Actualidad

Revista del Instituto Tecnolgico de Informtica

Interfaz Cerebro-Computadora
Uno de los principales proyectos actualmente en curso dentro del grupo de Sistemas Adaptativos Complejos es la
construccin de un interfaz cerebro-computadora. Este sistema permitir a un usuario controlar un ordenador (u
otro dispositivo) simplemente pensando en ello. Existen retos significativos en la construccin de un sistema as.
Este artculo resume estos retos y documenta nuestro progreso hacia el objetivo final de comunicacin y control
mediante el pensamiento.
Introduccin
El ICC permitira
controlar un
dispositivo
externo con el
pensamiento.

Millones de personas en todo el mundo sufren de una

prdida severa de funcin motora. como resultado de
accidente o enfermedad. Estas personas se ven forzadas
a aceptar una reduccin en su calidad de vida, pasando
a depender de otros individuos. Se han desarrollado sistemas tcnicos de ayuda para liberar a estos discapacitados, pero su efectividad cuando la discapacidad es severa
se ve a menudo limitada por el interfaz persona-mquina.
El concepto de interfaz cerebro-computadora (ICC) ha
surgido en las dos ltimas dcadas como una alternativa prometedora. La finalidad ltima de la investigacin
en este mbito consiste en crear un interfaz avanzado
de comunicacin que permita a un individuo controlar
un dispositivo externo, tal como una silla de ruedas o
un ordenador, mediante seales obtenidas a partir de
su propio cerebro. Este tipo de interfaz incrementara la
independencia del individuo, lo que dara como resultado
una mejora en su calidad de vida y una reduccin de los
costes sociales.

un mono fue capaz de controlar el cursor en una pantalla

de ordenador (as como un brazo robtico) a travs de
un electrodo implantado dentro de la parte de su cerebro
correspondiente al cortex motor.
Idealmente, sin embargo, sera preferible una forma no in-

Los retos
El concepto de un ICC parece relativamente sencillo: se
mide la actividad del cerebro, se interpreta esta actividad
de forma que determinados patrones de pensamiento
sean detectados (por ejemplo, mover el cursor a la izquierda) y, por ltimo, se comunica con el sistema externo a controlar. Esta ltima tarea es en efecto sencilla, pero
las dos anteriores no lo son en absoluto.
La primera tarea, medir la actividad del cerebro, est plagada de dificultades. En primer lugar qu queremos decir exactamente con la actividad del cerebro? Como es
de sobra conocido, el cerebro est compuesto de billones
de neuronas, que se interconectan de forma compleja y
desconocida mediante un nmero aun mayor de conexiones sinpticas. El cerebro funciona (o al menos eso se
cree) enviando seales qumicas entre estas neuronas
y modulando la potencia de las conexiones. Afortunadamente estas seales qumicas generan actividad elctrica
como subproducto, y es esta actividad la que podemos
medir e interpretar.
Pero cmo medir esta actividad elctrica dentro del cerebro es tambin problemtico. Qu neuronas habra
que monitorizar y cmo? La forma directa de hacer esto
es abrir el crneo y conectar un sensor directamente a la
neurona que hay que monitorizar. Esto no es muy prctico
en la mayora de los casos y ciertamente no sera realista
en nuestro laboratorio. Sin embargo, este enfoque invasivo del ICC ya ha sido demostrado utilizando monos. Recientemente, cientficos de la Brown University, en Estados Unidos, han dado cuenta de un experimento en el que

Figura 1: Espectro tiempo-frecuencia de

una seal EEG tpica.
vasiva de medir la actividad del cerebro. Afortunadamente, la actividad elctrica que tiene lugar dentro del cerebro
puede ser medida en la superficie del cuero cabelludo.
Estas seales se denominan electroencefalograma (EEG)
y son extremadamente dbiles (del orden de micro voltios). Un problema aadido al enfoque no invasivo es que
las seales de EEG medidas son una superposicin de
actividades de todas las neuronas del cerebro y no corresponden a neuronas individuales. Este problema se puede
mitigar hasta cierto punto, utilizando mltiples sensores y
complejas tcnicas de procesado de seal (ver abajo).
El segundo mayor reto en la construccin de un ICC es
cmo determinar patrones de pensamiento concretos. En
otras palabras, cmo interpretar y decodificar las seales
EEG y asociarlas a rdenes o patrones de pensamiento
especficos. Este es un problema muy complejo, que se
ve agravado por el hecho de que no existen dos cerebros
iguales. Personas diferentes pueden tener patrones de
EEG muy distintos para los mismos patrones de pensamiento. Como veremos a continuacin, una solucin a
esto es hacer que el sistema sea adaptativo. Es decir,

