%0 Journal Article %T Caracterizaci車n de Seˋales EEG mediante Wavelet Packet y Entrop赤a Difusa para Tareas de Imaginaci車n Motora %A Boris Alexander Medina %A Ram車n Alvarez L車pez %J - %D 2017 %R https://doi.org/10.14483/udistrital.jour.reving.2017.2.a04 %X Abstract (es_ES) Contexto: el an芍lisis de ritmos cl赤nicos en los m谷todos de procesamiento de seˋales avanzadas es de mucho inter谷s en 芍reas m谷dicas, tales como el diagn車stico de los trastornos cerebrales, la epilepsia, el an芍lisis del sueˋo o la anestesia y, m芍s recientemente, en las interfaces cerebro computador (BCI). M谷todo: en este trabajo se aplica la Transformada Wavelet Packet a fin de extraer los ritmos cerebrales de seˋales electroencefalogr芍ficas (EEG) relacionadas a tareas de imaginaci車n motora, contenidas en la base de datos de la competencia BCI 2008. Usando funciones estad赤sticas ampliamente aplicadas en la literatura, se obtiene la matriz de datos que caracteriza los ritmos cerebrales, que son discriminadas mediante diferentes clasificadores y evaluados usando criterio de validaci車n cruzada de diez pliegues. Resultados: la exactitud de clasificaci車n se acerca al 81.11% en promedio, con un grado de acuerdo de 61%, lo que indica una concordancia adecuada, como ha sido previamente reportada en la literatura. Un an芍lisis de relevancia mostr-Spanish-車 la concentraci車n de caracter赤sticas aportadas en los nodos producto de la descomposici車n Wavelet, as赤 como las caracter赤sticas que mayor contenido de informaci車n contribuyen a mejorar la regi車n de decisi車n de separabilidad para la tarea de clasificaci車n. Conclusiones: el m谷todo propuesto puede ser utilizado como referencia para apoyar futuros estudios en la tarea de caracterizaci車n de seˋales EEG orientadas a la imaginaci車n de movimiento de la mano derecha e iz-quierda, teniendo en cuenta que nuestros resultados demostraron ser favorables en comparaci車n con los pro-puestos en la literatura. Idioma: Espaˋol Abstract (en_US) Context: Clinical rhythm analysis on advanced signal processing methods is very important in medical areas such as brain disorder diagnostic, epilepsy, sleep analysis, anesthesia analysis, and more recently in brain-computer interfaces (BCI). Method: Wavelet transform package is used on this work to extract brain rhythms of electroencephalographic signals (EEG) related to motor imagination tasks. We used the Competition BCI 2008 database for this characterization. Using statistical functions we obtained features that characterizes brain rhythms, which are discriminated using different classifiers; they were evaluated using a 10-fold cross validation criteria. Results: The classification accuracy achieved 81.11% on average, with a degree of agreement of 61%, indicating a "suitable" concordance, as it has been reported in the literature. An analysis of relevance showed the %K BCI %K EEG %K Wavelet Packet. BCI %K EEG %K WaveletPacket %U https://revistas.udistrital.edu.co/index.php/reving/article/view/10968