Aumento de las tasas de bits en clasificaciones de EEG no invasivas de un solo ensayo mediante la combinación de características y paradigmas multicategoría

Las grabaciones de electroencefalograma (EEG) no invasivas permiten un acceso fácil y seguro a los procesos neocorticales humanos que pueden ser aprovechados para una interfaz cerebro-computadora (BCI). Sin embargo, el uso de BCIs está severamente limitado por bajas tasas de transferencia de bits. Analizamos y desarrollamos sistemáticamente dos conceptos recientes, ambos capaces de mejorar la ganancia de información a partir de grabaciones de EEG del cuero cabelludo multicanal: 1) la combinación de clasificadores, cada uno diseñado específicamente para diferentes fenómenos fisiológicos, por ejemplo, cambios en los potenciales corticales lentos, como el potencial de preparación pre-movimiento o diferencias en las distribuciones espaciotemporales de la actividad cerebral (es decir, desincronizaciones focales relacionadas con eventos) y 2) paradigmas de comportamiento que inducen a los sujetos a generar uno de varios estados cerebrales (enfoque multicategoría) que presentan una firma espaciotemporal distintiva claramente discriminable en el EEG estándar del cuero cabelludo. Derivamos predicciones teóricas de la información y demostramos su relevancia en datos experimentales. Mostraremos que una interacción adecuadamente organizada entre estos conceptos puede aumentar significativamente el rendimiento de las BCI.