Análisis de ondículas para señales de EEG en el habla imaginada.

En esta investigación, se tiene como propósito el desarrollo de un método de preprocesamiento, procesamiento y clasificación de neuroseñales EEG para el reconocimiento de palabras de un reducido léxico, usando como señal electrofisiológica el habla imaginada. De manera específica, se pretende conseguir una clasificación (de neuroseñales) que, para propósitos posteriores, podría permitir el control mental de algún dispositivo BCI que pudiese requerir la identificación de ciertas figuras. Si bien es cierto que, el habla imaginada no requiere estímulos externos visuales como P300, VEP o SSVEP, ¿ayudaría agregar la información de las neuroseñales obtenidas de estos estímulos, generados por imágenes de figuras geométricas, a la información de las neuroseñales del habla imaginada de ciertas palabras para mejorar la exactitud de su clasificación? Con dicho fin, el vocabulario está compuesto de las palabras del lenguaje español: “círculo”, “cuadrado” y “trapecio”. En el comienzo del proceso, las señales EEG se obtuvieron mediante un protocolo que se basa en marcadores mediante “triggers”, para identificar a priori en cuál sección de la señal adquirida el individuo imagina la pronunciación (habla imaginada) de la palabra que se indica, así como la sección donde se presentó el estímulo visual de la figura. Estos marcadores generan los límites inferiores de las ventanas (épocas). Para lograr el propósito, las señales de los canales más cercanos a las áreas cerebrales de Broca, Wernicke y corteza visual son de interés. Dichas señales se filtraron empleando un filtro IIR (Infinite Impulse Response) pasa-bandas en el rango de 0 a 32 Hz. Adicionalmente, se caracterizaron las neuroseñales mediante la transformada wavelet discreta (DWT) con distintas wavelets madre (biorthogonal 3.7 y daubechies 7) y luego se obtuvieron valores de energía relativa wavelet, para después hacer una selección de características. Las características seleccionadas se emplearon para el entrenamiento y evaluación de dos clasificadores usando validación cruzada: Máquina de Vectores de Soporte (SVM) y Random Forest (RF). Al final, se evaluaron los clasificadores con la medida de exactitud (accuracy) y se compararon los resultados obtenidos, para determinar cuál tuvo la mejor. El clasificador RF tuvo mejores resultados en la exactitud que SVM para el vocabulario conformado de las palabras círculo, cuadrado y trapecio. Los porcentajes de exactitud conseguidos en promedio por ventana, están por encima del 33.3%, porcentaje del azar para 3 clases lo que permite inferir que, las señales EEG sí contienen información que permita distinguir el habla imaginada de las palabras círculo, cuadrado y trapecio. De acuerdo a los tres análisis, al comparar las poblaciones de datos que se tuvieron mediante inferencia estadística, considerando las variables ondícula madre, tipo de ventana y número de canales, no hay diferencia significativa en la exactitud (accuracy) de la clasificación con la caracterización de las ondículas madre biorthogonal 3.7 (bior 3.7) y daubechies 7 (db7), entre tipos de ventana IS y +VEP, así como la información obtenida con distinto número de canales EEG (16 y 32).