Artificial Neural Network Classification of Motor-Related EEG, An Increase in Classification Accuracy by Reducing Signal Complexity

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Aplicamos una red neuronal artificial (ANN) para el reconocimiento y clasificación de patrones electroencefalográficos (EEG) asociados con la imaginación motora en sujetos no entrenados. La precisión de la clasificación se optimiza al reducir la complejidad de los datos experimentales de entrada. A partir del EEG multicanal grabado por el conjunto de 31 electrodos dispuestos según el sistema internacional extendido 10-10, seleccionamos un tipo apropiado de ANN que alcanza una precisión del 80-10% para la clasificación de una sola prueba. Luego, reducimos el número de canales de EEG y obtenemos una calidad de reconocimiento apropiada (hasta el 73-15%) utilizando solo 8 electrodos ubicados en el lóbulo frontal. Finalmente, analizamos la estructura tiempo-frecuencia de las señales de EEG y encontramos que las características relacionadas con la motricidad asociadas con la imaginación motora de la pierna izquierda y derecha son más pronunciadas en las ondas cerebrales mu (8-13 Hz) y delta (1-5 Hz)
Citación recomendada (normas APA)
: Hindawi, "Artificial Neural Network Classification of Motor-Related EEG, An Increase in Classification Accuracy by Reducing Signal Complexity", -:Revista VirtualPRO,, 2018. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3844774/), el día 2025-07-03.

Información adicional