La interfaz cerebro-ordenador (BCI) permite a las personas con deficiencias interactuar con el mundo real sin utilizar las vías neuromusculares. Las BCI se basan en sistemas pilotados por inteligencia artificial. Recogen patrones de actividad cerebral vinculados al proceso mental y los transforman en órdenes para actuadores. La aplicación potencial de los sistemas BCI está en los centros de rehabilitación. En este contexto, se diseña un método novedoso para la identificación automatizada de las tareas de Imaginería Motora (IM). La contribución es una hibridación efectiva del Análisis de Componentes Principales Multiescala (MSPCA), la Descomposición de Paquetes de Ondas (WPD), la extracción de características estadísticas de subbandas y los clasificadores basados en el aprendizaje conjunto para la categorización de las tareas de IM. Las señales de electroencefalograma (EEG) pretendidas se segmentan y desenotizan. La eliminación de ruido se consigue con una transformada wavelet (WT) basada en el algoritmo de Daubechies incorporada en el MSPCA. Se utiliza la WT con el 5º nivel de descomposición. A continuación, se utiliza la descomposición de paquetes de ondas (WPD), con el 4º nivel de descomposición, para la formación de subbandas. De cada subbanda se seleccionan las características estadísticas, a saber, valor medio absoluto, potencia media, desviación estándar, asimetría y curtosis. Además, se calculan los cocientes de los valores medios absolutos de las subbandas adyacentes y se concatenan con otras características extraídas. Por último, se utiliza el enfoque de aprendizaje automático por conjuntos para la clasificación de las tareas de IM. La utilidad se evalúa utilizando la competición BCI III, conjunto de datos MI IVa. Los resultados revelan que el enfoque de aprendizaje conjunto propuesto ofrece las mayores precisiones de clasificación, del 98,69y 94,83%, respectivamente, para los casos de problemas dependientes e independientes del sujeto.
Citación recomendada (normas APA)
Hindawi, "The Ensemble Machine Learning-Based Classification of Motor Imagery Tasks in Brain-Computer Interface", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3888554/), el día 2025-08-22.
