Decoding Colour and Position from Human Brain Activity Using Electroencephalography and Machine Learning Methods = Interpretando imágenes de la memoria humana con métodos de machine learning y electroencelografía
Abstract:
A broad number of studies have used multivariate pattern analysis (MVPA) to track spatial representations such as position from human brain activity. While decoding spatial features has provided important insights on how working memory tracks representations, some studies have demonstrated that decoding spatial features can also be influenced by eye movements and spatial attention. This implies that EEG signals can be biased by the oculomotor system (e.g., is MVPA detecting neural representations or different eye-movement patterns?). Thus, decoding elements that are not defined by spatial factors and/or eye movements, like colour, can be an important proof-ofprinciple that neural representation can be decoded from electroencephalography (EEG). Even though few studies have decoded colour from EEG, it is still unclear whether using different features from EEG signals (e.g., Oscillations and ERPs) may carry different representations (e.g., position vs colour), and if different pre-processing methods and machine learning techniques may improve accuracy levels. Therefore, the purpose of this project is to determine whether colour and position can be decoded separately from various features of human electroencephalography (EEG) using different machine learning methods.
Resumen:
Varias investigaciones han utilizado el análisis de patrones multivariados (MVPA) para rastrear representaciones espaciales desde la memoria de trabajo humana como la posición de un objeto. Si bien la decodificación de características espaciales ha brindado información importante sobre cómo la memoria de trabajo rastrea representaciones visuales, algunos estudios han demostrado que la decodificación de características espaciales también puede verse influenciada por los movimientos oculares y la atención espacial. Esto implica que las señales de EEG pueden estar sesgadas por el sistema oculomotor (p. ej., ¿MVPA detecta representaciones neuronales o diferentes patrones del movimiento ocular?). Por lo tanto, la decodificación de elementos que no están definidos por factores espaciales y/o movimientos oculares, como el color, puede ser una importante prueba de que la representación neuronal se puede decodificar a partir de la electroencefalografía (EEG). Aunque algunos cuantos estudios han decodificado el color usando EEG, todavía no está claro si el uso de diferentes características de las señales de EEG (p. ej., oscilaciones y ERP) puede tener diferentes representaciones (p. ej., posición frente a color), y si los diferentes métodos de preprocesamiento y aprendizaje automático pueden mejorar los niveles de precisión. Por lo tanto, el propósito de este proyecto es determinar si el color y la posición se pueden decodificar utilizando varias características de la electroencefalografía humana (EEG) y diferentes métodos de machine learning.
Citación recomendada (normas APA)
Inés Andrea Castaño Gómez, "Decoding Colour and Position from Human Brain Activity Using Electroencephalography and Machine Learning Methods = Interpretando imágenes de la memoria humana con métodos de machine learning y electroencelografía", Colombia:-, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3711700/), el día 2025-05-12.
¡Disfruta más de la BDB!
Explora contenidos digitales de forma gratuita, crea tus propias colecciones, colabora y comparte con otros.
Selecciona las Colecciones en las que vas a añadir el contenido
Para consultar los contenidos añadidos busca la opción
Tus colecciones en el menú principal o en
Mi perfil.
Mis colecciones
Cargando colecciones
Compartir este contenido
Decoding Colour and Position from Human Brain Activity Using Electroencephalography and Machine Learning Methods = Interpretando imágenes de la memoria humana con métodos de machine learning y electroencelografía
