Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumen
En los ltimos aos se han desarrollado
tecnologas en el campo de la inteligencia
artificial que permitan pasar por alto los canales
de comunicacin convencionales entre el cerebro
de un usuario y una computadora (como los
msculos o el habla). Las interfaz cerebro
computadora (Brain Computer Interface, BCI)
monitorean la actividad cerebral del usuario y
traducen sus intenciones en rdenes sin activar
ningn msculo o nervio perifrico [10]. Los
sistemas BCI permiten controlar dispositivos
electrnicos y/o mecnicos por medio de las
ondas cerebrales. Los sistemas BCI han
demostrado su aplicabilidad en varios contextos:
la conduccin de un robot o silla de ruedas,
prtesis de funcionamiento, la seleccin de cartas
de un teclado virtual, navegacin en Internet o en
realidades virtuales, el control de juegos de
computadora, y algunos otros. ste tipo de
sistemas es una forma natural para aumentar las
capacidades humanas al proporcionar un nuevo
enlace de interaccin con el mundo exterior y es
especialmente relevante como una ayuda para las
personas con discapacidad. El presente artculo
pretende mostrar una introduccin a los sistemas
BCI para describir de manera general las bases
tecnolgicas de su funcionamiento.
Palabras claves: Interfaz Cerebro Computadora,
Interfaz Cerebro Mquina, Sistemas BCI, BCI,
BMI, ICC,
1. Introduccin
1.1 Proceso Elctrico de las Neuronas
El cerebro humano est formado por
clulas especializadas llamadas neuronas. Las
neuronas se componen de un cuerpo celular, un
ncleo, las dendritas y un axn [4] (Figura 1).
22
23
Delta (d)
Rango de
frecuencia
(Hz)
Hasta 4
Estado
Subconsciente
Tipo de Actividad
Theta ()
4-8
Subconsciente
Alpha (!)
8-13
Subconsciente
Mu ()
8-13
Consciente
Betta (")
13-30
Consciente
Gamma (#)
30-100+
Consciente
24
25
26
en
27
COMPONE
NTE
Artefact
Processor
Generador de
caracterstica
s
(Feautre
Generator)
Extraccin de
caractersticas
(feature extraction)
Traduccin de
caractersticas
(feature Translator)
Control Interface
Dispositivo de control
(Device Controller)
DESCRIPCIN FUNCIONAL
Es la persona que controla el
dispositivo en el sistema BCI
Concierten los estados cerebrales
del usuario en seales elctricas
Funciona como amplificador y
filtro pase-banda para las seales
elctricas provenientes del cerebro
del usuario
Transforma las seales
amplificadas en caractersticas de
valor que corresponden al
subyacente mecanismo
neurolgico seleccionado para el
control por parte del usuario
Convierte la caractersticas en un
vector en control de seales
lgicas
Traduce las seales de control en
seales de control simtricas que
son apropiadas para un dispositivo
en particular
Dispositivo de control
PreProcesamiento
(Signal
Enhancement)
BCI
Transducer
Extraccin de
caractersticas
(Feature
Extraction)
Seleccin de
caractersticas /
Reduccin de
dimensionalidad
(Feature Selection
/ Dimensionality
Reduction)
Traductor de
caracterstica
s
(Feature
Translator)
SUBCOMPONE
NTE
DESCRIPCIN
FUNCIONAL
Remueve los artefactos de
la seal de entrada
Transforma las seales
resultantes en valores de
caractersticas que
corresponden con el
mecanismo neurolgico
subyacente empleado por el
usuario para el control
Proceso de filtrado y
mejoramiento de las
seales emitidas por el
EEG y donde se eliminan
algunos de los posibles
artefactos que se
encuentran superpuestos a
la seal de inters
(parpadeo, movimiento de
los ojos,
electrocardiograma,
movimientos musculares,
etc.)
Genera el vector de
caractersticas formado por
las seales seleccionadas
Selecciona y reduce el
nmero de caractersticas
y/o canales
Las caractersticas
seleccionadas las convierte
a seales de control
Incrementa el desempeo
de las seales
seleccionadas y reduce el
nmero de errores
28
Metodologas
basadas
en
Redes
Neuronales, lgica difusa, Variaciones del filtro
de Kalman, regresiones lineales, no lneas y
cuadrticas para la etapa de clasificacin de
caractersticas. Finalmente ara la estapa de postprocesamiento los mtodos ERN (Event-Related
Negativity) NEC (Nased Error Correction), SAUK (Successive averaging unknown output state),
HGA (Hybrid-Binary Genetic Algorithm)
(Bashashati et al 2007).
