Resumen

La extracción de métricas de señales EEG permiten indicar la preparación fisiológica ante una emergencia. Con interfaces cerebro-computadora es posible traducir la alerta identificada en la percepción, hacia una señal de control que evite un riesgo, presentando ventajas en aplicaciones para ejecución de rutinas de resguardo.

En la presente investigación, se muestra un algoritmo de clasificación de eventos de emergencia en señales EEG, identificados en potenciales asociados a eventos (ERP) de frenado de emergencia. Se compararon cinco métricas frecuenciales con ventanas de un segundo a partir de la aparición del estímulo. Las métricas de espectro de frecuencia y potencia relativa de señales ERP, presentaron mejores desempeños de clasificación, alcanzando una precisión de 80% para los mejores sujetos.

Se logran clasificar estados mentales asociados a situaciones de emergencia con modelos de red neuronal (NN) y máquina de soporte vectorial de base radial (SVM). Se destaca el desempeño de clasificación de métricas de densidad espectral y potencia relativa de las señales EEG en canales parietales y occipitales.

---

Abstract

The metrics extraction from EEG signals allows us to detect the physiological anticipation for an emergency. With brain-computer interfaces, it is possible to translate the perception identified alert into a control signal to avoid risks, presenting advantages in applications for execution of system-protection routines.

In this research, an algorithm for the classification of emergency events in EEG signals is shown, with detection of event-related potentials (ERP) in emergency braking situations. Five frequency metrics with one-second windows from stimulus onset were compared. The frequency spectrum and relative power metrics of ERP signals presented better classification performances, reaching 80% accuracy values for the best subjects.

It is possible to classify mental states associated with emergency situations with neural network (NN) and radial base vector machine (SVM) models. The classification performance of spectral density metrics and relative power of EEG signals in parietal and occipital channels proved to be highly relevant.

Palabras clave: electroencefalografía, clasificadores, máquina de soporte vectorial, redes neuronales, situaciones de emergencia, interfaces cerebro-computadora.

Documento completo (archivo pdf, 2 mb)

Índice de contenido

Portada

Índices

Capítulo 1. Introducción

Capítulo 2. Marco Teórico

Capítulo 3. Metodología

Capítulo 4. Resultados obtenidos

Capítulo 5. Conclusiones y discusión de resultados

Referencias

Anexo I. Figuras con gráficas de mapeos topográficos de potenciales presentados cada 100 ms

Anexo II. Figura 26 a la 36

Anexo III. Figuras 37 y 38

Anexo IV. Resultados Clasificación

Documento completo (archivo pdf, 2 mb)

García Peña, S. 2022. Comparación de métricas lineales y no lineales de las señales de EEG en la detección de situaciones de emergencia. Tesis Licenciatura. Ingeniería Biomédica. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Noviembre. Derechos Reservados © 2022.