Titulo:
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario
.
Sumario:
Uno de los paradigmas más utilizados en la literatura para la implementación de un sistema EEG BCI son los potenciales evocados visuales en estado estacionario, estos normalmente surgen en la corteza occipital del cerebro. Para poder visualizar, extraer y clasificar estos, se requieren una serie de etapas. La metodología del estudio se dividió en las fases iniciales en el diseño de un sistema BCI: adquisición, preprocesamiento, extracción y clasificación. En este estudio, se realizó una caracterización de estos potenciales desde la adquisición utilizando el equipo g. Nautilus con el estándar 10-20 de la Universidad Antonio Nariño hasta la clasificación de los datos utilizando los métodos matemáticos CCA y SED en diferentes ventanas de tiemp... Ver más
Guardado en:
2382-3399
2745-2220
7
2020-04-11
11
26
Revista Ontare - 2019
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| id |
metarevistapublica_ean_revistaontare_54_article_2459 |
|---|---|
| record_format |
ojs |
| spelling |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario Characterization of EEG signals related to visual evoked potentials in steady state Uno de los paradigmas más utilizados en la literatura para la implementación de un sistema EEG BCI son los potenciales evocados visuales en estado estacionario, estos normalmente surgen en la corteza occipital del cerebro. Para poder visualizar, extraer y clasificar estos, se requieren una serie de etapas. La metodología del estudio se dividió en las fases iniciales en el diseño de un sistema BCI: adquisición, preprocesamiento, extracción y clasificación. En este estudio, se realizó una caracterización de estos potenciales desde la adquisición utilizando el equipo g. Nautilus con el estándar 10-20 de la Universidad Antonio Nariño hasta la clasificación de los datos utilizando los métodos matemáticos CCA y SED en diferentes ventanas de tiempo. Así pues, puesto que en la implementación de un sistema BCI en tiempo real se espera que el tiempo de clasificación sea lo más corto posible para la ejecución rápida de un comando, este tipo de estudios permiten identificar cuáles métodos son los más válidos en la clasificación de estos datos, así como algunas variables a tener en cuenta. Los resultados permiten identificar, entonces, una mejor efectividad en la clasificación de datos con CCA que con SED, además del comportamiento del sistema según las ventanas de tiempo. One of the paradigms that has been mostly used in the literature for the implementation of an EEG BCI system is the visual evoked potentials in steady state, which normally arise in the occipital cortex of the brain. There is a series of stages that are required in order to visualize, extract, and classify them. The initial phases of the methodology in this study were divided into acquisition, pre-processing, extraction, and classification, just as in the design of an IBD system. This study makes a characterization of these potentials, from the acquisition using the g. Nauti-lus equipment with the 10-20 standard of Universidad Antonio Nariño until the classification of the data using the CCA and SED mathematical methods in different time windows. Thus, the implementation of a realtime BCI system is supposed to have a classification time that is as short as possible for the rapid execution of a command; this type of study allows the identification of the best methods to be used in the classification of these data, as well as some variables that can be taken into account. The results allow to identify, then, greater effectiveness in the classifica-tion of data with CCA than with SED, as well as the fact that the system behaves according to the time window. Blanco-Díaz, Cristian Felipe Ruiz-Olaya, Andrés Felipe Brain - Diseases -- Brain - Diseases -- Diagnosis Command and control systems Electroencephalography Man-machine systems Enfermedades cerebrales -- Diagnóstico Sistemas de comando y control Sistemas hombre - máquina Electroencefalografía 7 , Año 2019 : Inteligencia Artificial y soluciones de ingeniería sostenible Artículo de revista Journal article 2020-04-11T00:00:00Z 2020-04-11T00:00:00Z 2020-04-11 application/pdf Universidad Ean Revista Ontare 2382-3399 2745-2220 https://journal.universidadean.edu.co/index.php/Revistao/article/view/2459 10.21158/23823399.v7.n0.2019.2459 https://doi.org/10.21158/23823399.v7.n0.2019.2459 spa https://creativecommons.org/licenses/by-nc-sa/4.0/ Revista Ontare - 2019 11 26 OMS (Organización Mundial de la Salud). (2011). Resumen Informe mundial sobre la discapacidad. Ediciones de la OMS. Recuperado de https://www.who.int/disabilities/world_report/2011/summary_es.pdf Becedas, J. (2012). Brain machine interfaces: basic and advances. IEEE Transactions on Systems, Man and Cybernetics, 42(6), 825-836. DOI: https://doi.org/10.1109/TSMCC.2012.2203301 Boelts, J.; Cerquera, A.; Ruiz, A. (2015). Decoding of imaginary motor movements of fists applying spacial filtering in a BCI simulated. En J. Ferrández Vicente; F. Álvarez-Sánchez de la Paz López; H. Toledo-Moreo (eds.), Artificial Computation in Biology and Medicine. Cham: Springer. DOI: https://doi.org/10.1007/978-3-319-18914-7_16 g.tec medical engineering GmbH (2017). Instruction for use V1.16.06 g.Nautilus PRO. Recuperado de http://nbtltd.com/wp-content/uploads/2018/05/gnautilus_pro_instructionforuse_fda.pdf Inkaew, N.; Charoenkitkamjorn, N.; Yangpaiboon, C.; Phothisonothai, M.; Nuthong, C. (2015). Frequency component analysis of eeg recording on various visual tasks: steady-state visual evoked potential experiment. En 7th International Conference on Knowledge and Smart Technology (KST) (pp. 180-183). Faculty of Informatics, Burapha University, Chon buri, Tailandia. DOI: https://doi.org/10.1109/KST.2015.7051483 Lee, M.