Caracterización de Señales EEG mediante Wavelet Packet y Entropía Difusa para Tareas de Imaginación Motora

Abstract

Context: Clinical rhythm analysis on advanced signal processing methods is very important in medical areas such as brain disorder diagnostic, epilepsy, sleep analysis, anesthesia analysis, and more recently in brain-computer interfaces (BCI).Method: Wavelet transform package is used on this work to extract brain rhythms of electroencephalographic signals (EEG) related to motor imagination tasks. We used the Competition BCI 2008 database for this characterization. Using statistical functions we obtained features that characterizes brain rhythms, which are discriminated using different classifiers; they were evaluated using a 10-fold cross validation criteria.Results: The classification accuracy achieved 81.11 % on average, with a degree of agreement of 61 %, indicating a "suitableçoncordance, as it has been reported in the literature. An analysis of relevance showed the concentration of characteristics provided in the nodes as a result of Wavelet decomposition, as well as the characteristics that more information content contribute to improve the separability decision region for the classification task. Conclusions:The proposed method can be used as a reference to support future studies focusing on characterizing EEG signals oriented to the imagination of left and right hand movement, considering that our results proved to compared favourably to those reported in the literature

Procesamiento de señales cerebrales provenientes de estímulos visuales y auditivos utilizando análisis wavelet y redes neuronales artificiales

“…Para esta selección se utilizó la metodología propuesta por los autores [9], la cual consiste en aplicar entropía tanto a la wavelet base, como a sus niveles hijos (aproximación y detalle), seleccionando la de menor entropía, partiendo de su nivel más refinado. Es este trabajo se usaron familias wavelet madre duabechies, coiflets y symlet, y fue tomada como referencia la wavelet madre db5 (Figura 5).…”

“…La importancia de esta investigación radica en el gran número de pacientes con diferentes problemáticas como las mencionada anteriormente, y la necesidad que esto provoca priorizando en los costos y su disponibilidad de desplazamiento, este trabajo ofrece una posible solución a esta problemática y genera un paso inicial para poder convertir un dispositivo que actualmente puede llegar hacer muy costoso en un dispositivo de fácil acceso para la población interesada, usando algunas técnicas de procesamiento digital de señales y de inteligencia artificial, sin embargo la construcción de estos dispositivos no puede ser del todo fácil, ya que existen muchos factores que intervienen en la fabricación de los mismos [1], se evidencian algunas metodologías para la construcción de estos dispositivos [2,3], así como algunas precauciones a tener en cuenta en el proceso de fabricación y montaje de los componentes que intervienen en ello [4,5]. Una de las problemáticas muy común es la baja relación señal a ruido que presentan los potenciales evocados en general [6], los dispositivos que fueron diseñados para este propósito cuentan con una etapa de filtrado generalmente analógico, digital o ambos, sin embargo existen algunos que presentan filtros un poco más elaborados con el propósito de eliminar artefactos presentes en la señal EEG que un filtro común no podría eliminar [7,8], así como también extraer la mayor información posible de estas señales desechando lo sobrante, entre los que se destacan el método propuesto por los autores [9] implementado en este trabajo y otros métodos también utilizados con frecuencia para tratar este tipo de señales [10,11], las posibles aplicaciones que tiene el estudio de señales EEG varían desde darle la capacidad a personas con discapacidad motriz de comunicarse [12] o recuperar cierto grado de autonomía [13] hasta evaluar nuevos métodos de aprendizaje o ayudar a la rehabilitación tanto psicológica como muscular en pacientes con problemas particulares [14,15,16], para hacer más aceptable el uso de estos dispositivos en la vida cotidiana el factor velocidad es un parámetro que también se ha tenido en cuenta para la construcción de estas interfaces [17], si deseamos saber un poco más acerca de la evolución de este tipo de dispositivos en los últimos años en [18] se presenta un estado del arte bastante completo hasta el año 2012.…”

Effect of popular songs from the reminiscence bump as autobiographical memory cues in aging: a preliminary study using EEG

“…In short, the neural bases of listening to songs associated with autobiographical memories have three components: (i) those involved in the recognition and familiarity of the music; (ii) those involved in accessing the autobiographical memories and the different levels of specificity; and (iii) those involved in the emotional valence induced by the music and/or the memory. These processes have primarily been studied using different EEG techniques ( Medina et al, 2018 ). In this sense, it is worth noting that the analysis of EEG signals allows us to ascertain the most representative characteristics used to identify the different functions linked to brain activity.…”

“…In this sense, it is worth noting that the analysis of EEG signals allows us to ascertain the most representative characteristics used to identify the different functions linked to brain activity. One of the most widely used techniques is Power Spectral Density (PSD), which provides information on the power distribution of a signal across its different frequency bands ( Medina et al, 2018 ): delta (1 ≤ δ < 4 Hz), theta (4 ≤ θ < 8 Hz), alpha (8 ≤ α < 13 Hz), beta (13 ≤ β < 32 Hz) and gamma (32 ≤ γ < 45 Hz). The main advantage of this type of analysis is that it facilitates the study of the characteristics of each of the frequency bands separately as each band is related to a different brain activity ( Sciotto and Niripil, 2014 ).…”