Towards an accessible use of smartphone-based social networks through brain-computer interfaces

Martínez-Cagigal, Víctor; Santamaría-Vázquez, Eduardo; Gómez‐Pilar, Javier; Hornero, Roberto

doi:10.1016/j.eswa.2018.11.026

Cited by 37 publications

(83 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Concerning the optimal

scale, it is equivalent to reducing the sampling rate of the EEG signal by half before applying the SampEn algorithm. This procedure can be addressed as a feature-extraction stage that is common in P300-based BCI studies [ 3 , 5 , 6 , 8 , 9 , 16 , 17 , 18 , 19 , 20 ].…”

Section: Discussionmentioning

confidence: 99%

“…As indicated in Table 2 , the maximal computational time of the SampEn algorithm is approximately 197 ms using 15 sequences. Since most P300-based BCI studies use pauses of at least two seconds after each character, the computational cost of the proposed framework is perfectly acceptable [ 6 , 16 , 19 , 37 ].…”

Section: Discussionmentioning

confidence: 99%

“…Most related P300-based BCI studies rely on a threshold derived from classifiers’ scores, which are expected to be higher in the control state than in the non-control state. These scores were obtained from support vector machines (SVM) [ 8 , 9 , 10 ] or linear discriminant analysis (LDA) [ 6 , 11 , 12 , 13 , 14 , 15 , 16 ] classifiers using downsampled raw signals from the stimuli onset as features [ 3 , 5 , 6 , 8 , 9 , 16 , 17 , 18 , 19 , 20 ]. Aydin et al also used classifier labels instead of scores to design different criteria to identify the idle state [ 20 ].…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Asynchronous Control of P300-Based Brain–Computer Interfaces Using Sample Entropy

Martínez-Cagigal

Santamaría-Vázquez

Hornero

2019

Entropy

Self Cite

View full text Add to dashboard Cite

Brain–computer interfaces (BCI) have traditionally worked using synchronous paradigms. In recent years, much effort has been put into reaching asynchronous management, providing users with the ability to decide when a command should be selected. However, to the best of our knowledge, entropy metrics have not yet been explored. The present study has a twofold purpose: (i) to characterize both control and non-control states by examining the regularity of electroencephalography (EEG) signals; and (ii) to assess the efficacy of a scaled version of the sample entropy algorithm to provide asynchronous control for BCI systems. Ten healthy subjects participated in the study, who were asked to spell words through a visual oddball-based paradigm, attending (i.e., control) and ignoring (i.e., non-control) the stimuli. An optimization stage was performed for determining a common combination of hyperparameters for all subjects. Afterwards, these values were used to discern between both states using a linear classifier. Results show that control signals are more complex and irregular than non-control ones, reaching an average accuracy of 94.40 % in classification. In conclusion, the present study demonstrates that the proposed framework is useful in monitoring the attention of a user, and granting the asynchrony of the BCI system.

show abstract

“…Concerning the optimal

Section: Discussionmentioning

confidence: 99%

Section: Discussionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Asynchronous Control of P300-Based Brain–Computer Interfaces Using Sample Entropy

Martínez-Cagigal

Santamaría-Vázquez

Hornero

2019

Entropy

Self Cite

View full text Add to dashboard Cite

show abstract

“…Asimismo, el sistema no se ha probado con sujetos con grave discapacidad, la población que presumiblemente se beneficiaría del método. La inclusión de nuevas medidas complementarias basadas en análisis estadístico podría mejorar los resultados de clasificación, y deberían ser estudiadas en el futuro (Martínez-Cagigal et al, 2019). En este estudio únicamente se han analizado los resultados de clasificación a la hora de detectar el estado de control del usuario.…”

Section: Discussionunclassified

Libro de Actas - 11 Simposio CEA de Bioingeniería

Lois¹

2019

View full text Add to dashboard Cite

We present an experimental study for the description of the paths described by the thoracohumeral instantaneous helical axis (IHA) in cyclical movements. The movement was recorded by means of a motion analysis technique with videophotogrammetry that allows the measurement of the IHA with an error lower than 1 cm, in a very reproducible way. This makes it possible to represent the IHA as an axoid, whose mediolateral displacement is related to the angular velocities of the sternoclavicular, acromioclavicular and glenohumeral joints, and whose vertical position is associated with glenohumeral joint elevation. The study was carried out with 41 healthy subjects and 15 subjects with pathologies of the shoulder, analyzing the cyclic movement of elevation-lower of the humerus in the frontal and scapular planes. The location and shape of the axoids is sensitive to the effects of the load and the functional ability of the subjects. The results obtained show that the IHA can be useful in the biomechanical functional assessment of the shoulder, by offering information on the coordination of the different joints that constitute it.

