- -

Metodología para la Creación de una Interfaz Cerebro-Computador Aplicada a la Identificación de la Intención de Movimiento

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Metodología para la Creación de una Interfaz Cerebro-Computador Aplicada a la Identificación de la Intención de Movimiento

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: del;Serrano;Ibáñez ...
Tamaño: 1.212Mb
Formato: PDF
Descripción: Versión editorial
Abrir
dc.contributor.author del Castillo, Mª D. es_ES
dc.contributor.author Serrano, J. I. es_ES
dc.contributor.author Ibáñez, J. es_ES
dc.contributor.author Barrios, L. J. es_ES
dc.date.accessioned 2020-05-28T17:03:42Z
dc.date.available 2020-05-28T17:03:42Z
dc.date.issued 2011-04-08
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/144538
dc.description.abstract [EN] BCIs provide a channel for sending commands to the external environment by using electrophysiological measurements recording brain activity. The algorithm transforming the input signal into the output commands and the method used to extract the signal features for the algorithm are the key components for an optimum behaviour of the BCI. This paper presents a machine learning- based method to select these features and a classifier algorithm for building a predictive model from the EEg signal of patients with tremor. This model analyses and classifies the signal in a continous, asynchronous and adaptive way finding to identify the patient movement intention in order for a control system to cancel the tremor during the movement execution. es_ES
dc.description.abstract [ES] Las Interfaces Cerebro-Computador proporcionan un canal para enviar órdenes al mundo exterior haciendo uso de medidas electrofisiológicas de la actividad cerebral. En este artículo se presenta la combinación de un método de selección de características y un algoritmo de clasificación probabilístico para construir el modelo predictivo de la intención anticipada de movimiento voluntario de pacientes con temblor a partir de un solo ensayo. Los resultados obtenidos muestran una potencial de discriminación del 70%, una tasa de error aceptable (6.6%) y una rápida respuesta (cada 250 ms), lo que indica que esta combinación es una buena base para la construcción de ICCs que no requieran entrenamiento del usuario de forma personalizada, asíncrona y adaptativa. es_ES
dc.description.sponsorship Este trabajo ha sido realizado con la financiación de la Comisión de la Unión Europea dentro del 7 Programa Marco, para el proyecto con referencia ICT-2007-224051: “TREMOR: An ambulatory BCI-driven tremor suppression system based on functional electrical stimulation” y por el Ministerio de Ciencia e Innovación, con el proyecto IMAGENeuroMAPS (TEC2006-13966-C03-03) “Integración de resonancia magnética y electroencefalografía. Aplicación al fundamento y uso de ICCs por discapacitados”. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Asynchronous BCI es_ES
dc.subject User modelling es_ES
dc.subject Adaption es_ES
dc.subject Data mining es_ES
dc.subject ERD es_ES
dc.subject Interfaz Cerebro-Computador (ICC) asíncrona es_ES
dc.subject Señal electroencefalográfica es_ES
dc.subject Personalización es_ES
dc.subject Ritmos sensorimotores es_ES
dc.subject Minería de datos es_ES
dc.subject Adaptación es_ES
dc.subject Clasificación es_ES
dc.title Metodología para la Creación de una Interfaz Cerebro-Computador Aplicada a la Identificación de la Intención de Movimiento es_ES
dc.title.alternative Methodology for building Brain-Computer Interfaces applied to identify voluntary movement intention es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/S1697-7912(11)70030-9
dc.relation.projectID info:eu-repo/grantAgreement/EC/FP7/224051/EU/An ambulatory BCI-driven tremor suppression system based on functional electrical stimulation/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/MEC//TEC2006-13966-C03-03/ES/INTEGRACION DE RESONANCIA MAGNETICA Y ELECTROENCEFALOGRAFIA. APLICACION AL FUNDAMENTO Y USO DE INTERFACES CEREBRO COMPUTADOR POR DISCAPACITADOS/ es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Del Castillo, MD.; Serrano, JI.; Ibáñez, J.; Barrios, LJ. (2011). Metodología para la Creación de una Interfaz Cerebro-Computador Aplicada a la Identificación de la Intención de Movimiento. Revista Iberoamericana de Automática e Informática industrial. 8(2):93-102. https://doi.org/10.1016/S1697-7912(11)70030-9 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/S1697-7912(11)70030-9 es_ES