Actualidad
Revista del Instituto Tecnolgico de Informtica

Interfaz Cerebro-Computadora
que sea capaz de aprender los patrones de EEG especficos de cada usuario del sistema en un periodo de tiempo
dado.

Para esta parte se utilizan mdulos de cdigo escritos en

una combinacin de MATLAB y C++. Hay que sealar
que este proyecto requiere de gran experiencia en programacin en tiempo real. Como veremos a continuacin,
los algoritmos de procesado de seal son muy intensivos
computacionalmente, de modo que al implementarlos en
software hay que procurar hacerlo de la manera ms
eficiente posible, para que el sistema en su conjunto funcione en tiempo real.

Equipos utilizados
Como se mencion anteriormente, el primer paso en un
sistema ICC consiste en la medicin de seales de EEG
sin procesar. Estas seales son muy pequeas y son
fcilmente contaminadas por ruido. Hasta hace poco, la
medicin de EEG requera un sofisticado laboratorio que
estuviera aislado de posibles interferencias electromagnticas (lo que se denomina jaula o cilindro de Faraday).
En nuestro sistema utilizamos la ltima tecnologa en
sensores EEG desarrollada por la compaa holandesa
BioSemi. Se trata de sensores denominados activos,
que cuentan con amplificadores de seal muy sensibles
integrados directamente en el substrato del sensor. Esto

Metodologa y procesado de seal

Pasemos a discutir como se procesan las seales EEG
en bruto y se detectan patrones de pensamiento especficos. Estas tareas de procesado de seal son con mucho
la parte ms compleja del proyecto y de hecho, es en el

Figura 2: Electrodos activos de EEG.

Figura 3: Medicin del EEG.

permite que las minsculas seales EEG se puedan amplificar en el punto de contacto con el cuero cabelludo. La
ventaja es que se minimizan los problemas de adicin de
ruido y no es necesaria una jaula de Faraday.
Los sensores activos requieren por supuesto alimentacin
elctrica, que por razones de seguridad es suministrada
por una batera de bajo voltaje. Una unidad de interfaz
(ver figura) recibe las seales EEG sin procesar, las filtra
y las digitaliza antes de enviar el flujo digital de datos a
una tarjeta de interfaz en el ordenador, para su procesado
y anlisis adicional. La conexin entre el digitalizador y el
ordenador se realiza mediante fibra ptica, no existiendo
ninguna conexin elctrica directa entre los sensores y
el ordenador. Nuevamente, esto es debido a razones de
seguridad.
Una vez las seales EEG llegan al ordenador, el trabajo
real de procesado e interpretacin puede comenzar, lo
cual constituye nuestro inters principal en este proyecto.
Antes de describir cmo se va a realizar esto, parece
apropiado introducir un breve comentario sobre las herramientas de software que se van a utilizar. El muestreo
de las seales EEG en el ordenador y los mdulos de
interfaz con el usuario se han desarrollado en el lenguaje
de programacin LabVIEW (National Instruments). Se
trata de un lenguaje de programacin por flujo de datos
especialmente adecuado para operaciones en tiempo real
e interfaz de bajo nivel con el hardware externo (como
nuestra tarjeta de interfaz de seales EEG). LabVIEW,
sin embargo, no es muy adecuado para los intensivos
clculos numricos requeridos por los algoritmos de procesado de seal que interpretan los flujos de seal EEG.

desarrollo y refinado de estos algoritmos donde estamos

empleando la mayor parte de nuestro tiempo y esfuerzo.
En este artculo discutiremos el sistema ICC en el contexto de mover el cursor en la pantalla del ordenador. En esta
aplicacin el usuario puede mover el cursor a la derecha o
a la izquierda o seleccionar una letra/ carcter; repitiendo
este proceso el usuario puede (si bien lentamente) deletrear palabras o seleccionar comandos a realizar.
En este tipo de ICC hay cuatro estados mentales a identificar, a saber: (1) mover el cursor una posicin a la izquierda (2) mover una posicin a la derecha (3) seleccionar (es
decir, elegir la letra o comando en la posicin actual del
cursor y (4) no hacer nada.
En nuestro enfoque al ICC hay asimismo cuatro etapas en
la cadena de procesado de seal. Estas son:
Preprocesado eliminacin inicial de ruido y limpieza
de las seales
Extraccin de caractersticas se extraen caractersticas importantes de la seal en bruto
Clasificacin deteccin de estados mentales especficos
Entrenamiento se entrena el sistema con un usuario
especfico (y viceversa)
Procedamos a explicar cada paso con mas detalle.
1. Preprocesado de la seal
Como ya se ha mencionado, las seales de EEG en bruto
son de una magnitud extremadamente pequea, por lo
que son fcilmente contaminadas por ruido e interferen-

Actualidad
Revista del Instituto Tecnolgico de Informtica

Interfaz Cerebro-Computadora
cias. Es por ello por lo que el primer eslabn en la cadena
de procesado consiste en una serie de pasos que pretenden limpiar las seales EEG en bruto y eliminar cualquier
componente de interferencia. Esta etapa consta de varias
fases. En primer lugar, las seales de EEG en bruto se
filtran utilizando un filtro pasabanda digital en cada canal.
Es bien conocido que las seales EEG slo contienen informacin en el rango de frecuencias de 1 a 25 Hertzios,
y por tanto este ser el ancho de banda de nuestros filtros
preliminares. Estos filtros tienen la ventaja de eliminar

la seal EEG bruta, produciendo as una versin limpia,

sin los artefactos generados por los ojos.
En segundo lugar, para eliminar otros artefactos resultantes de movimientos corporales, se aplica un algoritmo
que compara las medias corrientes lentas y rpidas de las
diferencias entre los distintos electrodos EEG.
En tercer lugar, es un hecho que muchos componentes de
ruido, especialmente aquellos que provienen de fuera del
cuerpo humano (por ejemplo mquinas, trfico, vibraciones etc) resultan en seales que son comunes a todos los
canales EEG. Sin embargo nosotros estamos interesados
en las variaciones locales entre seales EEG. Por ello,
una forma efectiva de eliminar esta interferencia global es
emplear un filtro espacial Laplaciano, que tiene el efecto
de enfatizar las diferencias entre canales individuales por
encima de efectos globales mayores. El filtro espacial Laplaciano es una operacin relativamente simple que consiste en restar a la seal de cada electrodo EEG la media
de las seales de sus vecinos ms prximos.
Por ltimo, no es infrecuente que uno o ms sensores produzcan una salida errnea, generalmente debido a un mal
contacto con el cuero cabelludo del usuario (aunque se
utiliza gel para electrodos para minimizar este fallo). Para
mitigar esto se utiliza un algoritmo de limitacin (thresholding) , que elimina aquellos canales que producen seales
incorrectas para que stas no sufran posterior anlisis y
procesado. Hay que sealar que normalmente utilizamos
del orden de 16 canales en nuestros experimentos, y aunque ms sensores generalmente dan mejores resultados
en aplicaciones ICC, hemos observado en algunos casos
control ICC adecuado con tan slo 3 sensores. Como nota
aparte, cabe mencionar que ms sensores tambin implican ms tiempo de procesado de seal.

Figura 4: Fases del procesado en el Interfaz CerebroComputadora.

cualquier interferencia de 50 Hertzios procedente de la
red elctrica. Adems, el uso de filtros pasabanda nos
permite submuestrear la seal EEG desde su frecuencia
original de muestreo de 512 muestras por segundo a otra
ms manejable de 128 muestras por segundo por canal.
Esto se realiza sin prdida de informacin y ayuda a que
el sistema sea ms rpido.
Seguidamente se aplica un algoritmo para eliminar de
la seal en bruto los artefactos no deseados, que son
el resultado de la actividad muscular del usuario. El movimiento de los ojos, parpadeo, la accin de tragar, as
como movimientos de las extremidades generan fuertes
componentes EEG que enmascaran los componentes
generados por las neuronas y por los que se interesa
nuestro anlisis.
Existen varias tcnicas que se utilizarn aqu para reducir
el efecto de estos artefactos no deseados. En primer lugar,
para artefactos generados por movimientos de los ojos y
parpadeo, se pueden situar sensores adicionales cerca
de los ojos que recojan el denominado electromiograma
(es decir, las seales elctricas generadas por la actividad muscular). Estas seales pueden utilizarse como la
entrada de referencia a un tipo especial de filtro llamado
cancelador de ruido adaptativo, que reestructura y filtra
los artefactos generados por los ojos, de manera que
sean iguales a la interferencia que contamina las seales
EEG brutas. Esto se lleva a cabo utilizando un algoritmo
de realimentacin que utiliza anlisis de correlacin para
aprender las caractersticas de la interferencia en cada
canal EEG. Una vez el sistema ha aprendido estas caractersticas, la salida del filtro adaptativo se puede restar de

2. Extraccin de caractersticas
Este es posiblemente el paso ms critico en el procesado
de seal en un sistema ICC. El objetivo de este paso es
crear una representacin manejable y significativa de la
seal original (aunque limpia) EEG, con vistas a maximizar el xito potencial de la fase de clasificacin y a su vez
el rendimiento global del sistema. Un segundo objetivo
de la fase de extraccin de caractersticas es comprimir
los datos sin prdida de informacin relevante, con objeto
de reducir el nmero de variables de entrada en la fase
de clasificacin (para que pueda operar en tiempo real).
Existen varios enfoques que se pueden adoptar en la fase
de extraccin de caractersticas y de hecho encontrar el
ms apropiado de hacerlo es un objetivo activo de este
proyecto.
Un mtodo sencillo de extraccin de caractersticas es
lo que se denomina el mtodo de banda de potencia
espectral (band spectral power), que consiste en aplicar
cada canal a un banco de 4 filtros pasabanda digitales.
Estos filtros tienen bandas de paso centradas en las
cuatro bandas de frecuencia clsicas en anlisis de seal
EEG: ondas Delta (0-4 Hz), Theta (4-8 Hz), Alfa (8-13 Hz)
y Beta (> 13 Hz). Estas bandas de frecuencia han sido estudiadas durante dcadas y se sabe que representan formas interesantes de actividad cerebral. Por ejemplo, una
componente alfa fuerte significa que el sujeto est muy
relajado. A la salida de estos filtros pasabanda se mide la
6

Actualidad
Revista del Instituto Tecnolgico de Informtica

Interfaz Cerebro-Computadora
potencia instantnea utilizando un filtro de medias mviles
de ventana deslizante. De esta forma cada canal de seal
bruta EEG se transforma en un conjunto de cuatro medidas de potencia que se actualizan peridicamente.
Un segundo mtodo de extraccin de caractersticas que
estamos evaluando es el denominado modelado autorregresivo. Mediante este enfoque intentamos predecir la
ensima muestra de la seal a partir de una combinacin
lineal de un cierto nmero de muestras anteriores. Los coeficientes del mejor predictor lineal son las caractersticas
que constituyen la entrada a la fase de clasificacin. Esta
es exactamente la misma tcnica que se utiliza al comprimir y transmitir seales de voz a travs de lneas de telefona digital (tanto fijas como mviles). Asimismo estamos
extendiendo la tcnica para tratar el aspecto multicanal de
los datos EEG, aunque esto se est revelando bastante
problemtico debido a los intensivos clculos que se requieren para encontrar un modelo de seal multicanal en
tiempo real. Los estudios en esta rea continan.

