ABSTRACT
Abstract In this paper, we present an attention classification method using Machine-Learning Algorithms. The EEG signals were recorded from ten engineering students with an EPOC+BCI using the electrodes F3, F4, P7, and P8 while solving some mathematical operations. The recording time for these activities is around 20 minutes. Next, a similar time EEG register is obtained while doing non-academic activities, such as chattering with the staff, checking cell phones, or playing a video game. With these EEG registers, we obtained a set of features to train and evaluate attention using Machine Learning algorithms. This research shows how engineering students interact with math topics in solving mental operations and complex reasoning by increasing brain domain and knowledge for mathematical reasoningrelated processes, such as sustained and shifting attention and logical constructions for object interaction during operations resolution. The Random Forest algorithm (RF) obtained the highest accuracy with 0.7392, an F1 Score of 0.7430, and the highest Specificity/Accuracy with 0.7261.
Resumen Se presenta un método de clasificación de la atención utilizando algoritmos de aprendizaje automático. Con las señales EEG de diez estudiantes de ingeniería adquiridas utilizando los electrodos F3, F4, P7 y P8 de una BCI EPOC+ mientras resuelven productos escalares, multiplicaciones algebraicas simples, simplificaciones e integrales por aproximadamente 20 minutos. Posteriormente, se obtiene un registro EEG de tiempo similar mientras se realizan actividades no académicas, como charlar con el personal, consultar el móvil o jugar a un videojuego. Se obtienen algunas características/parámetros, se entrenan y evalúan varios algoritmos de aprendizaje automático para la clasificación de la atención. Los resultados de esta investigación pueden mejorar la forma en que los estudiantes de ingeniería interactúan con los temas matemáticos en la resolución de operaciones mentales y razonamientos complejos, aumentando el dominio y el conocimiento cerebral para los procesos relacionados con el razonamiento matemático, como la atención sostenida y cambiante y las construcciones lógicas para la interacción con objetos durante la resolución de operaciones. El clasificador Random Forest obtuvo la mayor precisión con 0.7392, una puntuación F1 de 0.7430 y la mayor especificidad/precisión con 0.7261.
ABSTRACT
Resumen Las Interfaces Cerebro-Computadora (ICCs) son sistemas que miden la actividad del Sistema Nervioso Central y la convierten en salidas que reemplazan, restauran, aumentan, suplementan o mejoran las salidas naturales de dicho sistema y, por lo tanto, cambian las interacciones en curso entre el ser humano y su ambiente interno o externo. Sin embargo, a más de medio siglo de ser investigadas en condiciones de laboratorio, las ICC no han podido ser trasladadas al mundo real. En el presente artículo de revisión se busca: (1) comprender a fondo la estructura de una ICC y los tipos de sistema, (2) analizar el reto que tiene la comunidad científica para mejorar la interacción entre usuario y sistema desde la perspectiva de la ingeniería de factores humanos y (3) describir la aplicación de este tipo de tecnología de asistencia en desarrollo en la sociedad mexicana. El futuro de estas ICC y la eficiencia con que logren el objetivo para el que fueron diseñadas parece depender, más que nunca, de factores relacionados a la percepción subjetiva del usuario, su adaptación al manejo de las ICC y el proceso de internalizarlas como propias en su espacio personal y su psique.
Abstract Brain-Computer Interfaces (BCIs) record the neural activity of the Central Nervous System, and then, produce outputs that replace, restore, increase, supplement or improve the natural outputs of such system. Therefore, the interaction between the human beings and their internal or external environment is transformed. However, over a century being investigated under laboratory conditions, BCIs have not been able to be transferred to the real world. This review aims to: (1) thoroughly understand the structure of a BCI and the system types, (2) analyze the challenge that the scientific community is facing to improve the interaction between user and system from the perspective of the engineering of human factors; and (3) describe the application of this type of assistive technology under development in the Mexican Society. The future of this technology and its effectiveness seem to depend more than ever on factors related to the user subjective perception, and the user adaptation to the system.
