Imagen de Portada
Código QR

Aplicación de la Sonificación de Señales Cerebrales en Clasificación Automática.

In recent years sonification of electroencephalograms (EEG) has been used as an alternative to analyze brain signals after converting EEG to audio. In this paper we applied the sonification to EEG signals during the imagined speech or unspoken speech, with the aim of improving the automatic classifi...

Descripción completa

Publicado en:Revista Mexicana de Ingeniería Biomédica Vol. 36; no. 3; pp. 233 - 248
Autores principales: Castañeda, E. F. González, Torres-García, A. A., Reyes-García, C. A., Villaseñor-Pineda, L.
Formato: Artículo
Publicado: Sociedad Mexicana de Ingenieria Biomedica, A.C. sep-dic2015
Acceso en línea:Ver este registro en EBSCOhost
fields @attributes:
  recordID: 1
pdfLink:
plink: https://search.ebscohost.com/login.aspx?direct=true&db=lth&AN=111549088&site=ehost-live
header:
  @attributes:
    shortDbName: lth
    uiTerm: 111549088
    longDbName: MedicLatina
    uiTag: AN
  controlInfo:
    bkinfo:
    jinfo:
      jid:
        01889532
        7L3
      jtl: Revista Mexicana de Ingeniería Biomédica
      issn: 01889532
      maglogo: N
    pubinfo:
      dt: sep-dic2015
      vid: 36
      iid: 3
      pid: 20850
      pub: Sociedad Mexicana de Ingenieria Biomedica, A.C.
    artinfo:
      ui:
        111549088
        10.17488/RMIB.36.3.8
      ppf: 233
      ppct: 15
      formats:
        fmt:
          @attributes:
            type: P
            size: 3.1MB
      tig:
        atl: Aplicación de la Sonificación de Señales Cerebrales en Clasificación Automática.
      aug:
        au:
          Castañeda, E. F. González
          Torres-García, A. A.
          Reyes-García, C. A.
          Villaseñor-Pineda, L.
        affil: Instituto Nacional de Astrofísica Óptica y Electrónica (INAOE)
      sug:
      keyword:
        classification
        electroencephalograms (EEG)
        sonification
        unspoken speech
        unspoken words
        clasificación automática
        electroencefalogramas (EEG)
        habla imaginada
        palabras no pronunciadas
        sonificación
      ab:
        In recent years sonification of electroencephalograms (EEG) has been used as an alternative to analyze brain signals after converting EEG to audio. In this paper we applied the sonification to EEG signals during the imagined speech or unspoken speech, with the aim of improving the automatic classification of 5 words of Spanish. To check this, the brain signals of 27 healthy subjects were processed. These sonificated signals were processed to extract features with two different methods: discrete wavelet transform (DWT); and the Mel-frequencies cepstral coefficients (MFCC). The latter commonly used in speech recognition tasks. To classify the signals three different classification algorithms Naive Bayes (NB), Support Vector Machine (SVM) and Random Forest (RF) were applied. Results were obtained using the 4 channels closest to the language areas of Broca and Wernicke, as well as the 14 channels of the EEG device used. The percentages of average accuracy for the 27 subjects in the two sets of 4 and 14 channels using EEG sonification were 55.83% and 64.14% respectively, which are improvements in the classification rates of the imagined words compared with a scheme without sonification.
        En años recientes la sonificación de electroencefalogramas (EEG) ha sido utilizada como una alternativa para analizar señales cerebrales al convertir el EEG en audio. En este trabajo se aplica la sonificación a señales de EEG durante el habla imaginada o habla no pronunciada, con el objetivo de mejorar la clasificación automática de 5 palabras del idioma español. Para comprobarlo, se procesó la señal cerebral de 27 sujetos sanos. Estas señales fueron sonificadas para después extraer características con dos métodos diferentes: la transformada Wavelet discreta (DWT); y los coeficientes cepstrales en la escala de Mel (MFCC). Éste último comúnmente utilizado en tareas de reconocimiento de voz. Para clasificar las señales se aplicaron tres algoritmos distintos de clasificación Naive Bayes (NB), Máquina de vectores de soporte (SVM) y Random Forest (RF). Se obtuvieron resultados usando los 4 canales más cercanos a las áreas de lenguaje de Broca y Wernicke, así como también los 14 canales del dispositivo EEG utilizado. Los porcentajes de exactitud promedio para los 27 sujetos en los dos conjuntos de 4 y 14 canales usando sonificación de EEG fueron de 55.83% y 64.14% respectivamente, con lo que se logró mejorar ligeramente los porcentajes de clasificación de las palabras imaginadas respecto a no utilizar sonificación.
      pubtype: Academic Journal
      doctype: Article
      src: R
    language: English
    refInfo:
    copyright:
      @attributes:
        flag: Y
      custom: Copyright of Revista Mexicana de Ingeniería Biomédica is the property of Sociedad Mexicana de Ingenieria Biomedica, A.C. and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use.
      item: Revista Mexicana de Ingeniería Biomédica
      holder: Sociedad Mexicana de Ingenieria Biomedica, A.C.
      dt:
        @attributes:
          year: 2015
    holdings:
      @attributes:
        islocal: N