Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario

Abstract

Uno de los paradigmas más utilizados en la literatura para la implementación de un sistema EEG BCI son los potenciales evocados visuales en estado estacionario, estos normalmente surgen en la corteza occipital del cerebro. Para poder visualizar, extraer y clasificar estos, se requieren una serie de etapas. La metodología del estudio se dividió en las fases iniciales en el diseño de un sistema BCI: adquisición, preprocesamiento, extracción y clasificación. En este estudio, se realizó una caracterización de estos potenciales desde la adquisición utilizando el equipo g. Nautilus con el estándar 10-20 de la Universidad Antonio Nariño hasta la clasificación de los datos utilizando los métodos matemáticos CCA y SED en diferentes ventanas de tiempo. Así pues, puesto que en la implementación de un sistema BCI en tiempo real se espera que el tiempo de clasificación sea lo más corto posible para la ejecución rápida de un comando, este tipo de estudios permiten identificar cuáles métodos son los más válidos en la clasificación de estos datos, así como algunas variables a tener en cuenta. Los resultados permiten identificar, entonces, una mejor efectividad en la clasificación de datos con CCA que con SED, además del comportamiento del sistema según las ventanas de tiempo.

One of the paradigms that has been mostly used in the literature for the implementation of an EEG BCI system is the visual evoked potentials in steady state, which normally arise in the occipital cortex of the brain. There is a series of stages that are required in order to visualize, extract, and classify them. The initial phases of the methodology in this study were divided into acquisition, pre-processing, extraction, and classification, just as in the design of an IBD system. This study makes a characterization of these potentials, from the acquisition using the g. Nauti-lus equipment with the 10-20 standard of Universidad Antonio Nariño until the classification of the data using the CCA and SED mathematical methods in different time windows. Thus, the implementation of a realtime BCI system is supposed to have a classification time that is as short as possible for the rapid execution of a command; this type of study allows the identification of the best methods to be used in the classification of these data, as well as some variables that can be taken into account. The results allow to identify, then, greater effectiveness in the classifica-tion of data with CCA than with SED, as well as the fact that the system behaves according to the time window.