-H.; Kwon, O-Y.; Kim, Y.-K.; Kim, H. K.; Lee, Y.-E.; Williamson, J.; Fazli, S.; Lee, S.-W. (2019). EEG dataset and openBMI toolbox for three BCI paradigms. GigaScience, 8(5), 1-16. DOI: https://doi.org/10.1093/gigascience/giz002 Wei, Q.; Xiao, M.; Lu, Z. (2011). Comparative study of canonical correlation analysis and power spectral density analysis for SSVEP detection. En Third International Conference on Intelligent Human-Machine Systems and Cybernetics (pp. 7-10). DOI: https://doi.org/10.1109/IHMSC.2011.72 Liu, C.; Xie, S.; Xie, X.; Duan, X.; Wang, W.; Obermayer, K. (2018). Design of a video feedback SSVEPBCI system for a car control based on improved MUSIC method. En 6th International conference on Brain Computer Interface (BCI) (pp. 1-4). DOI: https://doi.org/10.1109/IWWBCI.2018.8311499 https://journal.universidadean.edu.co/index.php/Revistao/article/download/2459/2062 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/redcol/resource_type/ARTREF info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |
| institution |
UNIVERSIDAD EAN |
| thumbnail |
https://nuevo.metarevistas.org/UNIVERSIDADEAN/logo.png |
| country_str |
Colombia |
| collection |
Revista Ontare |
| title |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario |
| spellingShingle |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario Blanco-Díaz, Cristian Felipe Ruiz-Olaya, Andrés Felipe Brain - Diseases -- Brain - Diseases -- Diagnosis Command and control systems Electroencephalography Man-machine systems Enfermedades cerebrales -- Diagnóstico Sistemas de comando y control Sistemas hombre - máquina Electroencefalografía |
| title_short |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario |
| title_full |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario |
| title_fullStr |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario |
| title_full_unstemmed |
Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario |
| title_sort |
caracterización de señales de eeg relacionadas a potenciales evocados visuales en estado estacionario |
| title_eng |
Characterization of EEG signals related to visual evoked potentials in steady state |
| description |
Uno de los paradigmas más utilizados en la literatura para la implementación de un sistema EEG BCI son los potenciales evocados visuales en estado estacionario, estos normalmente surgen en la corteza occipital del cerebro. Para poder visualizar, extraer y clasificar estos, se requieren una serie de etapas. La metodología del estudio se dividió en las fases iniciales en el diseño de un sistema BCI: adquisición, preprocesamiento, extracción y clasificación. En este estudio, se realizó una caracterización de estos potenciales desde la adquisición utilizando el equipo g. Nautilus con el estándar 10-20 de la Universidad Antonio Nariño hasta la clasificación de los datos utilizando los métodos matemáticos CCA y SED en diferentes ventanas de tiempo. Así pues, puesto que en la implementación de un sistema BCI en tiempo real se espera que el tiempo de clasificación sea lo más corto posible para la ejecución rápida de un comando, este tipo de estudios permiten identificar cuáles métodos son los más válidos en la clasificación de estos datos, así como algunas variables a tener en cuenta. Los resultados permiten identificar, entonces, una mejor efectividad en la clasificación de datos con CCA que con SED, además del comportamiento del sistema según las ventanas de tiempo.
|
| description_eng |
One of the paradigms that has been mostly used in the literature for the implementation of an EEG BCI system is the visual evoked potentials in steady state, which normally arise in the occipital cortex of the brain. There is a series of stages that are required in order to visualize, extract, and classify them. The initial phases of the methodology in this study were divided into acquisition, pre-processing, extraction, and classification, just as in the design of an IBD system. This study makes a characterization of these potentials, from the acquisition using the g. Nauti-lus equipment with the 10-20 standard of Universidad Antonio Nariño until the classification of the data using the CCA and SED mathematical methods in different time windows. Thus, the implementation of a realtime BCI system is supposed to have a classification time that is as short as possible for the rapid execution of a command; this type of study allows the identification of the best methods to be used in the classification of these data, as well as some variables that can be taken into account. The results allow to identify, then, greater effectiveness in the classifica-tion of data with CCA than with SED, as well as the fact that the system behaves according to the time window.