show abstract

“…OSRD asigna y = 1 si se detecta que el usuario estaba atendiendo a los estímulos de la matriz de comandos, o y = 0 en caso contrario. El método utilizado para la clasificación de características es el análisis discriminante lineal (linear discriminant analysis, LDA), debido a su amplio uso en sistemas BCI (Martínez-Cagigal et al, 2019;Pinegger et al, 2015;Wolpaw & Wolpaw, 2012).…”

Section: Clasificación De Característicasunclassified

Control asíncrono de sistemas BCI basados en ERP mediante la detección de potenciales evocados visuales de estado estable provocados por los estímulos periféricos del paradigma oddball.

Santamaría-Vázquez

Martínez-Cagigal

Gómez‐Pilar

et al. 2019

Libro De Actas - 11 Simposio CEA De Bioingeniería

Self Cite

View full text Add to dashboard Cite

Los sistemas Brain-Computer Interface (BCI) permiten la comunicación en tiempo real entre el cerebro y el entorno midiendo la actividad neuronal, sin la necesidad de que intervengan músculos o nervios periféricos. En la práctica, normalmente se emplea el electroencefalograma (EEG) para registrar la actividad cerebral, debido a que se realiza con un equipo portable, no invasivo y de bajo coste en comparación con otras técnicas disponibles. Una vez adquirida la señal EEG, esta es analizada en tiempo real por un software que determina las intenciones del usuario y las traduce en comandos de la aplicación, proporcionando una realimentación visual o auditiva. En concreto, los sistemas BCI basados en potenciales relacionados con eventos (event related potentials, ERP) utilizan el llamado paradigma oddball. Este paradigma presenta una matriz de comandos, cuyas filas y columnas se iluminan de manera secuencial. Para seleccionar un comando, el usuario debe mirar a fijamente a la celda correspondiente de la matriz. Los estímulos visuales, percibidos con la región central de su campo visual, provocan un ERP en la señal de EEG. Posteriormente, el sistema determina el comando que quiere seleccionar el usuario mediante la detección de estos ERP. Actualmente, una de las mayores limitaciones de los sistemas BCI basados en ERP es que son inherentemente síncronos. La aplicación selecciona un comando después de un número predefinido de iluminaciones, aunque el usuario no esté atendiendo a los estímulos. Esta limitación restringe el uso de estos sistemas en la vida real, donde los usuarios deberían poder dejar de prestar atención a la aplicación para realizar otras tareas sin que se seleccionen comandos indeseados. Esta característica es especialmente importante en aplicaciones BCI enfocadas al aumento de la calidad de vida de personas con grave discapacidad, como navegadores web o sistemas de control de sillas de ruedas. Para resolver esta limitación, es necesario añadir al sistema un método que detecte en tiempo real si el usuario realmente quiere seleccionar un comando. En este estudio presentamos un novedoso método de asincronía para detectar en tiempo real el estado de control del usuario en los sistemas BCI basados en EPR. Con este objetivo, el sistema detecta los potenciales evocados visuales de estado estable (steady-state visual evoked potentials, SSVEP) provocados por los estímulos periféricos del paradigma oddball. Estas ondas son la respuesta oscilatoria que aparece en la señal de EEG cuando se recibe una estimulación repetitiva a una frecuencia constante. Las iluminaciones periféricas del paradigma oddball provocan un SSVEP a la frecuencia de estimulación, que aparece únicamente cuando el usuario está mirando a la matriz. Por tanto, la detección de esta componente permite determinar si el usuario quiere seleccionar un comando o no. El método propuesto ha sido validado de manera offline con 5 sujetos sanos, alcanzando una precisión media en la detección del estado de control del usuario del 99.7% con 15 secuencias de estimulación. Estos resultados sugieren que esta metodología permite un control asíncrono fiable del sistema BCI, lo que es de gran utilidad en aplicaciones para la mejora de la calidad de las personas con grave discapacidad.

show abstract

Towards an accessible use of smartphone-based social networks through brain-computer interfaces

Cited by 37 publications

References 40 publications

Asynchronous Control of P300-Based Brain–Computer Interfaces Using Sample Entropy

Asynchronous Control of P300-Based Brain–Computer Interfaces Using Sample Entropy

Libro de Actas - 11 Simposio CEA de Bioingeniería

Control asíncrono de sistemas BCI basados en ERP mediante la detección de potenciales evocados visuales de estado estable provocados por los estímulos periféricos del paradigma oddball.

Contact Info

Product

Resources

About