English
Decodificación de imaginación motora en la señal de electroencefalografía mediante mapas auto-organizados 1127
Main Article Content
Resumen
La imaginación motora es un proceso cognitivo que consiste en la planeación de un movimiento sin ejecutarlo. En la señal de electroencefalografía, esta planeación puede decodificarse para usarse como método terapéutico para pacientes con enfermedad vascular cerebral. Los mapas auto-organizados son redes neuronales que podrían usarse como clasificadores de imaginación de movimiento. En este trabajo se evalúa el desempeño de los mapas auto-organizados para clasificar imaginación de movimiento en la señal de EEG. Se registraron las señales de electroencefalografía a 4 participantes, dos de ellos sanos y dos con enfermedad vascular cerebral mientras realizaban imaginación de movimiento de las manos. Se aplicó un filtrado espacial tipo Laplaciano en los canales centrales C3, Cz y C4, después se obtuvieron características espectrales en las bandas alfa y beta mediante un análisis tiempo-frecuencia. Se entrenaron mapas auto-organizados para cada participante con sus características espectrales en 3 condiciones distintas de imaginación de movimiento de mano y reposo. Se obtuvieron porcentajes de clasificación correcta superiores al nivel de aleatoriedad y de hasta 80%. Los clasificadores propuestos son prometedores para decodificar imaginación motora en el EEG y para diseñar sistemas de retroalimentación del desempeño del usuario.
Descargas
Detalles del artículo
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0. Esta revista se encuentra bajo la licencia de Creative Commons, por tanto, los autores, al postular su artículo, lo adhieren a dicha licencia.
El autor puede disponer de su artículo para su archivo en repositorios institucionales o en páginas web personales, con la referencia y agradecimientos a la fuente donde se ha publicado.
Citas
Cantillo-Negrete J.; Gutiérrez-Martínez J.; Carino-Escobar R.I.; Paul Carrillo-Mora T.B.; Elias-Vinas D. (2014) An approach to improve the performance of subject independent BCIs-based on motor imagery allocating subjects by gender.BioMedical Engineering OnLine, 13(158).
Carrilo-de-la-peña, M.T.; Galdo-Alvarez, S. y Lastra-Barreira, C.(2008). Equivalent is not equal: Primary motor cortex (MI) activation during motor imagery and execution of sequential movements, Brain Research, 1226, 134-143.
Dijkerman H.C.; Wood V.A.; Langton-Hewer R. (1996). Long-term outcome after discharge from a stroke rehabilitation unit. J R Coll Physicians Lond, 30, 538-46.
Hjort, B. (1975). An on-line Transformation of EEG Scalp Potentials into Orthogonal Source Derivations. Electroencephalography and Clinical Neurophysiology, (39), 526-530.
Jeannerod M.; Frak V. (1999). Mental imaging of motor activity in humans. Curr Opin Neurobiol, 9(6), 735-739.
Kraeutner, S.; Gionfriddo, A.; Bardouille, C. y Boe, S. (2014). Motor imagery-based brain activity parallels that of motor execution: Evidence from magnetic source imaging of cortical oscillations. Brain Research, 1588, 81-91.
Kohonen, T. (2013). Essentials of the self-organizing map. Neural Networks, 37, 52- 65.
Kohonen, T. (2001). Self Organizing Maps, Berlin: Springer.
Muller-Putz, G. R.; Scherer, R.; Brunner, C.; Leeb, R. y Pfurtscheller, G. (2008), Better than random? A closer look on BCI results. International Journal of Bioelectromagnetism, 10(1), 52–55, 2008.
Page S.J. (2000). Imagery improves upper extremity motor function in chronic stroke patients: a pilot study. Occup Ther J Res, 20, 200-215.
Page S.J.; Levine P.; Sisto S.; Johnston M.V. (2001). A randomized efficacy and feasibility study of imagery in acute stroke. Clin Rehabil, 15(3), 233-240.
Pfurtscheller, G.; Lopes da Silva, F.H. (1999). Event-related EEG/EMG synchronization and desynchronization: basic principles. Clinical Neurophysiology, 110(11), 1842-1857.
Pfurtscheller, G. y Neuper C. (2001). Motor imagery and direct brain-computer communication. Proc. IEEE, 89 (7), 1123-1134.
Rodriguez, M.; Llanos, C. y Sabate, M. (2009). The kinematicks of motor imagery: Comparing the dynamics of real and virtual movements. Neuropsychologia, 47(2), 489-496.
Tallon-Baudry C.; Bertrand O.; Delpuech C. y Pernier J. (1997) Oscillatory gamma-band (30-70 Hz) activity induced by a visual search task in humans. Journal of Neuroscience,17(2),722–734.
Vatanen et al (2015). Self-organization and missing values in SOM and GTM. Retrieved February 10, 2015 from Research.ics.aalto.fi/software/somtoolbox