|
| author |
Blanco-Díaz, Cristian Felipe Ruiz-Olaya, Andrés Felipe |
| author_facet |
Blanco-Díaz, Cristian Felipe Ruiz-Olaya, Andrés Felipe |
| topic |
Brain - Diseases -- Brain - Diseases -- Diagnosis Command and control systems Electroencephalography Man-machine systems Enfermedades cerebrales -- Diagnóstico Sistemas de comando y control Sistemas hombre - máquina Electroencefalografía |
| topic_facet |
Brain - Diseases -- Brain - Diseases -- Diagnosis Command and control systems Electroencephalography Man-machine systems Enfermedades cerebrales -- Diagnóstico Sistemas de comando y control Sistemas hombre - máquina Electroencefalografía |
| topicspa_str_mv |
Enfermedades cerebrales -- Diagnóstico Sistemas de comando y control Sistemas hombre - máquina Electroencefalografía |
| citationvolume |
7 |
| citationedition |
, Año 2019 : Inteligencia Artificial y soluciones de ingeniería sostenible |
| publisher |
Universidad Ean |
| ispartofjournal |
Revista Ontare |
| source |
https://journal.universidadean.edu.co/index.php/Revistao/article/view/2459 |
| language |
spa |
| format |
Article |
| rights |
https://creativecommons.org/licenses/by-nc-sa/4.0/ Revista Ontare - 2019 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| references |
OMS (Organización Mundial de la Salud). (2011). Resumen Informe mundial sobre la discapacidad. Ediciones de la OMS. Recuperado de https://www.who.int/disabilities/world_report/2011/summary_es.pdf Becedas, J. (2012). Brain machine interfaces: basic and advances. IEEE Transactions on Systems, Man and Cybernetics, 42(6), 825-836. DOI: https://doi.org/10.1109/TSMCC.2012.2203301 Boelts, J.; Cerquera, A.; Ruiz, A. (2015). Decoding of imaginary motor movements of fists applying spacial filtering in a BCI simulated. En J. Ferrández Vicente; F. Álvarez-Sánchez de la Paz López; H. Toledo-Moreo (eds.), Artificial Computation in Biology and Medicine. Cham: Springer. DOI: https://doi.org/10.1007/978-3-319-18914-7_16 g.tec medical engineering GmbH (2017). Instruction for use V1.16.06 g.Nautilus PRO. Recuperado de http://nbtltd.com/wp-content/uploads/2018/05/gnautilus_pro_instructionforuse_fda.pdf Inkaew, N.; Charoenkitkamjorn, N.; Yangpaiboon, C.; Phothisonothai, M.; Nuthong, C. (2015). Frequency component analysis of eeg recording on various visual tasks: steady-state visual evoked potential experiment. En 7th International Conference on Knowledge and Smart Technology (KST) (pp. 180-183). Faculty of Informatics, Burapha University, Chon buri, Tailandia. DOI: https://doi.org/10.1109/KST.2015.7051483 Lee, M.-H.; Kwon, O-Y.; Kim, Y.-K.; Kim, H. K.; Lee, Y.-E.; Williamson, J.; Fazli, S.; Lee, S.-W. (2019). EEG dataset and openBMI toolbox for three BCI paradigms. GigaScience, 8(5), 1-16. DOI: https://doi.org/10.1093/gigascience/giz002 Wei, Q.; Xiao, M.; Lu, Z. (2011). Comparative study of canonical correlation analysis and power spectral density analysis for SSVEP detection. En Third International Conference on Intelligent Human-Machine Systems and Cybernetics (pp. 7-10). DOI: https://doi.org/10.1109/IHMSC.2011.72 Liu, C.; Xie, S.; Xie, X.; Duan, X.; Wang, W.; Obermayer, K. (2018). Design of a video feedback SSVEPBCI system for a car control based on improved MUSIC method. En 6th International conference on Brain Computer Interface (BCI) (pp. 1-4). DOI: https://doi.org/10.1109/IWWBCI.2018.8311499 |
| type_driver |
info:eu-repo/semantics/article |
| type_coar |
http://purl.org/coar/resource_type/c_6501 |
| type_version |
info:eu-repo/semantics/publishedVersion |
| type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| type_content |
Text |
| publishDate |
2020-04-11 |
| date_accessioned |
2020-04-11T00:00:00Z |
| date_available |
2020-04-11T00:00:00Z |
| url |
https://journal.universidadean.edu.co/index.php/Revistao/article/view/2459 |
| url_doi |
https://doi.org/10.21158/23823399.v7.n0.2019.2459 |
| issn |
2382-3399 |
| eissn |
2745-2220 |
| doi |
10.21158/23823399.v7.n0.2019.2459 |
| citationstartpage |
11 |
| citationendpage |
26 |
| url2_str_mv |
https://journal.universidadean.edu.co/index.php/Revistao/article/download/2459/2062 |
| _version_ |
1811200244518486016 |