Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet

Autores
Peterson, Victoria; Atum, Yanina; Jauregui, Florencia; Gareis, Iván Emilio; Acevedo, Rubén; Rufiner, Hugo Leonardo
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.
A brain-computer interface (BCI) is a system that provides a direct communication between the brain of a person and the outside world. For the present work we used an EEG-based event-related evoked potentials BCI. This paper aims to efficiently solve the problem of classification, which has two possible classes: recordings with evoked-potentials (ERP) and recordings without them. We proposed to evaluate the performance of a BCI using the discrete dyadic wavelet transform (DDWT) and the wavelet packet transform (WPT) as feature extraction methods for ERP signal detection. The database consisted of single-epoch EEG recordings from ten healthy subjects. From temporal patterns (recordings without any post-processing), five wavelet patterns were generated after applying DDWT and WPT via different techniques. The performance of the wavelet and temporal patterns were analyzed with the Fisher linear classifier finding that DDWT patterns, filtered at 16 Hz, presented better classification results than temporal patterns. This means that improving the feature extraction step, improves classification, and consequently, the performance of the entire BCI system.
Fil: Peterson, Victoria. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina
Fil: Atum, Yanina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Jauregui, Florencia. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Gareis, Iván Emilio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Acevedo, Rubén. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Rufiner, Hugo Leonardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Materia
INTERFAZ CEREBRO COMPUTADORA
TRANSFORMADA WAVELET DIADICA DISCRETA
TRANSFORMADA WAVELET PACKET
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/27533
Acceder
id CONICETDig_8c1d335af128f1e0f572e0500b28323e
oai_identifier_str oai:ri.conicet.gov.ar:11336/27533
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada waveletDetection of event related potentials in brain-computer interfaces using the wavelet transformPeterson, VictoriaAtum, YaninaJauregui, FlorenciaGareis, Iván EmilioAcevedo, RubénRufiner, Hugo LeonardoINTERFAZ CEREBRO COMPUTADORATRANSFORMADA WAVELET DIADICA DISCRETATRANSFORMADA WAVELET PACKEThttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.A brain-computer interface (BCI) is a system that provides a direct communication between the brain of a person and the outside world. For the present work we used an EEG-based event-related evoked potentials BCI. This paper aims to efficiently solve the problem of classification, which has two possible classes: recordings with evoked-potentials (ERP) and recordings without them. We proposed to evaluate the performance of a BCI using the discrete dyadic wavelet transform (DDWT) and the wavelet packet transform (WPT) as feature extraction methods for ERP signal detection. The database consisted of single-epoch EEG recordings from ten healthy subjects. From temporal patterns (recordings without any post-processing), five wavelet patterns were generated after applying DDWT and WPT via different techniques. The performance of the wavelet and temporal patterns were analyzed with the Fisher linear classifier finding that DDWT patterns, filtered at 16 Hz, presented better classification results than temporal patterns. This means that improving the feature extraction step, improves classification, and consequently, the performance of the entire BCI system.Fil: Peterson, Victoria. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; ArgentinaFil: Atum, Yanina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; ArgentinaFil: Jauregui, Florencia. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; ArgentinaFil: Gareis, Iván Emilio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; ArgentinaFil: Acevedo, Rubén. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; ArgentinaFil: Rufiner, Hugo Leonardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; ArgentinaUniversidad CES. Escuela de Ingeniería de Antioquia2013-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/27533Peterson, Victoria; Atum, Yanina; Jauregui, Florencia; Gareis, Iván Emilio; Acevedo, Rubén; et al.; Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet; Universidad CES. Escuela de Ingeniería de Antioquia; Revista Ingeniería Biomédica; 7; 14; 11-2013; 50-581909-9762CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://ref.scielo.org/5pjvxdinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:08:33Zoai:ri.conicet.gov.ar:11336/27533instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:08:33.958CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
Detection of event related potentials in brain-computer interfaces using the wavelet transform
title Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
spellingShingle Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
Peterson, Victoria
INTERFAZ CEREBRO COMPUTADORA
TRANSFORMADA WAVELET DIADICA DISCRETA
TRANSFORMADA WAVELET PACKET
title_short Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
title_full Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
title_fullStr Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
title_full_unstemmed Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
title_sort Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet
dc.creator.none.fl_str_mv Peterson, Victoria
Atum, Yanina
Jauregui, Florencia
Gareis, Iván Emilio
Acevedo, Rubén
Rufiner, Hugo Leonardo
author Peterson, Victoria
author_facet Peterson, Victoria
Atum, Yanina
Jauregui, Florencia
Gareis, Iván Emilio
Acevedo, Rubén
Rufiner, Hugo Leonardo
author_role author
author2 Atum, Yanina
Jauregui, Florencia
Gareis, Iván Emilio
Acevedo, Rubén
Rufiner, Hugo Leonardo
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv INTERFAZ CEREBRO COMPUTADORA
TRANSFORMADA WAVELET DIADICA DISCRETA
TRANSFORMADA WAVELET PACKET
topic INTERFAZ CEREBRO COMPUTADORA
TRANSFORMADA WAVELET DIADICA DISCRETA
TRANSFORMADA WAVELET PACKET
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.
A brain-computer interface (BCI) is a system that provides a direct communication between the brain of a person and the outside world. For the present work we used an EEG-based event-related evoked potentials BCI. This paper aims to efficiently solve the problem of classification, which has two possible classes: recordings with evoked-potentials (ERP) and recordings without them. We proposed to evaluate the performance of a BCI using the discrete dyadic wavelet transform (DDWT) and the wavelet packet transform (WPT) as feature extraction methods for ERP signal detection. The database consisted of single-epoch EEG recordings from ten healthy subjects. From temporal patterns (recordings without any post-processing), five wavelet patterns were generated after applying DDWT and WPT via different techniques. The performance of the wavelet and temporal patterns were analyzed with the Fisher linear classifier finding that DDWT patterns, filtered at 16 Hz, presented better classification results than temporal patterns. This means that improving the feature extraction step, improves classification, and consequently, the performance of the entire BCI system.
Fil: Peterson, Victoria. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina
Fil: Atum, Yanina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Jauregui, Florencia. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Gareis, Iván Emilio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Acevedo, Rubén. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
Fil: Rufiner, Hugo Leonardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina
description Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.
publishDate 2013
dc.date.none.fl_str_mv 2013-11
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/27533
Peterson, Victoria; Atum, Yanina; Jauregui, Florencia; Gareis, Iván Emilio; Acevedo, Rubén; et al.; Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet; Universidad CES. Escuela de Ingeniería de Antioquia; Revista Ingeniería Biomédica; 7; 14; 11-2013; 50-58
1909-9762
CONICET Digital
CONICET
url http://hdl.handle.net/11336/27533
identifier_str_mv Peterson, Victoria; Atum, Yanina; Jauregui, Florencia; Gareis, Iván Emilio; Acevedo, Rubén; et al.; Detección de potenciales evocados relacionados a eventos en interfaces cerebro-computadora mediante transformada wavelet; Universidad CES. Escuela de Ingeniería de Antioquia; Revista Ingeniería Biomédica; 7; 14; 11-2013; 50-58
1909-9762
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://ref.scielo.org/5pjvxd
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad CES. Escuela de Ingeniería de Antioquia
publisher.none.fl_str_mv Universidad CES. Escuela de Ingeniería de Antioquia
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613954931785728
score 13.070432

Publicaciones similares