29
1.
2.
3.
4.
30
Entrenamiento
SI
ITR
bits/min
3-35
SI
NO
NO
5-12
20-25
66-100
Tabla
5.
Relacin
de
electrofisiolgicas y su ITR
las
seales
31
BCI
5. Conclusiones
Los sistemas BCI es una tecnologa que
permite controlar dispositivos electrnicos y/o
mecnicos por medio de las seales elctricas
generadas por el cerebro las cuales pueden ser
detectadas, identificadas y medidas por equipos
especializados para posteriormente manipularlas
desde el exterior. Los sistemas BCI ofrecen a sus
usuarios nuevos canales de comunicacin y de
control sin ninguna intervencin de los nervios
perifricos y los msculos. Por lo tanto, muchas
investigaciones se centran en la creacin de
aplicaciones BCI, con la esperanza de que esta
tecnologa pudiera ser til para las personas con
discapacidades motoras severas. El desarrollo de
aplicaciones BCI, permitir el acceso a
aplicaciones tecnolgicas a personas con
discapacidad parcial o total o para proyectos de
especializados con base a la demanda del
mercado.
32
6. Referencias
[1]
Bashashati
Ali
(2007).
Towards
Development of a 3-State Self-Paced Brain
Computer Interface System. Tesis Doctorado The
University of British Columbia
[2]
Bashashati Ali, Fatourechi Mehrdad,
Ward Rabab K. and Birch Gary E. (2007). A
survey of signal processing algorithms in brain
computer interfaces based on electrical brain
signals. Journal of Neural Engineering 4, R32
R57.
[3]
Cervantes, G. S., Martnez, N. H. M., &
Prez, M. A. R. Interfaz Cerebro Computadora
para el Posicionamiento de Un Robot Virtual.
[13]
Sanei S. and Chambers J. (2007). EEG
Signal Processing. John Wiley & Sons, Ltd
[4]
De la Torre Abaitua J. (2012). Procesado
de Seales EEG para un Interfaz CerebroMquina (BCI). Tesis licenciatura Universidad
Carlos III de Madrid, Espaa.
[14]
Setare Amiri, Reza Fazel-Rezai, and
Vahid Asadpour (2013). A Review of Hybrid
Brain-Computer Interface Systems. Hindawi
Publishing Corporation, Advances in HumanComputer Interaction., Article ID 187024
[5]
Haider Hussein Alwasiti, Ishak Aris and
Adznan Jantan (2010). Brain Computer Interface
Design and Applications: Challenges and Future.
World Applied Sciences Journal 11 (7) p.819-825.
[15]
Schalk G. and J. Mellinger J. (2010). A
Practical Guide to BrainComputer Interfacing
with BCI2000, Springer-Verlag London Limited
[6]
Kuzovkin I. (2013). Adaptive Interactive
Learning: a Novel Approach to Training BrainComputer Interface Systems. Tesis (MCC)
University of Tartu Faculty of Mathematics and
Computer Science Institute of Computer Science
[7]
Long Jinyi, Li Yuanqing, Wang Hongtao,
Yu Tianyou, Pan Jiahui, and Li Feng (2012).
Hybrid Brain Computer Interface to Control the
Direction and Speed of a Simulated or Real
Wheelchair. Transactions on Neural Systems and
Rehabilitation Engineering, Vol. 20, No. 5
[16]
Wolpaw J.R., Birbaumer N., Heetderks
W.J., McFarland D.J., Peckham P.H., Schalk G.,
Donchin E., Quatrano L.A., Robinson C.J., and
Vaughan T.M. (2000). BrainComputer Interface
Technology: A Review of the First International
Meeting. IEEE Transactions On Rehabilitation
Engineering, Vol. 8, No. 2.
[8]
Mason S. G. and Birch G. E. (2000). A
Brain-Controlled Switch for Asynchronous
Control Applications. IEEE Transactions on
Biomedical Engineering, Vol. 47, No. 10
[9]
Mason Steven G. and Birch Gary E.
(2003). A General Framework for Brain
33