dc.description.upvformatpinicio 93 es_ES
dc.description.upvformatpfin 102 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 8 es_ES
dc.description.issue 2 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\8581 es_ES
dc.contributor.funder European Commission es_ES
dc.contributor.funder Ministerio de Educación y Ciencia es_ES
dc.description.references Bai, O., Lin, P., Vorbach, S., Li, J., Furlani, S., & Hallett, M. (2007). Exploration of computational methods for classification of movement intention during human voluntary movement from single trial EEG. Clinical Neurophysiology, 118(12), 2637-2655. doi:10.1016/j.clinph.2007.08.025 es_ES
dc.description.references Bashashati, A., Fatourechi, M., Ward, R. K., & Birch, G. E. (2007). A survey of signal processing algorithms in brain–computer interfaces based on electrical brain signals. Journal of Neural Engineering, 4(2), R32-R57. doi:10.1088/1741-2560/4/2/r03 es_ES
dc.description.references Daly, J. J., & Wolpaw, J. R. (2008). Brain–computer interfaces in neurological rehabilitation. The Lancet Neurology, 7(11), 1032-1043. doi:10.1016/s1474-4422(08)70223-0 es_ES
dc.description.references Donchin, E., Spencer, K. M., & Wijesinghe, R. (2000). The mental prosthesis: assessing the speed of a P300-based brain-computer interface. IEEE Transactions on Rehabilitation Engineering, 8(2), 174-179. doi:10.1109/86.847808 es_ES
dc.description.references Donoghue, J. P. (2002). Connecting cortex to machines: recent advances in brain interfaces. Nature Neuroscience, 5(S11), 1085-1088. doi:10.1038/nn947 es_ES
dc.description.references Farina, D., Nascimento, O. F. do, Lucas, M.-F., & Doncarli, C. (2007). Optimization of wavelets for classification of movement-related cortical potentials generated by variation of force-related parameters. Journal of Neuroscience Methods, 162(1-2), 357-363. doi:10.1016/j.jneumeth.2007.01.011 es_ES
dc.description.references Farwell, L. A., & Donchin, E. (1988). Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials. Electroencephalography and Clinical Neurophysiology, 70(6), 510-523. doi:10.1016/0013-4694(88)90149-6 es_ES
dc.description.references Fazli, S., Popescu, F., Danóczy, M., Blankertz, B., Müller, K.-R., & Grozea, C. (2009). Subject-independent mental state classification in single trials. Neural Networks, 22(9), 1305-1312. doi:10.1016/j.neunet.2009.06.003 es_ES
dc.description.references Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, 39(11), 27-34. doi:10.1145/240455.240464 es_ES
dc.description.references Flexer, A., & Bauer, H. (2000). Monitoring human information processing via intelligent data analysis of EEG recordings. Intelligent Data Analysis, 4(2), 113-128. doi:10.3233/ida-2000-4203 es_ES
dc.description.references Graimann, B., Huggins, J. ., Levine, S. ., & Pfurtscheller, G. (2002). Visualization of significant ERD/ERS patterns in multichannel EEG and ECoG data. Clinical Neurophysiology, 113(1), 43-47. doi:10.1016/s1388-2457(01)00697-6 es_ES
dc.description.references Gu, Y., Dremstrup, K., & Farina, D. (2009). Single-trial discrimination of type and speed of wrist movements from EEG recordings. Clinical Neurophysiology, 120(8), 1596-1600. doi:10.1016/j.clinph.2009.05.006 es_ES
dc.description.references Isa, T., Fetz, E. E., & Müller, K.-R. (2009). Recent advances in brain–machine interfaces. Neural Networks, 22(9), 1201-1202. doi:10.1016/j.neunet.2009.10.003 es_ES
dc.description.references Kübler, A., Kotchoubey, B., Kaiser, J., Wolpaw, J. R., & Birbaumer, N. (2001). Brain–computer communication: Unlocking the locked in. Psychological Bulletin, 127(3), 358-375. doi:10.1037/0033-2909.127.3.358 es_ES
dc.description.references Kutas, M., & Hillyard, S. A. (1984). Brain potentials during reading reflect word expectancy and semantic association. Nature, 307(5947), 161-163. doi:10.1038/307161a0 es_ES
dc.description.references Mason, S. G., & Birch, G. E. (2000). A brain-controlled switch for asynchronous control applications. IEEE Transactions on Biomedical Engineering, 47(10), 1297-1307. doi:10.1109/10.871402 es_ES
dc.description.references Müller-Putz, G. R., Scherer, R., Pfurtscheller, G., & Rupp, R. (2005). EEG-based neuroprosthesis control: A step towards clinical practice. Neuroscience Letters, 382(1-2), 169-174. doi:10.1016/j.neulet.2005.03.021 es_ES
dc.description.references Pfurtscheller, G. (1977). Graphical display and statistical evaluation of event-related desynchronization (ERD). Electroencephalography and Clinical Neurophysiology, 43(5), 757-760. doi:10.1016/0013-4694(77)90092-x es_ES
