Implementing a fuzzy inference system in a multi-objective EEG channel selection model for imagined speech classification

Torres-García, Alejandro A.; Reyes-García, Carlos A.; Villaseñor-Pineda, Luis; García-Aguilar, Gregorio

doi:10.1016/j.eswa.2016.04.011

Cited by 71 publications

(42 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tabla 1. Resultados promedio de exactitud para 10 iteraciones por sujetos con su desviación estándar, comparado con los resultados alcanzados en [17]. Como puede observarse la palabra con menor confusión es arriba y la de mayor confusión es derecha.…”

Section: Experimentos Y Resultadosunclassified

See 1 more Smart Citation

Selección de parámetros en el enfoque de bolsa de características para clasificación de habla imaginada en electroencefalogramas

García-Salinas¹,

Villaseñor-Pineda²,

Reyes-García³

et al. 2017

RCS

Self Cite

View full text Add to dashboard Cite

Resumen. El uso de las interfaces cerebro-computadora como un nuevo canal de comunicación ha despertado un gran interés, no obstante aún hay muchos retos por resolver para alcanzar una comunicación natural. En el caso particular de las BCIs basadas en habla imaginada aún se presentan dificultades para analizar las señales cerebrales. En este trabajo se explora una representación de bolsa de características para identificar patrones en la señal cerebral adquirida a través de electroencefalogramas. Esta técnica ha demostrado serútil en tareas relacionadas. Sin embargo, determinar la bolsa de características más adecuada al problema depende de diversos parámetros. El presente trabajo describe el uso de algoritmos genéticos para encontrar la configuración más adecuada para la clasificación de habla imaginada. Los resultados, calculados en una base de datos de habla imaginada de 27 sujetos, muestran la pertinencia del método alcanzando resultados comparables con el estado del arte. Palabras clave: interfaces cerebro-computadora, electroencefalogramas (EEG), habla imaginada, bolsa de características, algoritmos genéticos.

show abstract

Section: Experimentos Y Resultadosunclassified

“…Recientemente, en [17] se exploraron diversas familias wavelet y clasificadores para clasificación multiclase de cinco palabras (arriba, abajo, izquierda, derecha, seleccionar ). Se implementó una selección de canales automática basada en inferencia difusa para reducir el conjunto de datos y obtuvo una exactitud de 68.18 ± 16.…”

Section: Habla Imaginadaunclassified

Selección de parámetros en el enfoque de bolsa de características para clasificación de habla imaginada en electroencefalogramas

García-Salinas¹,

Villaseñor-Pineda²,

Reyes-García³

et al. 2017

RCS

Self Cite

View full text Add to dashboard Cite

show abstract

“…Using the benefits of a fuzzy set of flexible boundary conditions, many authors have used a fuzzy inference system in BCI applications. In another work, a fuzzy inference system was used to select the number of EEG channels for a hypothetical speech (in Spanish) [22]. It is therefore used as an artificial eye-catching and discrete WT as a feature extraction approach.…”

Section: Fuzzy Inference Systemmentioning

confidence: 99%

Study of Interactive Systems Based on Brain and Computer Interfaces

Ghadiri¹

2019

Preprint

View full text Add to dashboard Cite

Scientists have always been looking for ways to create an effective relationship between humans and the machine, so that this relationship is as close as possible to human relationships, since even the most sophisticated machines do not have any particular effect without human intervention. This association results from brain-generated neural responses due to motor activity or cognitive activity. Communication methods include muscle and non-muscle activities that create brain activity or brainwaves and lead to a hardware device to perform a specific task. BCI was originally designed as a communication tool for patients with neuromuscular disorders, but due to recent advances in BCI devices such as passive electrodes, wireless headset, adaptive software, and cost reduction, it has been used to link the rest of the body. The BCI is a bridge between the signals generated by thoughts in our brain and the machines. BCI has been a successful invention in the field of brain imaging, which can be used in a variety of areas, including helping motor activity, vision, hearing, and any damage that the body sustains. The BCI device records brain responses using invasive, semi-invasive and non-invasive methods including Electroencephalography (EEG), Magnetizhenophyllography (MEG), and Magnetic Resonance Imaging (MRI). Brain response using pattern recognition methods to control any translation application. In this article, a review of various techniques for extracting features and classification algorithms has been presented on brain data. A significant comparative analysis of existing BCI techniques is provided.

show abstract

“…Un buen ejemplo, es el caso del científico Steven Hawking quien padecía ELA (Esclerosis Lateral Amiotrófica) 3 . Para mejorar la forma de comunicación de Hawking, se creó una versión mejorada de la tecnología Swiftkey, que consiste en la interpretación de frases a través de palabras detectadas por una serie de sensores colocados tanto en la mejilla derecha así como en la garganta del usuario, para que cuando este emule hablar, los sensores interpreten las palabras que intentó pronunciar.…”

Section: Introductionunclassified

“…El proyecto denominado "habla imaginada" desarrollado por la red ICA (Inteligencia Computacional Aplicada) en el INAOE (Instituto Nacional de Astrofísica,Óptica y Electrónica), consiste en la clasificación de cinco palabras (Izquierda, Derecha, Arriba, Abajo, Seleccionar) [3] obtenidas de la actividad cerebral apoyados en potenciales visuales evocados; dicho proyecto cuenta con un 70 % de clasificación correcta lo que lo hace un aporte bastante confiable, para este caso se utiliza una diadema denominada EMOTIV Epoc que cuenta con 14 canales para la obtención de señal y tiene un costo alto, adicionalmente, se requiere de un entrenamiento especial para poder implementar dicho sistema.…”

Section: Introductionunclassified

Sesgo cognitivo y redes neuronales artificiales aplicados en una BCI para clasificación de señales neuronales biológicas a palabras dicotómicas "SI-NO" obtenidas mediante un EEG: Speechless Talk

Serna¹,

Baltazar²,

Rocha³

et al. 2018

RCS

View full text Add to dashboard Cite

Resumen. La tecnología, al igual que las ciencias exactas y la computación juegan un papel muy importante en la vida diaria, así mismo, son de gran ayuda para la resolución de problemas de diferenteíndole, tales como problemas médicos, tecnológicos, la industria armamentista, escolares, entre otros. En este ocasión, se muestra un enfoque orientado a mejorar la comunicación no verbal de las personas y, a su vez, brindar una alternativa de mejora en la calidad de vida de pacientes con problemas de comunicación verbal. La unión deéstas desencadena en aplicaciones de gran utilidad y brinda alternativas eficaces de comunicación. Por tal motivo, en este trabajo se presenta el desarrollo del proyecto denominado Speechless Talk cuyo principal objetivo consiste en interpretar de manera dicotómica palabras tales como "SI" o "NO" a través de señales neuronales biológicas obtenidas con el uso de EEG (Electroencefalogramas), que posteriormente son clasificadas utilizando Redes Neuronales Artificiales.

show abstract

Implementing a fuzzy inference system in a multi-objective EEG channel selection model for imagined speech classification

Cited by 71 publications

References 18 publications

Selección de parámetros en el enfoque de bolsa de características para clasificación de habla imaginada en electroencefalogramas

Selección de parámetros en el enfoque de bolsa de características para clasificación de habla imaginada en electroencefalogramas

Study of Interactive Systems Based on Brain and Computer Interfaces

Sesgo cognitivo y redes neuronales artificiales aplicados en una BCI para clasificación de señales neuronales biológicas a palabras dicotómicas "SI-NO" obtenidas mediante un EEG: Speechless Talk

Contact Info

Product

Resources

About