Evaluación de Métodos de Clasificación para el Reconocimiento de Imaginación de Movimiento en un Paciente con Enfermedad Vascular Cerebral

Abstract

Una interfaz cerebro-computadora que transforma las intenciones de movimiento de un usuario, codificadas en la señal de electroencefalografía, a señales de control para un dispositivo externo, puede beneficiar a pacientes paralizados debido a una enfermedad vascular cerebral. Para que esto sea posible se debe de identificar cual es el mejor método de clasificación para las intenciones de movimiento generadas por el paciente. En este trabajo se plantea un análisis del desempeño y costo computacional de 8 clasificadores diferentes para reconocer la imaginación de movimiento de las manos en un paciente con enfermedad vascular cerebral. Para diseñar y evaluar los clasificadores, se calcularon características de potencia espectral de la señal de electroencefalografía. Se encontró que no existe una diferencia significativa entre los mejores clasificadores lineales y los no lineales. El análisis de discriminante lineal de Fisher, y la red neuronal artificial multicapa obtuvieron el mejor desempeño, tanto en la tasa de clasificación correcta, como en el costo computacional. Es necesario realizar este análisis para encontrar el clasificador con mejor desempeño para diferentes pacientes, y con ello mejorar el desempeño de un BCI, lo cual sería un paso más para llevar esta tecnología a la práctica clínica.