ABSTRACT
Resumen El número de trabajos relacionados con Interfaces Cerebro-Computador (BCI, Brain-Computer Interface en inglés) directamente aplicados al proceso de rehabilitación de pacientes con lesiones de médula espinal está en aumento debido a la mejora en las técnicas de procesamiento digital de señales y reconocimiento de patrones que permiten relacionar las señales electroencefalográficas con acciones motoras. Los resultados preliminares de las pruebas de las BCI sobre sujetos reales permiten visualizar en un futuro relativamente cercano la inclusión de este tipo de herramientas en los protocolos de rehabilitación. Sin embargo, hay muchas barreras por resolver, principalmente las relacionadas con el aumento del desempeño y la generación de múltiples comandos naturales mediante interfaces cerebro-computador a partir de electroencefalografía superficial (EEG). En este trabajo se hace una revisión de los más importantes trabajos que muestran la evolución, el estado actual y las oportunidades de investigación alrededor de la temática de interfaces cerebro-computador en procesos de neurorrehabilitación de miembros superiores en pacientes con lesiones medulares.
Abstract The number of researches related to rehabilitation processes in spinal cord injury patients using Brain-Computer Interfaces is increasing due to the development of improved digital signal processing and pattern recognition techniques that allows decoding motor actions from electroencephalographic signals. Preliminary results on the application of BCI with real experimental subjects allow to envision a rehabilitation scenario using this kind of technology as part of the therapeutic protocols in a near future. Yet, some problems need to be solved: improve target detection performance and the generation of natural commands by non-invasive brain-computer interfaces based on surface electroencephalography are some of them. In this work, we make a review of the most important researches to exhibit the evolution, the current status, and the research opportunities on the use of brain-computer interfaces for upper limb neurorehabilitation in spinal cord injury patients.
Resumo O número de trabalhos relacionados com Interfaces Cérebro-Computador (BCI, Brain-Computer Interface en inglés) diretamente aplicado no processo de reabilitação de pacientes com lesões de medula espinal está no aumento e a melhoria nas técnicas de processamento digital de sinais e reconhecimento de patrones que permitam relacionar as seqüências de eletroencefalográficas com ações motoras. Os resultados preliminares das provas de BCI sobre sujeitos reais permitem visualizar em um futuro, mais perto da inclusão deste tipo de ferramentas em protocolos de reabilitação. Sin embargo, feno muitas barreras por resolver, principalmente as relacionadas com o aumento do desempenho e a geração de comandos comandos por meio de interfaces cerebro-computador a partir de electroencefalografía superficial (EEG). No presente trabalho, a empresa tem uma revisão dos mais importantes trabalhos e mostra as evoluções, o estado real e as oportunidades de pesquisa em torno da temática de interfaces cerebro-computador em processos de neurorrehabilitação de supostos superiores en pacientes com lesiones medulares.
ABSTRACT
Una etapa importante y fundamental en el reconocimiento de patrones sobre imágenes es la determinación del conjunto de características que mejor pueda describir la misma. En este artículo se presenta una etapa adicional entre la caracterización de la imagen y su posterior clasificación o recuperación de imágenes similares a una imagen dada, conocido como análisis de relevancia. Este permite reducir la dimensionalidad del conjunto inicial de características a un nuevo conjunto de menor dimensión que conserva la tasa de acierto de la recuperación. Las imágenes analizadas correspondieron a nódulos pulmonares de placas radiológicas de tórax disponibles en una base de datos de acceso libre disponible a través de la sociedad japonesa de tecnología radiológica. Se analizaron algoritmos de selección de características basados en filtros que incluyeron los métodos FOCUS, RELIEEF-F y Branch & Bound (B&B). Estos algoritmos fueron modificados e implementados en C++. En el caso de RELIEF-F se logró obtener un ahorro del 34% de características sin afectar la tasa de recuperación cuando se empleaba el 100% de las características originales. Asimismo, el algoritmo implementado presentó un desempeño superior al algoritmo original disponible en la herramienta de código abierto Weka. Asimismo se implementó una estrategia de ponderación de pesos aplicada a las características identificadas cuando se utilizaron los algoritmos RELIEF-F, FOCUS y B&B simultáneamente. Dicha estrategia permitió ponderar cada característica de acuerdo a su participación en los conjuntos mínimos de características relevantes y determinar la consistencia de los mismos. La estrategia de pesos permitió un ahorro del 48% de características necesarias para la recuperación, aunque la tasa de recuperación fue disminuida de 77% a 76%.
An important and fundamental stage in the image pattern recognition is the determination of the characteristics set that best describes the image. This paper describes a further step between the image characterization and its posterior classification or image retrieval similar to a given image, known as relevance analysis. It allows reducing the dimensionality of an initial set of features to a new set with fewer dimensions that preserves the hit rate of the retrieval. The analyzed images corresponded to lung nodules of radiological plaques of thorax, available through the open access library available through the Japanese society of radiological technology. To achieve these results, characteristic selection algorithms based on different filters such as FOCUS, RELIEEF-F, and BRANCH & BOUND (B&B) were analyzed. In the case of RELIEF-F it was possible to save as much as 34% of the initial characteristics set without affecting the retrieval rate compared to when the 100% of characteristics were used. Further, the implemented algorithm achieved a superior performance to that of the original algorithm included in the validated Weka software. Likewise, a strategy consisting in weights averaging was implemented that was applied to identified characteristics when the algorithms RELIEF-F, FOCUS and B&B were used simultaneously. Such weighting scheme, allowed the averaging of each characteristic according to its contribution in the minimal set of relevant features, allowing to determinate their consistency. The weighting strategy allowed a 48% reduction in the characteristics, although the retrieval hit rate slightly decreased from 77% to 76%.