Decodificación de la actividad cerebral mediante regularización con penalizantes mixtos

Abstract

Una interfaz cerebro-computadora (ICC) es un sistema que provee una alternativa forma de comunicación entre el cerebro de una persona y el mundo exterior. Una manera eficiente y no invasiva de medir la actividad cerebral es mediante electroencefalografía (EEG) de superficie. Si el objetivo es deletrear palabras, suelen utilizarse ICCs basadas en los potenciales relacionados a eventos (PREs). Para fines de rehabilitación, la mayoría de las BCIs se basan en el paradigma de imaginería motora (IM). En ambos paradigmas, la detección de la intención del usuario, puede tratarse como un problema de reconocimiento de patrones binario.El análisis discriminante lineal (LDA) es un método de clasificación muy conocido en el contexto de aprendizaje supervisado. Si bien LDA generalmente resulta en buenos desempeños de clasificación manteniendo la solución sencilla, el método falla cuando el número de muestras es relativamente grande en relación a la cantidad de observaciones. Varios autores han propuesto diferentes versiones regularizadas de LDA, mostrando siempre las ventajas del uso de tales técnicas. En esta tesis se ha desarrollado una versión penalizada y regularizada de LDA, denominada discriminante ralo generalizado (GSDA). Este método realiza selección de características junto con clasificación, considerando información discriminativa a-priori. Los experimentos numéricos muestran que la utilización de GSDA supera a los métodos del estado del arte para clasificación tanto de PREs como de IM. Asimismo, se presenta un estudio de la factibilidad de un método basado en GSDA para la detección de la intención del movimiento en tiempo real.