Técnicas de Procesado de Señales Cerebrales

Abstract

Este proyecto pretende servir como introducción a las interfaces cerebro-ordenador (BCI) cen- trándose en la parte del procesamiento (digital) de señales que tienen lugar en nuestro cerebro en la teoría de clasificación, ambas esenciales en el desarrollo de aplicaciones. Se divide en tres bloques: En el primero de ellos se presenta una introducción a la naturaleza de las señales neuronales, particularmente señales EEG, la sustentación teórica de ciertas técnicas de procesado y aprendizaje máquina, y aplicaciones y modelos comerciales para las que su implementación es de utilidad. Se hace especial hincapié en Common Spatial Patterns (CSP), Linear Discriminant Analysis (LDA) y Minimum Distance to Riemannian Mean (MDRM). También se revisa la regresión lineal como medio para la corrección de artefactos. Se describen otras líneas de estudio ya exploradas y opciones a futuro. En el segundo, se aborda un caso práctico empleando las técnicas anteriormente descritas. Los datos en uso son los proporcionados por la Berlin BCI Competition IV, limitándonos en principio a la discriminación entre movimientos imaginarios de las manos derecha e izquierda. Se analizarán varios factores y parámetros, y cómo ajustarlos para optimizar nuestras técnicas. El ajuste de la ventana de tiempo para filtrado temporal, o el del número apropiado de filtros espaciales para evitar la maldición de la dimensionalidad, son algunos ejemplos de dichas optimizaciones. Se exploran también métodos combinados entre CSP+LDA y MDRM, y la posibilidad de encontrar actividades más fácilmente clasificables. Diversas simulaciones se llevan acabo y se presentan y discuten los resultados de las mismas. Partiendo de un caso básico con un 71.54% de precisión (media de nueve usuarios), se consigue mejorar hasta un 86.7446% clasificando entre mano izquierda y lengua, y realizando varios de los ajustes comentados. Algunos de los usuarios más sobresalientes tocan o se acercan mucho a la clasificación perfecta. Finalmente, en la tercera parte, podemos encontrar los índices, un apéndice con casi todo el código necesario para reproducir los resultados, y la bibliografía

This project intends to be an introduction to brain-computer interfaces (BCI) focusing on (digital) brain’s signals processing as well as classification theory, both essential for the development of BCI applications. It is divided in three blocks. In the first one are presented an introduction to the nature of neural signals, particularly EEG signals, theoretical knowledge of certain techniques of signal processing and machine learning, and applications and commercial products that require of their implementation. The main focus will be on Common Spatial Patterns (CSP), Linear Discriminant Analysis (LDA) and Minimum Distance to Riemannian Mean (MDRM). A revision on linear regression for artifact correction is also presented. Other explored techniques and future options are described as well. In the second part we tackle a practical case by using the proposed techniques. Source data is taken from the Berlin BCI Competition IV, limiting ourselves in a first approach, to the discrimination between motor imagery corresponding exclusively to left and right hand moves. Many factors and parameters, and how do they affect our performance, will be analyzed for optimization. Temporal window selection for temporal filtering, and the appropriate number of spatial filters to avoid the curse of dimensionality, are some examples of these optimizations. Combined methods between CSP+LDA and MDRM are also explored, as well as the possibility of finding more easily classifiable activities. Diverse simulations and their results are presented and discussed. Starting with a 71.54% accuracy (mean of nine users) for the basic case, improvements are achieved for a final result of 86.7446% in the discrimination between left hand and tongue moves with several of the adjustments previously discussed. Some of the most outstanding user reach or are very close to perfect classification. Finally, in the third part, we can find the indexes, an appendix with almost all the code necessary to reproduce the results, and the bibliography