ABSTRACT
Resumen El presente trabajo describe un prototipo de una silla de ruedas que es dirigido hacia enfrente y hacia atrás usando 2 o 3 parpadeos, respectivamente, y es detenido cuando se alcanzan ciertos niveles de atención. El objetivo principal es que las personas que tienen discapacidad motora en sus extremidades puedan usarlo para desplazarse y les brinde autonomía. Para captar la señal de los parpadeos, se utilizó la diadema MindWave Mobile de Neurosky. Se implementó un circuito electrónico en conjunto con Arduino que permite complementar la ejecución del accionamiento del prototipo. El prototipo se probó con 10 personas cuyas edades oscilan entre 20 y 35 años. Los resultados muestran que, en un 80% de los casos, el prototipo se mueve correctamente. La gran ventaja del presente trabajo es que la interfaz cerebro-computadora con la que cuenta este prototipo no requiere entrenamiento previo del sistema, por lo cual, puede ser usado por cualquier persona. Además, su costo es más accesible comparado con otros dispositivos para el mismo fin.
Abstract The present work describes a prototype of a wheel chair directed by means of eye blinks, which can be moved forwards, and backwards using 2 or 3 eye blinks, respectively, and stopped when a certain attention level is met. The main objective of this work is to help people, who have motor disabilities on their arms and legs, move and have autonomy. In order to register the eye blinking signals, the MindWave Mobile device from Neurosky was used. Moreover, an electronic circuit in combination with Arduino has been used to make the prototype work. This prototype has been tested in 10 healthy people from 20 to 35 years old. According to the results, in 80% of the cases the prototype worked correctly. The main advantage of the present work is that the brain-computer interface, which is part of the prototype, does not require training, and hence, it could be used by most of the people. Moreover, its cost is less than similar devices.
ABSTRACT
Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.
A brain-computer interface (BCI) is a system that provides a direct communication between the brain of a person and the outside world. For the present work we used an EEG-based event-related evoked potentials BCI. This paper aims to efficiently solve the problem of classification, which has two possible classes: recordings with evoked-potentials (ERP) and recordings without them. We proposed to evaluate the performance of a BCI using the discrete dyadic wavelet transform (DDWT) and the wavelet packet transform (WPT) as feature extraction methods for ERP signal detection. The database consisted of single-epoch EEG recordings from ten healthy subjects. From temporal patterns (recordings without any post-processing), five wavelet patterns were generated after applying DDWT and WPT via different techniques. The performance of the wavelet and temporal patterns were analyzed with the Fisher linear classifier finding that DDWT patterns, filtered at 16 Hz, presented better classification results than temporal patterns. This means that improving the feature extraction step, improves classification, and consequently, the performance of the entire BCI system.
Uma interface cérebro-computador (BCI) é um sistema que fornece uma forma de comunicação direta entre o cérebro de uma pessoa e o mundo exterior. Para este trabalho foram utilizados ICC baseado EEG evocados usando o paradigma de potenciais relacionados a eventos (ERP). O objetivo deste trabalho é resolver de forma eficiente o problema de classificação, em que há duas classes possíveis: registros Respondidas (PRE) e registros sem resposta. Para isso é avaliar o desempenho de uma ICC usando a wavelet diádica transformada discreta (DDWT, Discrete Wavelet Diádica Inglês Transform) e transformar pacote wavelet (WPT Transformada Wavelet Packet Inglês) como métodos de extração de características para a detecção de sinal PRE. A base de dados utilizada tem apenas EEG registra o tempo de dez indivíduos saudáveis. A partir dos padrões temporais (sem registros de pósprocessamento), cinco conjuntos de padrões após a aplicação wavelet e WPT DDWT gerado por várias técnicas. O desempenho de cada conjunto de padrões de wavelet e padrões temporais usando um classificador linear Fisher foi avaliado. Descobrimos que os padrões DDWT filtrados para 16 Hz apresentaram resultados acima da classificação padrões temporais. Assim, para melhorar a classificação de estágio de extração de características é melhorada, e, consequentemente, o desempenho de todo o sistema no ICC.
