Ehsan Tarkesh Esfahani, V. Sundararajan

Resumen

Las interfaces cerebro-computador (BCI) son desarrollos recientes en tecnologías alternativas de interacción de usuarios. El propósito de este artículo es explorar el potencial de las BCI como interfaces de usuario para sistemas de CAD. El artículo describe experimentos y algoritmos que utilizan la BCI para distinguir entre formas primitivas imaginadas por un usuario. Los usuarios usan un casco de electroencefalograma (EEG) e imaginan la forma de un cubo, esfera, cilindro, pirámide o un cono. El casco de EEG recopila la actividad cerebral de 14 ubicaciones en el cuero cabelludo. Los datos se analizan con el análisis de componentes independientes (ICA) y la transformada de Hilbert-Huang (HHT). Las características de interés son los espectros marginales de diferentes bandas de frecuencia (bandas theta, alfa, beta y gamma) calculados a partir del espectro de Hilbert de cada componente independiente. A continuación, se aplica la prueba U de Mann-Whitney para clasificar los canales de los electrodos de EEG por relevancia en cinco clasificaciones por pares. Las características de los componentes independientes de mayor rango forman el vector de características final que luego se utiliza para entrenar un clasificador discriminante lineal. Los resultados muestran que este clasificador puede discriminar entre los cinco objetos primitivos básicos con una precisión promedio de aproximadamente el 44.6% (en comparación con una tasa de clasificación ingenua del 20%) en diez sujetos (rango de precisión de 36%–54%). La clasificación de precisión cambia al 39.9% cuando se utilizan señales tanto visuales como verbales. La repetibilidad de la extracción de características y la clasificación se comprobó realizando el experimento en 10 días diferentes con los mismos participantes. Esto demuestra que la BCI promete ser útil para crear formas geométricas en sistemas de CAD y podría utilizarse como un medio novedoso de interacción de usuarios.Haga clic aquí para ver el informe completo.