Clasificación de Movimientos de las Manos Usando Señales Electroencefalográficas y Redes Neuronales Convolucionales

Abstract

Una interfaz cerebro-computadora proporciona a usuarios la posibilidad de controlar una computadora. Sin embargo, muchas de las interfaces disponibles se siguen utilizando principalmente en laboratorios de investigación debido a la falta de certeza y precisión en los sistemas propuestos. En este trabajo, se estudia y evalúa experimentalmente el uso de redes neuronales convolucionales profundas (CNN) como una opción adicional a lo ya existente. Se busca reconocer movimientos imaginados de las manos utilizando características basadas en espectros de potencia extraídas de señales de EEG registradas con un sistema de bajo costo, obteniendo mejores resultados o similares a métodos tradicionales ya realizados y reportados en otros estudios, por lo que de acuerdo a los resultados de precisión obtenidos en el presente trabajo, se revela que la tarea motora realizada por los participantes induce cambios reconocibles en las señales de EEG registradas, además, este análisis también revela que el uso de técnicas de aprendizaje profundo (Deep Learning) para el procesamiento y clasificación de datos usando Matlab, pueden generar resultados con una precisión alta, que posteriormente pueden ser usados para controla interfaces motoras.