Clasificación Robusta de Interfaces Cerebro-Computadora de Imaginería Motora en Degradación de Señal: Un Enfoque de...

Área de la Ciencia:

• Ingeniería Biomédica
• Neurociencia
• Procesamiento de Señales

Sus antecedentes:

• Las interfaces cerebro-computadora (BCI) traducen señales neuronales en comandos, imitando el procesamiento cerebral.
• Las BCI de imaginería motora (MI) decodifican movimientos imaginados a partir de patrones de la corteza sensoriomotora.
• La degradación de la señal en entornos móviles o de bajos recursos limita las BCI actuales, especialmente a bajas frecuencias de muestreo.

Objetivo del estudio:

• Desarrollar un marco robusto de clasificación de MI resiliente a la degradación de la señal.
• Mejorar la aplicabilidad práctica de las BCI en escenarios del mundo real.
• Mejorar la interacción biomimética de las BCI basadas en EEG.

Principales métodos:

• Se propuso un marco de patrón espacial común de banco de filtros con segmentación temporal (FBCSP-TS).
• Se clasificaron cuatro tareas de MI (mano izquierda, mano derecha, pie, lengua) utilizando señales de EEG segmentadas.
• Se integraron la dinámica espacial, espectral y temporal con votación suave para predicciones a nivel de segmento.

Principales resultados:

• FBCSP-TS superó a CSP y FBCSP en los conjuntos de datos de BCI Competition IV.
• La precisión a 110 Hz fue estadísticamente similar a la de 250 Hz, lo que demuestra robustez.
• Los parámetros óptimos (ventana=3.5s, avance=0.5s) mejoraron la relación señal-ruido (SNR).
• La validación externa logró una precisión de 0.809 ± 0.092 y una kappa de Cohen de 0.619 ± 0.184.

Conclusiones:

• El marco FBCSP-TS preserva eficazmente los patrones neuronales relevantes para MI en condiciones degradadas.
• Este avance apoya las BCI biomiméticas prácticas para aplicaciones portátiles y del mundo real.
• El método propuesto mejora la resiliencia al ruido y a los artefactos, crucial para el uso de BCI móvil.