Adaptive semi-supervised classification to reduce intersession non-stationarity in multiclass motor imagery-based brain–computer interfaces

Nicolás-Alonso, Luis F.; Corralejo, Rebeca; Gómez‐Pilar, Javier; Álvarez, Daniel; Hornero, Roberto

doi:10.1016/j.neucom.2015.02.005

Cited by 77 publications

(46 citation statements)

References 50 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The CSP algorithm is an efficient feature extraction algorithm that has been extensively used in MI-based BCI systems [45][46][47][48][49][50]. The CSP is based on the simultaneous diagonalization of two covariance matrices.…”

Section: Common Spatial Patternmentioning

confidence: 99%

Improved SFFS method for channel selection in motor imagery based BCI

et al. 2016

View full text Add to dashboard Cite

show abstract

Section: Common Spatial Patternmentioning

confidence: 99%

Improved SFFS method for channel selection in motor imagery based BCI

et al. 2016

View full text Add to dashboard Cite

show abstract

“…This behavior is caused by an increase of the number of users that could not finish the task, likely due to the intersession variability of the EEG, which cannot be followed by the constant threshold. Those nonstationary changes of the EEG are emphasized as more sessions are carried out without updating the custom classifier of each user and actually constitute one of the main limitations of the current BCI systems [29], [30].…”

Section: Discussionmentioning

confidence: 99%

“…As previously indicated, the major drawback of this kind of applications is the classifier performance variability between sessions and users. Reducing this variability and increasing the classification accuracy by using more suitable processing techniques in both feature extraction and selection could improve the robustness of the system [29], [30]. In addition, control state threshold is calculated directly over the SWLDA scores and thus, it depends on the classifier performance of each user.…”

Section: Discussionmentioning

confidence: 99%

An Asynchronous P300-Based Brain-Computer Interface Web Browser for Severely Disabled People

Martínez-Cagigal

Gómez‐Pilar

Álvarez

et al. 2017

IEEE Trans. Neural Syst. Rehabil. Eng.

Self Cite

View full text Add to dashboard Cite

Abstract-This paper presents an electroencephalographic (EEG) P300-based brain-computer interface (BCI) Internet browser. The system uses the "odd-ball" row-col paradigm for generating the P300 evoked potentials on the scalp of the user, which are immediately processed and translated into web browser commands. There were previous approaches for controlling a BCI web browser. However, to the best of our knowledge, none of them was focused on an assistive context, failing to test their applications with a suitable number of end users. In addition, all of them were synchronous applications, where it was necessary to introduce a "read-mode" command in order to avoid a continuous command selection. Thus, the aim of this study is twofold: (i) to test our web browser with a population of multiple sclerosis (MS) patients in order to assess the usefulness of our proposal to meet their daily communication needs; and (ii) to overcome the aforementioned limitation by adding a threshold that discerns between control and non-control states, allowing the user to calmly read the web page without undesirable selections. The browser was tested with sixteen MS patients and five healthy volunteers. Both quantitative and qualitative metrics were obtained. MS participants reached an average accuracy of 84.14%, whereas 95.75% was achieved by control subjects. Results show that MS patients can successfully control the BCI web browser, improving their personal autonomy.Index Terms-Brain-computer interfaces, P300 event-related potentials, electroencephalography, web browser, multiple sclerosis, asynchronous control.

show abstract

“…Este grupo ha desarrollado estudios orientados a caracterizar la actividad EEG basal mediante métricas derivadas, por ejemplo, de la teoría de redes complejas (Lubeiro et al, 2015); así como orientadas a mejorar el procesado de las interfaces cerebro-computadora (Corralejo et al, 2011;Nicolas-Alonso, 2015;Martínez-Cagigal et al, 2017). Con respecto al procesado de la señal MEG, el GIBUVa ha tratado de caracterizar los cambios que se producen a causa del envejecimiento (Fernández et al, 2012;Gómez et al, 2013) y ayudar al diagnóstico de diferentes patologías, como la enfermedad de Parkinson (Gómez et al, 2011); así como mejorar el procesado de la señal relativo a la cancelación de artefactos (Escudero et al, 2011) y reducir el coste computacional en el análisis MEG (Martínez-Zarzuela et al, 2013).…”

