Identificación de potenciales eléctricos relacionados a eventos seleccionados por pacientes con enfermedades neurodegenerativas empleando transformada Wavelet

Abstract

Una Interfaz Cerebro - Computador es una tecnología que permite a las personas comunicarse, activar y controlar dispositivos electrónicos, usando señales cerebrales, las cuales son adquiridas y procesadas por un computador, ayudando principalmente a pacientes con enfermedades neurológicas, neuromusculares o neurodegenerativas, quienes, debido a la enfermedad, han perdido la capacidad de hablar, caminar o realizar movimientos musculares. En esta tesis se propone un método de extracción de características y clasificación de señales, aplicado a una base de datos que contiene señales cerebrales de 4 personas (2 sanas y 2 con enfermedades neurodegenerativas), la primera persona enferma padecía Esclerosis Múltiple y la segunda persona enferma padecía Esclerosis Lateral Amiotrófica. Estas señales contienen en ciertos tramos ondas P300 no observables a simple vista, que surgieron como respuesta a estímulos deseados inesperados. El método propuesto consiste en el empleo de la Transformada Wavelet Discreta para el análisis y extracción de características de las señales medidas por 3 electrodos (1 activo y 2 de referencia), usando como función wavelet madre a la familia Daubechies de orden 4 con 5 niveles de descomposición y Máquinas de Soporte Vectorial, empleando un kernel de función de base radial (RBF) para generar un hiperplano óptimo que permita realizar la clasificación de las señales cerebrales como contenedoras o no contenedoras de ondas P300. Con la detección de las ondas P300 se han identificado las imágenes elegidas por los participantes, es decir, la detección de estas ondas permitió conocer las voluntades de los participantes mediante las señales cerebrales. Al aplicar el método propuesto se evidenció que los coeficientes wavelet obtenidos representan a las señales cerebrales analizadas y se identificaron las señales cerebrales que contienen o no ondas P300 con valores promedio de 75.42% de exactitud, 76.67% de sensibilidad y 74.17% de especificidad.

A Brain - Computer Interface is a technology that allows people to communicate, actívate and control electronic devices, using brain signals, which are acquired and processed by a computer, mainly helping patients with neurological, neuromuscular or neurodegenerative diseases, who due to the disease, have lost the ability to speak, walk, or perform muscle movements. In this thesis, a method of extraction of characteristics and classification of signals is proposed, applied to a database containing brain signals from 4 people (2 healthy and 2 with neurodegenerative diseases), the first sick person suffered from Multiple Sclerosis and the second sick person suffered from Amyotrophic Lateral Sclerosis. These signals contain in certain sections P300 waves not observable with the naked eye, which arose in response to unexpected desired stimuli. The proposed method consists in the use of the Discrete Wavelet Transform for the analysis and extraction of characteristcs of the signals measured by 3 electrodes (1 active and 2 reference), using the Daubechies family of order 4 as the mother wavelet function with 5 levels of decomposition and Support Vector Machines, using a radial basis function (RBF) kernel to generate an optimal hyperplane that allows the classification of brain signals as containers or not containers of P300 waves. With the detection of the P300 waves, the images chosen by the participants have been identified, that is, the detection of these waves allowed knowing the wills of the participants through brain signals. When applying the proposed method, it was evidenced that the obtained wavelet coefficients represent the analyzed brain signals and the brain signals that contain or do not contain P300 waves were identified with averages values of 75.42% accuracy, 76.67% sensitivity and 74.17% specificity.