Procesamiento automatizado de señales de EEG: una investigación exhaustiva sobre técnicas de preprocesamiento y...

Área de la Ciencia:

• Neurociencia e ingeniería biomédica
• Procesamiento de señales y aprendizaje automático

Sus antecedentes:

• Las señales del electroencefalograma (EEG) son cruciales para monitorear la actividad cerebral, las condiciones neurológicas y los estados cognitivos.
• El análisis manual de los datos EEG es ineficiente, lo que impulsa la necesidad de procesamiento y clasificación automatizados.
• Los componentes de las subbandas de EEG (delta, theta, alfa, beta, gamma) son vitales para comprender las respuestas cerebrales.

Objetivo del estudio:

• Revisar y evaluar exhaustivamente las técnicas de preprocesamiento de EEG, en particular los métodos de extracción de subbandas.
• Evaluar la aplicabilidad práctica y el rendimiento de diversas técnicas de procesamiento de señales para el análisis de EEG.
• Demostrar la utilidad de estos métodos en una aplicación del mundo real, como la detección de la somnolencia mediante la interfaz cerebro-computadora (BCI).

Principales métodos:

• Evaluación de las técnicas de procesamiento de señales, incluidos los filtros de Transformación de Fourier Rápida (FFT), Transformación de Fourier de Corto Tiempo (STFT), Respuesta de Impulso Finito (FIR) y Respuesta de Impulso Infinito (IIR).
• Análisis de las transformaciones de ondas como la Transformación de Ondas Discreta (DWT) y la Transformación de Paquetes de Ondas (WPT).
• Análisis paramétrico cualitativo y cuantitativo de los métodos de preprocesamiento EEG seleccionados.

Principales resultados:

• Comparación de la eficacia de las diferentes técnicas de extracción de subbanda para el procesamiento de señales EEG.
• Evaluación del rendimiento práctico y la idoneidad de varios métodos para aplicaciones de interfaz cerebro-ordenador (BCI).
• Demostración de la mejora de la precisión de la clasificación EEG mediante el preprocesamiento optimizado en una tarea de detección de somnolencia.

Conclusiones:

• El preprocesamiento eficaz del EEG, especialmente la extracción de subbandas, es esencial para un análisis y clasificación automatizados precisos.
• La elección del método de preprocesamiento tiene un impacto significativo en el rendimiento de los sistemas de interfaz cerebro-computadora (BCI).
• Los métodos evaluados proporcionan una base para desarrollar aplicaciones basadas en EEG más sólidas y eficientes.