procesamiento y de extracción de características en la información que contiene el data set BCI 2IV- 2a, como etapa previa al uso de una arquitectura de aprendizaje profundo, en la clasificación de intención motora a partir de señales de EEG. El trabajo realizado incluye una revisión de la literatura relacionada con los diferentes componentes de un sistema de identificación de imaginación motora a saber: adquisición de señales y selección de electrodos, pre procesamiento, caracterización y clasificación; la implementación de técnicas del estado del arte para el procesamiento y representación de señales de EEG, y la evaluación del efecto de estas en el desempeño de in sistema BCI basado en aprendizaje profundo, implementado en el laboratorio.