Adquisición y análisis de señales cerebrales utilizando el dispositivo MindWave

Autores/as

  • Felipe Torres Escuela de Ingeniería Electrónica y Telecomunicaciones, Facultad de Ingeniería, Universidad de Cuenca, Av. 12 de Abril, Ciudadela Universitaria, Cuenca, Ecuador, EC010201.
  • Christian Sánchez Escuela de Ingeniería Electrónica y Telecomunicaciones, Facultad de Ingeniería, Universidad de Cuenca, Av. 12 de Abril, Ciudadela Universitaria, Cuenca, Ecuador, EC010201.
  • Kenneth Palacios Baus Departamento de Ingeniería Eléctrica, Electrónica y Telecomunicaciones, Universidad de Cuenca, Ecuador, Av. 12 de Abril, Ciudadela Universitaria, Cuenca, Ecuador, EC010201.

Resumen

RESUMEN

La actividad cerebral puede ser monitoreada mediante la electroencefalografía y utilizada como un indicador bioeléctrico. Este articulo muestra como un dispositivo de bajo costo y fácil acceso puede utilizarse para el desarrollo de aplicaciones basadas en interfaces cerebro-computador (BCI). Los resultados obtenidos muestran que el dispositivo MindWave puede efectivamente utilizarse para la adquisición de señales relacionadas a la actividad cerebral en diversas actividades cerebrales bajo la influencia de diversos estímulos. Se propone además el uso de la transformada Wavelet para el acondicionamiento de las señales EEG con el objetivo de utilizar algoritmos de inteligencia artificial y técnicas de reconocimiento de patrones para distinguir respuestas cerebrales.

Palabras clave: EEG, ondas cerebrales, extracción de características, Wavelet.

ABSTRACT

Brain activity can be monitored through electroencephalography and used as a bioelectric indicator. This paper shows how a low cost device can be used in developing brain-computer interface based applications. The obtained results show that the MindWave device can be used for EEG signal acquisition, and that the Wavelet transform can be employed to improve the signal representation in order to apply artificial intelligence algorithms and pattern recognition techniques to classify brain responses.

Keywords: EEG, brain waves, feature extraction, Wavelet.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Akin, M., M.A. Arserim, M Kiymik, I. Turkoglu, 2001. A new approach for diagnosing epilepsy by using wavelet transform and neural networks. Engineering in Medicine and Biology Society, Proceedings of the 23rd Annual International Conference of the IEEE, Vol. 2, 1596-1599.

Cabeza, R., A. McIntosh, E. Tulving, L. Nyberg, C. Grady, 1997. Age related differences in effective neural connectivity during encoding and recall. Neuroreport, 8(16), 3479-83.

Chai, T.Y., C.S.T. San San Woo, M. Rizon, 2009. Classification of human emotion from eeg signals using statistical
features and neural network. International Journal of Integrated Engineering, 1(3), 71-79

Eid, M., A. Fernandez, 2013. Readgogo!: Towards real-time notification on readers’ state of attention. XXIV International Symposium on Information, Communication and Automation Technologies (ICAT),6 pp.

Haas, L.F., 2003. Hans Berger (1873-1941), Richard Caton (1842-1926) and electroencephalography. Journal of Neurology, Neurosurgery and Psychiatry, 74(9), 7-9.

Jung, H.S., B.H. Seo, 2011. Reducing interference of involuntary movements in eeg signal analysis» Advanced Engineering Forum, 2(3), 257-260.

Katona, J., I. Farkas, T. Ujbanyi, P. Dukan, A. Kovari, 2014. Evaluation of the NeuroSky MindFlex EEG headset brain waves data.IEEE, 12th International Symposium on Applied Machine Intelligence and Informatics (SAMI), 4 pp.

Larsen, E.A., 2011. Classification of EEG Signals in a Brain-Computer Interface System. MSc in Computer Science, Norwegian University of Science and Technology. Disponible en http://www.diva-portal.org/smash/get/diva2:440513/FULLTEXT01.pdf, 72 pp.

Lim, J.E., B.H. Seo, S.H. Kim, S.Y. Chun, 2011. Study on eeg feature extraction under led color exposure to enhance the concentration. Advanced Engineering Forum, 2(3), 261-265.

Mak, J., R. Chan, S. Wong, 2013. Evaluation of mental workload in visual-motor task: Spectral analysis of single-channel frontal EEG. IECON 2013, 39th Annual Conference of the IEEE Industrial Electronics Society, 4 pp.

McFarland, D., C. Anderson, K.R. Muller, A. Schlogl, D. Krusienski, 2006. Bci meeting 2005-workshop on bci signal processing: feature extraction and translation. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 14(2), 135-138.

Neurosky, 2011a. Mindwave Communication Protocol. Disponible en http://developer.neurosky.com/ docs/lib/exe/fetch.php?media=app_notes:mindwave_rf_external.pdf, 9 pp.

Neurosky, 2011b. Mindwave Dongle Communication Protocol. Disponible en http://developer. neurosky.com/docs/lib/exe/fetch.php?media=app_notes:mindwave_rf_external.pdf, 9 pp.

Sałabun, W., 2014. Processing and spectral analysis of the raw eeg signal from the mindwave. Przeglad Elektrotechniczny, 90(2), 169-174.

Sanei, S., y J. A. Chambers. EEG Signal Processing. Wiley, 2007.

Szibbo, D., A. Luo, T. Sullivan, 2012. Removal of blink artifacts in single channel EEG. Annual International Conf. of the IEEE Engineering in Medicine and Biology Society (EMBC), 4 pp.

Xiao, D., Z. Mu, J. Hu, 2009. Classification of motor imagery eeg signals based on energy entropy. International Symposium on,Intelligent Ubiquitous Computing and Education, 4 pp.

Xie, X., L. Hu, H. Cui, Y. Hu, 2009. Somatosensory evoked potential compotents with and without contact cold stimulus. Annual International Conference of the IEEE on Engineering in Medicine and Biology Society (EMBC), 4 pp.

Yulianto, E., A. Susanto, T.S. Widodo, S. Wibowo, 2012. Classifying the eeg signal through stimulus of motor movement using new type of wavelet. International Journal of Artificial Intelligence (IJ-AI), 1(3), 139-148.

Zikov, T., S. Bibian, G. Dumont, M. Huzmezan, C.R. Ries, 2002. A wavelet based de-noising technique for ocular artifact correction of the electroencephalogram. Engineering in Medicine and Biology, Proc. of the Second Joint Meeting of the 24th Annual Conference and the Annual Fall Meeting of the Biomedical Engineering Society (EMBS/BMES), 8 pp.

Descargas

Publicado

2016-01-05

Cómo citar

Torres, F., Sánchez, C., & Palacios Baus, K. (2016). Adquisición y análisis de señales cerebrales utilizando el dispositivo MindWave. Maskana, 5, 83–93. Recuperado a partir de https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/540