dc.description.references Pfurtscheller, G., & Aranibar, A. (1979). Evaluation of event-related desynchronization (ERD) preceding and following voluntary self-paced movement. Electroencephalography and Clinical Neurophysiology, 46(2), 138-146. doi:10.1016/0013-4694(79)90063-4 es_ES
dc.description.references Pfurtscheller, G. (1992). Event-related synchronization (ERS): an electrophysiological correlate of cortical areas at rest. Electroencephalography and Clinical Neurophysiology, 83(1), 62-69. doi:10.1016/0013-4694(92)90133-3 es_ES
dc.description.references Pfurtscheller, G., Sager, W., & Wege, W. (1981). Correlations between CT scan and sensorimotor EEG rhythms in patients with cerebrovascular disorders. Electroencephalography and Clinical Neurophysiology, 52(5), 473-485. doi:10.1016/0013-4694(81)90032-8 es_ES
dc.description.references Pfurtscheller, G., Neuper, C., Guger, C., Harkam, W., Ramoser, H., Schlogl, A., … Pregenzer, M. (2000). Current trends in Graz brain-computer interface (BCI) research. IEEE Transactions on Rehabilitation Engineering, 8(2), 216-219. doi:10.1109/86.847821 es_ES
dc.description.references Pfurtscheller, G., & Neuper, C. (1994). Event-related synchronization of mu rhythm in the EEG over the cortical hand area in man. Neuroscience Letters, 174(1), 93-96. doi:10.1016/0304-3940(94)90127-9 es_ES
dc.description.references Pfurtscheller, G., & Lopes da Silva, F. H. (1999). Event-related EEG/MEG synchronization and desynchronization: basic principles. Clinical Neurophysiology, 110(11), 1842-1857. doi:10.1016/s1388-2457(99)00141-8 es_ES
dc.description.references Pfurtscheller, G., Brunner, C., Schlögl, A., & Lopes da Silva, F. H. (2006). Mu rhythm (de)synchronization and EEG single-trial classification of different motor imagery tasks. NeuroImage, 31(1), 153-159. doi:10.1016/j.neuroimage.2005.12.003 es_ES
dc.description.references Sannelli, C., Braun, M., & Müller, K.-R. (2009). Improving BCI performance by task-related trial pruning. Neural Networks, 22(9), 1295-1304. doi:10.1016/j.neunet.2009.08.006 es_ES
dc.description.references Serrano J.I., del Castillo M.D. (2005). BCI Competition III. http://www.bbci.de/competition/iii/results/index.html es_ES
dc.description.references Townsend, G., Graimann, B., & Pfurtscheller, G. (2004). Continuous EEG Classification During Motor Imagery—Simulation of an Asynchronous BCI. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 12(2), 258-265. doi:10.1109/tnsre.2004.827220 es_ES
dc.description.references Townsend, G., Graimann, B., & Pfurtscheller, G. (2006). A Comparison of Common Spatial Patterns With Complex Band Power Features in a Four-Class BCI Experiment. IEEE Transactions on Biomedical Engineering, 53(4), 642-651. doi:10.1109/tbme.2006.870237 es_ES
dc.description.references Wang, Y., Zhang, Z., Li, Y., Gao, X., Gao, S., & Yang, F. (2004). BCI Competition 2003—Data Set IV: An Algorithm Based on CSSD and FDA for Classifying Single-Trial EEG. IEEE Transactions on Biomedical Engineering, 51(6), 1081-1086. doi:10.1109/tbme.2004.826697 es_ES
dc.description.references Wolpaw, J. R., Birbaumer, N., Heetderks, W. J., McFarland, D. J., Peckham, P. H., Schalk, G., … Vaughan, T. M. (2000). Brain-computer interface technology: a review of the first international meeting. IEEE Transactions on Rehabilitation Engineering, 8(2), 164-173. doi:10.1109/tre.2000.847807 es_ES
dc.description.references Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., & Vaughan, T. M. (2002). Brain–computer interfaces for communication and control. Clinical Neurophysiology, 113(6), 767-791. doi:10.1016/s1388-2457(02)00057-3 es_ES
dc.description.references Wolpaw, J. R., & McFarland, D. J. (2004). Control of a two-dimensional movement signal by a noninvasive brain-computer interface in humans. Proceedings of the National Academy of Sciences, 101(51), 17849-17854. doi:10.1073/pnas.0403504101 es_ES
dc.description.references Yang, J., & Honavar, V. (1998). Feature subset selection using a genetic algorithm. IEEE Intelligent Systems, 13(2), 44-49. doi:10.1109/5254.671091 es_ES
dc.description.references Yom-Tov, E., & Inbar, G. F. (2003). Detection of movement-related potentials from the electro-encephalogram for possible use in a brain-computer interface. Medical & Biological Engineering & Computing, 41(1), 85-93. doi:10.1007/bf02343543 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem