Resumen

El rendimiento de los filtros espaciales basados en el análisis de componentes independientes (ICA) se evaluó empleando el preprocesamiento del análisis de componentes principales (PCA) para la reducción dimensional. El preprocesamiento PCA no resultó ser un método adecuado que pudiera retener la información de las imágenes motoras en un conjunto más pequeño de componentes. Por el contrario, 6 componentes ICA seleccionados sobre la base de la inspección visual tuvieron un rendimiento comparable (61,9%) a la gama completa de 22 componentes (63,9%). También se llevó a cabo una selección automatizada de componentes ICA basada en un criterio de varianza. Sólo 8 componentes elegidos de este modo obtuvieron mejores resultados (63,1%) que los componentes seleccionados visualmente. Un análisis similar en el conjunto reducido de electrodos sobre las regiones centro-central y centro-parietal del cerebro reveló que los patrones espaciales comunes (CSP) y el Infomax fueron capaces de detectar la actividad de imágenes motoras con una precisión satisfactoria.

• Materias:Sistema nervioso Imágenes diagnósticas Cerebro - fisiopatología Neurociencia Cognitiva Trastornos mentales
• Subjects:Nervous systems Diagnostic imaging Brain - pathophysiology Cognitive Neuroscience Mental disorders
• Palabras claves:componentes ica, conjunto de componentes, análisis de componentes principales, actividades de imágenes motoras, información de imágenes motoras, selección de ica, patrón espacial común, conjunto de electrodos, análisis de componentes independientes, criterios de varianza
• Keywords:ica components, set of components, principal components analysis, motor imagery activities, motor imagery information, selection of ica, common spatial pattern, set of electrode, independent components analysis, variance criteria