Identificación y análisis de patrones visuales mediante el uso de una interfaz cerebro computadora

Abstract

RESUMEN: En este trabajo se analiza varios patrones de estimulación visual con el objetivo de determinar cuáles de ellos generan actividad encefalografía consistente. estos se realizan analizando el movimiento ocular mediante la medición de señales electroencefalográfica utilizando el caso EMOTIV EPOC+. El movimiento ocular es detectado analizando las señales electroencefalográficas correspondientes en cada uno de los dos experimentos propuestos. El primer experimento consta de cuatro tareas y el segundo de 9 tareas diferentes, los participantes utilizados en este trabajo siguen con la mirada el movimiento de un objeto circular en la pantalla. Las señales electroencefalográficas obtenidas fueron alisadas en frecuencia y utilizando métodos estadísticos para poder comprender el comportamientos de estas, y posteriormente ser clasificadas utilizando los siguientes métodos: Máquina de soporte vectorial, KNN, Perceptrón, Multicapa, Naive Bayes y Análisis de componentes principales. Los resultados obtenidos en este trabajo utilizando estos métodos de clasificación generar una precisión entre el 81% y 98%, demostrando que es posible identificar y clasificar el movimiento ocular utilizando señales electroencefalográficas ABSTRACT: This work analyzes some stimulus visual patterns, with the goal to determine which one of those patterns reflect some electroencephalographic signals measured using the headset wireless MOTIV EPOC+ to collect EEG signals. The eye movement is detected analyzing the electroencephalographic (EEG) signals corresponding to two experiments. The first experiment has four tasks and the second one has 9 tasks: the participant follows with his eyes the movement of a circle on the screen. These movements are (i) from left to right (ii) from right to left (iii) from to to bottom and (iv) from botton to top. the EEg signals obtained are classify using Support Vector Machine KNN Perecptron Multilayer Naive Bayes and Principal Component Analysis. The results obtained presents an accuracy between 81% and 91%. The above results show us that are possible to identify and classify the eye movements using EEG signals.