![]() ![]() ![]() No será hasta finales de la década de 1870 que Phineas Gage sea rescatado del olvido de la mano del Dr. Sin embargo no será así: pocas personas conocerán de la existencia de este artículo. Uno pensaría que este artículo es el responsable de asegurar a Gage un lugar permanente en los anales de la neurología. Harlow publica el caso, describiendo por primera vez los cambios de personalidad experimentados por Gage tras la lesión. Un análisis de complejidad computacional del algoritmo de PMF también es presentado.Tal vez el caso de daño cerebral más famoso de la historia sea el sufrido por un trabajador del ferrocarril llamado Phineas Gage el 13 de septiembre de 1848 12 años después, el 21 de mayo 1860, Gage muere tras una crisis comicial. Se presentan resultados utilizando diferentes números de vectores de características y diferentes números de muestras. El clasificador mencionado es probado mediante Validación Cruzada de 10 plegados. Estas características se utilizan para entrenar el clasificador SVM (Support Vector Machine, por sus siglas en inglés). El método presentado en esta tesis es una parteĮsencial del funcionamiento del sistema de BCI determina la extracción de características discriminatorias utilizando el método de PMF. Las limitaciones con los métodos actuales son la alta dimensionalidad de los datos que restringe la extracción de rasgos discriminatorios para el proceso de clasificación. Los métodos actuales se basan en el Patrón Espacial Común (CSP, por sus siglas en inglés), el cual puede ser utilizado para clasificar dos clases o grupos de imágenes motoras. La clasificación de imágenes motrices es el proceso de clasificar las simulaciones mentales de un sujeto. En otras palabras, es el proceso mediante el cual un sujeto está pensando en mover una parte de su cuerpo sin moverla físicamente. La imaginación motriz es un proceso mental en el que un sujeto simula mentalmente una acción. ![]() Por lo tanto, esta tesis es un esfuerzo para buscar mejoras para esas aplicaciones, mediante la experimentación del método Factorización Matricial Positiva (PMF, por sus siglas en inglés) para mejorar la clasificación de imágenes motrices de señales de electroencefalograma (EEG). Los sistemas de BCI deben ser fáciles de utilizar, manejables, eficientes y apto para personas con discapacidades o cualquier complicación física. El campo de BCI está constante mejoramiento debido al desarrollo de aplicaciones para personas necesitadas. Un sistema de BCI provee un canal de comunicación entre el cerebro humano y una computadora, posibilitando diferentes aplicaciones en el campo de la bioingeniería. A complexity analysis of the PMF algorithm is presented.Įl sistema de Interface Cerebro-Computadora (BCI, por sus siglas en inglés) está diseñado para traducir las intenciones de un sujeto en una señal de control que es reconocida por un dispositivo. Results using different numbers of feature vectors and different number of samples are presented. The mentioned classifier is tested using 10-Fold Cross-Validation. These features are used to train the Support Vector Machine (SVM) classifier. The method presented in this thesis is an essential part of a functioning BCI system it determines discriminative spectral features using the PMF method. The limitations with current methods are the high dimensionality of the EEG data that curtails extraction of discriminatory features for classification. Current methods rely on Common Spatial Pattern (CSP), which can be used for two-class motor imagery classification. Motor imagery classification is the process of classifying a subject’s mental simulations. In other words, MI is the process by which a subject is thinking of moving a part of his/her body without moving it physically. Motor imagery (MI) is a mental process by which a subject mentally simulates a given action. Thus, this thesis is an effort to seek improvements for those applications, by experimenting Positive Matrix Factorization (PMF) for motor imagery classification. These systems, BCI systems, need to be user-friendly, manageable, efficient, and suited for people with disabilities or with any physical complication. ![]() The Brain-Computer Interface field has been in constant improvement because of the development of applications for people in need. A BCI provides a communication channel between the human brain and a computer, making possible different applications in the bio-engineering field. Brain Computer Interface (BCI) is a system that is designed to translate a subject’s thought into a signal that is interpreted by a device. ![]()
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |