Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300
Descripción del Articulo
Different Machine Learning techniques have been used in order to identify the wishes of patients with neurodegenerative diseases. For this purpose, a database of electroencephalographic (EEG) signals was used, which were filtered and processed. The determination of the wills of patients was achieved...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2018 |
| Institución: | Universidad Nacional de Ingeniería |
| Repositorio: | Revistas - Universidad Nacional de Ingeniería |
| Lenguaje: | español |
| OAI Identifier: | oai:oai:revistas.uni.edu.pe:article/573 |
| Enlace del recurso: | https://revistas.uni.edu.pe/index.php/tecnia/article/view/573 |
| Nivel de acceso: | acceso abierto |
| Materia: | P300 Machine Learning Interface cerebro –Computador Enfermedades Neurodegenerativas Brain –Computer Interface Neurodegenerative Diseases |
| id |
REVUNI_bd4e3cb0bcfa19ded47778fbfefd16df |
|---|---|
| oai_identifier_str |
oai:oai:revistas.uni.edu.pe:article/573 |
| network_acronym_str |
REVUNI |
| network_name_str |
Revistas - Universidad Nacional de Ingeniería |
| repository_id_str |
|
| spelling |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300Clasificación de señales EEG usando LDA y QDA aplicado a una Interface Cerebro – Computador basada en P300Cabezas, Franklin AlfredoCabezas Soldevilla, Fermín RafaelP300Machine LearningInterface cerebro –ComputadorEnfermedades NeurodegenerativasP300Machine LearningBrain –Computer InterfaceNeurodegenerative DiseasesDifferent Machine Learning techniques have been used in order to identify the wishes of patients with neurodegenerative diseases. For this purpose, a database of electroencephalographic (EEG) signals was used, which were filtered and processed. The determination of the wills of patients was achieved through the identification of brain waves P300, these signals are presented in the brain in response to an unexpected stimulus and among its many applications is the implementation of the so-called Brain-Computer Interface .Se han empleado diferentes técnicas de Machine Learning con la finalidad de identificar las voluntades de pacientes con enfermedades neurodegenerativas. Para tal fin se empleó una base de datos de señales electroencefalográficas (EEG) las cuales fueron filtradas y procesadas. La determinación de las voluntades de los pacientes se consiguió a través de la identificación de las ondas cerebrales P300, estas señales se presentan en el cerebro como respuesta a un estímulo inesperado y entre sus muchas aplicaciones se encuentra la implementación de la llamada Interface Cerebro – Computador.Universidad Nacional de Ingeniería2018-12-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionProcessing of Signals and ImagesProcesamiento de Señales e Imágenesapplication/pdfaudio/mpegtext/plainhttps://revistas.uni.edu.pe/index.php/tecnia/article/view/57310.21754/tecnia.v28i2.573TECNIA; Vol. 28 No. 2 (2018)TECNIA; Vol. 28 Núm. 2 (2018)2309-04130375-7765reponame:Revistas - Universidad Nacional de Ingenieríainstname:Universidad Nacional de Ingenieríainstacron:UNIspahttps://revistas.uni.edu.pe/index.php/tecnia/article/view/573/578https://revistas.uni.edu.pe/index.php/tecnia/article/view/573/771https://revistas.uni.edu.pe/index.php/tecnia/article/view/573/980Derechos de autor 2018 TECNIAhttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:oai:revistas.uni.edu.pe:article/5732023-12-04T20:12:34Z |
| dc.title.none.fl_str_mv |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 Clasificación de señales EEG usando LDA y QDA aplicado a una Interface Cerebro – Computador basada en P300 |
| title |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| spellingShingle |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 Cabezas, Franklin Alfredo P300 Machine Learning Interface cerebro –Computador Enfermedades Neurodegenerativas P300 Machine Learning Brain –Computer Interface Neurodegenerative Diseases |
| title_short |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| title_full |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| title_fullStr |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| title_full_unstemmed |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| title_sort |
Classification of EEG signals using LDA and QDA applied to a Brain Interface - Computer based on P300 |
| dc.creator.none.fl_str_mv |
Cabezas, Franklin Alfredo Cabezas Soldevilla, Fermín Rafael |
| author |
Cabezas, Franklin Alfredo |
| author_facet |
Cabezas, Franklin Alfredo Cabezas Soldevilla, Fermín Rafael |
| author_role |
author |
| author2 |
Cabezas Soldevilla, Fermín Rafael |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
P300 Machine Learning Interface cerebro –Computador Enfermedades Neurodegenerativas P300 Machine Learning Brain –Computer Interface Neurodegenerative Diseases |
| topic |
P300 Machine Learning Interface cerebro –Computador Enfermedades Neurodegenerativas P300 Machine Learning Brain –Computer Interface Neurodegenerative Diseases |
| description |
Different Machine Learning techniques have been used in order to identify the wishes of patients with neurodegenerative diseases. For this purpose, a database of electroencephalographic (EEG) signals was used, which were filtered and processed. The determination of the wills of patients was achieved through the identification of brain waves P300, these signals are presented in the brain in response to an unexpected stimulus and among its many applications is the implementation of the so-called Brain-Computer Interface . |
| publishDate |
2018 |
| dc.date.none.fl_str_mv |
2018-12-18 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Processing of Signals and Images Procesamiento de Señales e Imágenes |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
https://revistas.uni.edu.pe/index.php/tecnia/article/view/573 10.21754/tecnia.v28i2.573 |
| url |
https://revistas.uni.edu.pe/index.php/tecnia/article/view/573 |
| identifier_str_mv |
10.21754/tecnia.v28i2.573 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
https://revistas.uni.edu.pe/index.php/tecnia/article/view/573/578 https://revistas.uni.edu.pe/index.php/tecnia/article/view/573/771 https://revistas.uni.edu.pe/index.php/tecnia/article/view/573/980 |
| dc.rights.none.fl_str_mv |
Derechos de autor 2018 TECNIA http://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Derechos de autor 2018 TECNIA http://creativecommons.org/licenses/by/4.0 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf audio/mpeg text/plain |
| dc.publisher.none.fl_str_mv |
Universidad Nacional de Ingeniería |
| publisher.none.fl_str_mv |
Universidad Nacional de Ingeniería |
| dc.source.none.fl_str_mv |
TECNIA; Vol. 28 No. 2 (2018) TECNIA; Vol. 28 Núm. 2 (2018) 2309-0413 0375-7765 reponame:Revistas - Universidad Nacional de Ingeniería instname:Universidad Nacional de Ingeniería instacron:UNI |
| instname_str |
Universidad Nacional de Ingeniería |
| instacron_str |
UNI |
| institution |
UNI |
| reponame_str |
Revistas - Universidad Nacional de Ingeniería |
| collection |
Revistas - Universidad Nacional de Ingeniería |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1833562778923696128 |
| score |
13.958958 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