ABSTRACT
This paper presents an application developed on the BCI2000 platform which reduces the average spelling time per symbol on the Donchin speller. The motivation was to reduce the compromise between spelling rate and spelling accuracy due to the large amount of responses required in order to perform coherent average techniques. The methodology was made under a Bayesian approach which allows calculation of each target's class posterior probability. This result indicates the probability of each response of belonging to the infrequent class. When there is enough evidence to make a decision the system stops the stimulation process and moves on with the next symbol, otherwise it continues stimulating the user until it finds the selected letter. The average spelling rate, after using the proposed methodology with 14 healthy users and a maximum number of 5 stimulation sequences, was of 6.1 ± 0.63 char/min, compared to a constant rate of 3.93 char/min with the standard system.
Este trabajo presenta una aplicación desarrollada sobre la plataforma BCI2000 que disminuye el tiempo promedio de selección de los símbolos del deletreador de Donchin. La motivación consistió en reducir el compromiso entre la taza de deletreo y la precisión correspondiente, la cual surge como consecuencia de la gran cantidad de respuestas necesarias para realizar técnicas de promediación coherente. La metodología propuesta se basa en un enfoque Bayesiano que permite calcular la probabilidad posterior asociada con la clasificación de cada objetivo, resultado que indica la evidencia que presentan las respuestas de pertenecer a la clase infrecuente. Cuando existe evidencia suficiente para tomar una decisión, el sistema detiene el proceso de estimulación y continúa con el siguiente símbolo, de lo contrario permanece estimulando al usuario hasta conseguir identificar la letra seleccionada. Después de utilizar la metodología propuesta sobre los registros de 14 usuarios sanos con un número máximo de 5 series de estimulación, el tiempo promedio de deletreo reportado es de 6.1 ± 0.63 letras/min, el cual es comparado con una taza constante de 3.93 letras/min obtenido con un sistema convencional.
ABSTRACT
Una interfaz cerebro computadora (ICC) es un dispositivo que ayuda a personas con deficiencias motoras severas, al permitir la realización de una comunicación externa a partir de la actividad eléctrica del cerebro sin la asistencia de los nervios periféricos o de la actividad muscular, prometiendo además una mejora en la calidad de vida de los pacientes. En este proyecto se utilizó un sistema ICC basado en el paradigma P300, desarrollado en la Universidad Nacional de Entre Ríos. El sistema cuenta con un sistema no invasivo de adquisición de electroencefalograma, un amplificador Grass, el software BCI2000 y el paquete de simulación robótica Marilou. Adicionalmente, el sistema permite evaluar la aplicación de dicha ICC en el control de una silla de ruedas autopropulsada e inteligente. La presentación de estímulos para la generación del P300 se llevó a cabo con matrices de íconos que codifican las instrucciones de comandos o direcciones para la silla de ruedas. En el presente trabajo se probaron dos matrices con diferentes dimensiones y distribuciones, la primera de 4x5 y la segunda de 4x3. Se analizaron los porcentajes de clasificación que éstas arrojaron con el método de regresión SWLDA, donde se concluyó que la matriz de 4x3 presentaba mayores porcentajes de clasificación que la matriz 4x5. Las implicaciones con respecto al control de la silla se vislumbran como mayor confort y exactitud en el sistema inteligente.
A brain computer interface BCI is a device that helps people with severs motor disabilities. It allows an external communication through the electrical activity of the brain without the assistance of the peripheral nerves or muscle activity. This project used a BCI system, based on P300 paradigm which was developed at Universidad Nacional de Entre Ríos. The system includes an EEG signal acquisition system that use external electrodes, a Grass amplifier, the BCI2000 software, and the Marilou robotic simulation tool. Additionally, the system allows the evaluation of the BCI application to control the movement of an intelligent and self-propelled wheelchair. The presentation of icons, which codified the instructions to command the wheelchair movements, was developed, in order to generate the stimulus for P300 generation. Two matrix with different size and distribution (4x5 and 4x3, row x column) were tested. We analyzed the percentage of classification obtained after the application of the regression method SWLDA, and we found that the major classification percentage was achieved with the 4x3 matrix. This study reveals that this process could be faster and more confortable for the user. And finally the subject decisions will have more correlation between the results of the system and his real desire.