Section: Procesado De Eeg Y Megunclassified

Estado del Arte en Neurotecnologías para la Asistencia y la Rehabilitación en España: Tecnologías Fundamentales

Barrios¹,

Hornero

Pérez-Turiel

et al. 2017

Revista Iberoamericana de Automática e Informática Industrial R

Self Cite

View full text Add to dashboard Cite

ResumenLas neurotecnologías son aquellas tecnologías dirigidas al estudio del sistema nervioso o a mejorar su función. Estas tecnologías permiten extender el rango de tratamientos disponibles para la rehabilitación de funciones dañadas y proporcionan nuevas soluciones asistenciales para las funciones perdidas. En este artículo se revisan las neurotecnologías de asistencia y rehabilitación, en trastornos motores principalmente, se introduce una taxonomía que facilita su revisión sistemática, y se proporciona una visión global de los avances logrados en la investigación, desarrollo y aplicación en España de aquellas de sus tecnologías más básicas. Palabras Clave:Neurotecnologías, interfaces cerebro-computador, robótica, procesamiento de señal, estimulación eléctrica, sistemas biomédicos, rehabilitación, tecnologías de asistencia. IntroducciónEl movimiento humano es el resultado del accionamiento del sistema musculo-esquelético, realizado por el sistema nervioso de forma coordinada. Para llevarlo a cabo de forma efectiva, éste se ayuda de la realimentación que le proporciona el sistema sensorial. El conjunto funciona como una maquinaria de precisión capaz de ejecutar movimientos armoniosos y proezas, como las que exhiben los grandes deportistas. Lamentablemente, la función motora también es susceptible de deteriorarse o, peor aún, perderse debido a traumatismos, enfermedades neurodegenerativas y otros trastornos. El tratamiento médico convencional en estos casos consiste en la aplicación repetida de fuerzas y momentos mecánicos sobre el cuerpo del paciente para rehabilitar su movilidad.Las tecnologías para la rehabilitación tuvieron su origen en los primeros tratamientos, mediante prótesis y ortesis, desarrollados para las disfunciones motoras causadas por la Segunda Guerra Mundial y la posterior epidemia de poliomielitis (DiGiovine et al, 2014). En la actualidad, las neurotecnologías permiten extender el rango de tratamientos rehabilitadores disponibles, mejorar posiblemente la efectividad de los convencionales, y proveer de soluciones asistenciales más allá de la rehabilitación clínica.El propósito de este trabajo de revisión es presentar una visión representativa de los avances logrados en la investigación, desarrollo y aplicación en España de las neurotecnologías de asistencia y rehabilitación, en trastornos motores principalmente. El contenido de este artículo se organiza en cuatro secciones. En la sección 2 se presenta el concepto, papel y modalidades de las neurotecnologías. También se introduce una taxonomía, de carácter técnico, que permite presentar después las diferentes tecnologías de forma sistemática. En el nivel superior de la clasificación se distinguen dos grandes categorías: tecnologías fundamentales y tecnologías auxiliares. En la sección 3 se describen contribuciones de grupos de investigación españoles en la primera de ellas. Por último, en la sección 4 se resumen las principales conclusiones de este artículo. El trabajo de revisión se completa en un artículo complementario , que cubre las tecn...

show abstract

Adaptive semi-supervised classification to reduce intersession non-stationarity in multiclass motor imagery-based brain–computer interfaces

Cited by 77 publications

References 50 publications

Improved SFFS method for channel selection in motor imagery based BCI

Improved SFFS method for channel selection in motor imagery based BCI

An Asynchronous P300-Based Brain-Computer Interface Web Browser for Severely Disabled People

Estado del Arte en Neurotecnologías para la Asistencia y la Rehabilitación en España: Tecnologías Fundamentales

Contact Info

Product

Resources

About