rante la fase de entrenamiento (que puede durar varios

das).
La fase de entrenamiento se desarrolla como sigue:
1. El ordenador selecciona un estado mental al azar (izquierda, derecha, seleccionar o nada) y se lo indica al
usuario
2. El usuario se concentra en el estado seleccionado durante unos segundos
3. Durante este tiempo de concentracin el ordenador
recoge los datos EEG del usuario, los almacena y los
etiqueta con el estado mental seleccionado
4. Los datos EEG son procesados y clasificados y el usuario recibe una realimentacin sobre el grado de xito de la
clasificacin
5. Se vuelve a comenzar en el paso 1 hasta que finaliza la
sesin (generalmente unos 15 minutos)
El entrenamiento se repite varias veces durante varios
das y si los patrones EEG del usuario son consistentes
(normalmente lo son, aunque algunos sujetos son mejores que otros) el sistema ICC puede construir una base
de datos de ejemplos de datos EEG y actividades mentales correspondientes, que se puede utilizar para entrenar
la SVM o la red neuronal. Finalmente, tras un entrenamiento satisfactorio, el sistema se puede utilizar en modo
operativo, donde el usuario puede directamente controlar
el cursor exclusivamente desde su cerebro.

3. Clasificacin
La fase de clasificacin es la tarea final de procesado.
La entrada al clasificador es el conjunto de caractersticas
extradas en el paso anterior y la salida es una indicacin
del estado mental del usuario. En nuestro caso necesitamos detectar cuatro estados diferentes (izquierda, derecha, seleccionar o no hacer nada).
En este caso tambin estamos experimentando activamente con diferentes mtodos de clasificacin. Nuestra primera aproximacin consista en utilizar una red
neuronal feedforward estndar entrenada mediante el
algoritmo de retropropagacin (backpropagation). Para
detectar cuatro estados se necesita una red neuronal de
al menos dos salidas y, segn descubrimos, al menos
tres nodos internos. Actualmente estamos comenzando
a experimentar con un algoritmo clasificador ms verstil
denominado support vector machine (SVM). Se trata de
una forma ms general de red neuronal con un algoritmo
de entrenamiento diferente (y ms complejo). Una ventaja
de la SVM es que parece ser capaz de generalizar sobre
datos no vistos mejor de lo que lo hace una red neuronal.
Adems, la SVM tiene propiedades tericas bien definidas que se adaptan a aplicaciones de reconocimiento de
patrones como la que nos ocupa. El mayor problema con
la SVM, sin embargo, es su coste computacional. Actualmente estamos trabajando activamente en el desarrollo
de algoritmos eficientes de implementacin de la SVM
en tiempo real, lo cual puede o no ser factible en un PC
ordinario. En caso de no serlo, extenderamos nuestro
hardware aadiendo una tarjeta dedicada de procesado
de seal que actuara como coprocesador.

Conclusin

Actualidad
Este es un proyecto en curso que actualmente se encuentra en una fase muy preliminar. Aun as, en nuestros experimentos actuales hemos observado hasta un 70% de
resultados de clasificacin correctos en modo operativo.
Nuestro objetivo es mejorar esta cifra. Tenemos noticia
de otros grupos que han conseguido unas tasas de xito
superiores al 90%, aunque se trataba de discriminacin
entre dos estados mentales, en lugar de los cuatro que se
estn utilizando aqu. De cara al futuro planeamos realizar
una serie de experimentos con vistas a mejorar los algoritmos de extraccin de caractersticas y de clasificacin.
Pretendemos adems hacer el sistema porttil de manera que podamos hacer trabajo de campo con pacientes
reales y personal mdico. Asimismo estamos explorando
nuevas aplicaciones de esta tecnologa (por ejemplo, ocio
y entretenimiento, monitorizacin de vigilia para conductores y operarios de maquinaria, bio-realimentacin y monitorizacin de la salud para atletas son tan slo algunas de
estas aplicaciones)
Este proyecto est financiado por el programa ProfIT y por
el Plan Nacional de I+D (ambos del Ministerio de Ciencia
y Tecnologa), as como por el propio presupuesto de investigacin del ITI, que sufrag la adquisicin inicial del
equipo EEG y las herramientas de software.

4. Entrenamiento

Autores: Ken Sharman y Anna Esparcia

Ms informacin: Grupo de Sistemas
Adaptativos Complejos
http://www.iti.upv.es/cas/

Como ya se mencion anteriormente, cada individuo tiene

patrones EEG distintos y por tanto el sistema ICC debe
ser entrenado para operar con cada usuario concreto. En
la prctica el sistema debe aprender qu caractersticas
del EEG de cada usuario corresponden a sus diferentes
estados mentales. Estas asociaciones se aprenden du7