Detección del agrado y desagrado en señales EEG usando la
Anuncio
Detección del agrado y desagrado en señales EEG usando la Transformada Discreta Wavelet, el Análisis Multifractal y Máquinas de Soporte Vectorial Camilo Ernesto Valderrama Cuadros Estudiante Maestría en Informática y Telecomunicaciones, Universidad Icesi, Joven Investigador, I2T Gonzalo Vicente Ulloa Villegas Ph.D Ciencias Técnicas, École Polytechnique Fédérale de Lausanne , Decano de la Facultad de Ingeniería Introducción Cada año las compañías proponen una cantidad considerable de propuestas para productos y piezas publicitarias, sin embargo, solo un porcentaje pequeño consigue éxito en el mercado. Una de las causas del fracaso de las propuestas es la percepción errónea obtenida con los métodos de mercadeo, los cuales pueden ser manipulados. Recientemente fuentes del mercadeo mencionan la necesidad de utilizar otras técnicas, como la medición de parámetros fisiológicos y la neurociencia, para la detección del comportamiento del consumidor. Las nuevas técnicas buscan detectar las preferencias del consumidor con un buen nivel de exactitud y baja manipulación. Buscando percibir las preferencias del consumidor ante propuestas, desarrollamos un método que detecta el agrado o desagrado inducido con estímulos visuales en un sujeto , analizando sus señales neuronales tomadas con electroencefalografía. Las señales neuronales fueron captadas usando los canales cerebrales (Fp1, O1) y (Fp2 y O2) mientras el sujeto observaba imágenes emocionales. Seguidamente extrajimos las características espectrales y de irregularidad de las señales con la transformada discreta Wavelet y el Análisis Multifractal respectivamente, y finalmente las clasificamos usando una Máquina de Soporte Vectorial (SVM). Para la detección del agrado y desagrado en las señales recolectadas realizamos inicialmente el pre-procesamiento de la señal, el ruido presente en la señal causado por factores técnicos y fisiológicos del cuerpo humano. Eliminamos el ruido aplicando umbralización basada en la Transformada Discreta Wavelet. Seguidamente, extrajimos características espectrales y de irregularidad de la señal. Obtuvimos las características espectrales usando los coeficientes wavelet extraídos con la Transformada Discreta Wavelet. Paralelamente, determinamos las características de irregularidad utilizamos dos técnicas de la teoría multifractal: El espectro de singularidad y la dimensión fractal. Finalmente, usando las características extraídas clasificamos las señales mediante Máquinas de Soporte Vectorial (SVM). Resultados Aplicamos el método desarrollado sobre todas las señales, utilizando tres SVMs diferentes para la clasificación. Finalmente, determinamos la tasa de acierto usando la técnica Bootstrap. La siguiente tabla muestra la tasa de acierto discriminada según los tipos de clase (agrado/desagrado) para los tres clasificadores, obteniéndose tasas de acierto promedio de 82.00% y 83.67% para el agrado y desagrado respectivamente. Materiales y Métodos Usando imágenes del Sistema Internacional de Imágenes Afectivas (IAPS) realizamos una secuencia de imágenes. Proyectamos la secuencia a diez personas, cinco mujeres y cinco hombres, mentalmente sanas en un rango de edad entre 18 y 28 años. Al inicio, sentamos al sujeto al frente de la pantalla de un computador. Seguidamente, le colocamos el electroencefalograma, advirtiéndole que esté lo más quieto posible durante el experimento. Durante la proyección de las imágenes, recolectamos y almacenamos las señales neuronales del sujeto. Finalmente, el sujeto diligencia una encuesta indicando su agrado o desagrado respecto a cada una de las imágenes proyectadas. La Figura de abajo muestra que las tasas de acierto consolidadas obtenidas, estableciendo alrededor del 83%. Nuestro método establece un base para desarrollar aplicaciones cerebro-computador que soporten los estudios de mercado. Nuestro objetivo es medir acertadamente la percepción del consumidor. En futuras investigaciones, nuestro método podrá ser aplicado para percibir el agrado o desagrado del consumidor ante propuestas, brindándole una ventaja competitiva a las compañías para el lanzamiento de nuevos productos o piezas publicitarias.
