Detección de Potenciales Evocados Visuales de Estado Estacionario usando Filtros Adaptivos

  • Pablo F. Diez Gabinete de Tecnología Médica, Facultad de Ingeniería, Universidad Nacional de San Juan San Juan, Argentina
  • Agustina Garcés Correa Gabinete de Tecnología Médica, Facultad de Ingeniería, Universidad Nacional de San Juan San Juan, Argentina
  • Eric Laciar Leber Gabinete de Tecnología Médica, Facultad de Ingeniería, Universidad Nacional de San Juan San Juan, Argentina

Abstract

En este trabajo se presenta un método de detección y clasificación de Potenciales Evocados Visuales de Estado Estacionario (PEVEE) usando filtros adaptivos. Estos filtros se basan en la teoría de optimización y tienen la capacidad de modificar sus propiedades de acuerdo a las características de la señal analizada. El método fue evaluado en señales electroencefalográficas (EEG) de cinco voluntarios (edad: 31 ± 2 años; 4 m y 1 f) adquiridas a una frecuencia de muestreo de 256 Hz. Las señales EEG fueron captadas con dos canales bipolares (O1-P3 y O2-P4) y seis canales monopolares (O1, O2, P3, P4, T5 y T6) referenciados a FZ. Los voluntarios fueron estimulados con cuatro leds que titilan a 13 Hz, 14 Hz, 15 Hz y 16 Hz. Para detectar y clasificar PEVEE se proponen dos esquemas de filtros adaptivos, el primero utiliza las frecuencias fundamentales de estimulación y el segundo, agrega también sus armónicos. Los resultados de ambos esquemas de filtrado son comparados con los resultados obtenidos mediante un filtro clásico Chebyshev tipo II. Mediante los filtros adaptivos se obtiene una exactitud promedio de clasificación de los PEVEE igual a 53,8% y 59,04% para los esquemas sin y con armónicos, respectivamente. El filtro clásico permite obtener una exactitud promedio general en la clasificación de los PEVEE de 52,76%. El método adaptativo es capaz de detectar correctamente los PEVEE analizados, permitiendo también obtener mejores resultados en la clasificación de los PEVEE que el filtrado clásico. Finalmente, cabe señalar que el algoritmo propuesto es rápido y se puede utilizar en aplicaciones de Interfaz Cerebro Computadora en tiempo real.
Published
2017-02-24
Section
Scientific articles