Basándonos en estudios recientes de electroencefalografía (EEG) y espectroscopia de infrarrojo cercano (NIRS) que mostraron que tareas como la imaginería motora y la aritmética mental inducen patrones de respuesta neuronal específicos, proponemos un paradigma de interfaz cerebro-ordenador híbrido (hBCI) en el que los datos de EEG y NIRS se fusionan para mejorar el rendimiento de la clasificación binaria. Registramos datos NIRS-EEG simultáneos de nueve participantes que realizaban siete tareas mentales (generación de palabras, rotación mental, sustracción, canto y navegación, e imágenes motoras y faciales). Se entrenaron clasificadores para cada par de tareas posibles utilizando (1) características de EEG solas, (2) características de NIRS solas, y (3) características de EEG y NIRS combinadas, para identificar los mejores pares de tareas y evaluar la utilidad de un enfoque multimodal. El enfoque NIRS-EEG condujo a un aumento medio del pico kappa de 0,03 cuando se utilizaron características extraídas de ventanas de un segundo (equivalente a un aumento del 1,5% en la precisión de la clasificación para clases equilibradas). El aumento fue mucho mayor (0,20, correspondiente a un aumento de la precisión del 10
de precisión) al centrarse en las ventanas de tiempo de alto rendimiento de la NIRS. Los análisis de EEG y NIRS revelaron además regiones cerebrales relevantes y tipos de características importantes. Este trabajo proporciona una base para futuros estudios NIRS-EEG hBCI con el objetivo de mejorar el rendimiento de la clasificación hacia BCIs más eficientes y flexibles.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Investigación Experimental sobre el Desgaste por Fricción y el Desgaste de Residuos en la Interfaz Vástago-Cemento
Artículo:
Sensores de gas basados en nanotubos de carbono multipared calentados localmente y decorados con nanopartículas metálicas
Artículo:
Selección aleatoria de comparador seguro basada en el procesamiento de consultas MAX/MIN con preservación de la privacidad en redes de sensores de dos niveles
Artículo:
Conjuntos de entrenamiento de redes de sensores sintéticos para redes neuronales
Artículo:
Comparación y validación de modelos de aprendizaje profundo para el diagnóstico de la neumonía
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible