Computational electroencephalography signal analysis for interactive applications in cognitive training

Abstract

La electroencefalografía (EEG) es una técnica no invasiva que permite detectar los cambios en el campo eléctrico generado por el funcionamiento de las neuronas. Puede ser usada como herramienta de diagnóstico en contextos médicos o también para evaluar el comportamiento del cerebro ante ciertos estímulos o situaciones. Sin embargo, los datos de EEG son difícil de analizar al tratarse de series temporales de alta frecuencia, multicanal y generadas a partir de un sistema caótico. Por lo cual, el desarrollo de métodos y herramientas que faciliten el proceso es fundamental. Por otro lado el entrenamiento cognitivo se refiere a la posibilidad de entrenar la mente de una manera similar a los músculos, pero a través de herramientas específicas para dicho fin. Habitualmente estas herramientas se tratan de aplicaciones interactivas, por ejemplo, videojuegos. La eficacia de estas herramientas está bastante cuestionada en la comunidad científica, al menos a la hora de inducir mejoras en la cognición general o en las áreas principales. Diseñar este tipo de herramientas no es trivial y evaluar su efectividad tampoco. En esta tesis se propone el uso de EEG en combinación con técnicas de análisis estadístico e inteligencia artificial para estudiar algunos puntos clave a tener en cuenta a la hora de diseñar este tipo de herramientas. El cuerpo principal de la tesis está compuesto por 4 artículos publicados en revistas indexadas que tratan estos temas. El primero de ellos se trata de una revisión de la literatura para buscar las técnicas de EEG que más se utilizan en combinación con videojuegos. Adicionalmente, se estudia la implementación de algunas de estas técnicas, así como la validación de las mismas a través del análisis de datos EEG. Otro elemento relevante de esta publicación, es el método propuesto para evaluar la correcta implementación de las técnicas incluidas. El siguiente artículo trata acerca de la principal herramienta desarrollada para asistir en el análisis de señales EEG, eeglib, así como del diseño e implementación de la misma. Se trata de una librería para el lenguaje de programación Python que puede ser fácilmente integrada con otras famosas librerías de análisis para Python. El tercer artículo estudia las técnicas más comunes usadas para estimar carga cognitiva a través de EEG y evalua su efectividad a través de un experimento. Este artículo hace especial foco en la importancia de que las técnicas sean generalizables a diferentes contextos y personas, para lo cual propone un proceso de evaluación utilizando técnicas de aprendizaje automático. El último artículo mide la carga cognitiva de varias personas mientras interactúan con un teléfono inteligente con el fin de encontrar el tipo de actividades que más recursos mentales demandan. A través del desarrollo de estos artículos, se ha conseguido crear un marco de trabajo para el procesamiento y análisis de señales de EEG orientado hacia aplicaciones interactivas en un contexto de entrenamiento cognitivo.