Imagen de Portada
Código QR

Classification of Imaginary Motor Task from Electroencephalographic Signals: A Comparison of Feature Selection Methods and Classification Algorithms.

In this work, a Brain Computer interface able to decode imagery motor task from EEG is presented. The method uses time-frequency representation of the brain signal recorded in different regions of the brain to extract important features. Principal Component Analysis and Sequential Forward Selection...

Descripción completa

Publicado en:Revista Mexicana de Ingeniería Biomédica Vol. 39; no. 1; pp. 95 - 105
Autores principales: Vélez-Lora, H. J., Méndez-Vásquez, D. J., Delgado-Saa, J. F.
Formato: Artículo
Publicado: Sociedad Mexicana de Ingenieria Biomedica, A.C. jan-apr2018
Materias:
Brain physiology
Computer interfaces
Electroencephalography
Information retrieval
Task performance
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=133631130&site=ehost-live
header:
  @attributes:
    shortDbName: lth
    uiTerm: 133631130
    longDbName: MedicLatina
    uiTag: AN
  controlInfo:
    bkinfo:
    jinfo:
      jid:
        01889532
        7L3
      jtl: Revista Mexicana de Ingeniería Biomédica
      issn: 01889532
      maglogo: N
    pubinfo:
      dt: jan-apr2018
      vid: 39
      iid: 1
      pid: 20850
      pub: Sociedad Mexicana de Ingenieria Biomedica, A.C.
    artinfo:
      ui:
        133631130
        10.17488/RMIB.39.1.8
      ppf: 95
      ppct: 10
      formats:
        fmt:
          @attributes:
            type: P
            size: 1.7MB
      tig:
        atl: Classification of Imaginary Motor Task from Electroencephalographic Signals: A Comparison of Feature Selection Methods and Classification Algorithms.
      aug:
        au:
          Vélez-Lora, H. J.
          Méndez-Vásquez, D. J.
          Delgado-Saa, J. F.
        affil: Fundación Universidad del Norte
      su:
        Brain physiology
        Computer interfaces
        Electroencephalography
        Information retrieval
        Task performance
      sug:
        subj:
          Brain physiology
          Computer interfaces
          Electroencephalography
          Information retrieval
          Task performance
      keyword:
        BCI
        Descomposición Espectral
        Feature Selection
        LDA
        PCA
        Ritmos Sensorimotores
        Selección de Características
        Sensorimotor Rhythms
        SFS
        Spectral Decomposition
        SVM
        Descomposición Espectral
        Ritmos Sensorimotores
        Selección de Características
      ab:
        In this work, a Brain Computer interface able to decode imagery motor task from EEG is presented. The method uses time-frequency representation of the brain signal recorded in different regions of the brain to extract important features. Principal Component Analysis and Sequential Forward Selection methods are compared in their ability to represent the feature set in a compact form, removing at the same time unnecessary information. Finally, two method based on machine learning are implemented for the task of classification. Results show that it is possible to decode the mental activity of the subjects with accuracy above 80%. Furthermore, visualization of the main components extracted from the brain signal allow for physiological insights on the activity that take place in the sensorimotor cortex during execution of imaginary movement of different parts of the body.
        En este trabajo es presentada una Interfaz Cerebro Computadora que tiene la capacidad de decodificar actividades motrices. El método utiliza representación en el dominio de la frecuencia y el tiempo de las señales del cerebro grabadas en distintas regiones de este mismo, con el fin de extraer características importantes. Los métodos: Análisis de Componentes Principales y Selección Secuencial, son comparados en términos de su capacidad para representar características de la señal de una forma compacta, removiendo de esta forma, información innecesaria. Finalmente, dos métodos basados en aprendizaje de máquinas fueron implementados para la clasificación de actividades motrices utilizando solo las señales cerebrales. Los resultados muestran que es posible decodificar la actividad mental en los sujetos con una precisión superior al 80%. Además, la visualización de las componentes principales extraídas de las señales del cerebro permite un analísis de la actividad que toma lugar en la corteza cerebral sensorimotora durante la ejecución de la imaginación de movimientos de distintas partes del cuerpo.
      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: 2018
    holdings:
      @attributes:
        islocal: N