🤖 machine learning

EEG Decoding Using CNN and LSTM Network

Este artículo propone una arquitectura híbrida de aprendizaje profundo que combina una Red Neuronal Convolucional (CNN) y una red de Memoria de Largo Corto Plazo bidireccional (bi-LSTM) para decodificar de manera robusta las señales de EEG de imaginación motora tanto para tareas de clasificación dependientes del sujeto como independientes del sujeto.

Autores originales: Athanasios Karagounis

Publicado 2026-08-14

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Athanasios Karagounis

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tu cerebro es una ciudad bulliciosa donde miles de millones de mensajeros diminutos (neuronas) están constantemente gritando mensajes unos a otros. A veces, estos mensajes son sobre mover tu mano, o tal vez solo imaginar mover tu mano. Una Interfaz Cerebro-Computadora (BCI, por sus siglas en inglés) es como un walkie-talkie súper avanzado que intenta escuchar estos susurros y convertirlos en comandos para una computadora, un robot o un videojuego. Esto es algo sumamente importante para personas que no pueden mover sus cuerpos debido a una enfermedad o lesión, dándoles una nueva forma de hablar con el mundo.

Pero hay un inconveniente: las señales del cerebro son increíblemente desordenadas. Es como intentar escuchar a una sola persona susurrar en un estadio lleno de fanáticos vitoreando. Las señales son débiles, ruidosas y difíciles de entender. Durante mucho tiempo, los científicos tuvieron que limpiar manualmente este ruido y adivinar qué partes de la señal importaban, algo así como intentar encontrar una aguja en un pajar a mano. Recientemente, las computadoras han comenzado a usar el "aprendizaje profundo" (deep learning) —un tipo de inteligencia artificial que aprende patrones por sí misma— para hacer este trabajo mejor. Sin embargo, incluso estas computadoras inteligentes a veces luchan por captar la historia completa porque las señales cerebrales cambian con el tiempo, y la computadora necesita entender tanto de dónde proviene la señal como cuándo sucede.

Aquí es donde interviene el estudio de Athanasios Karagounis. El investigador construyó un nuevo tipo de máquina de "lectura cerebral" que combina dos poderosas herramientas de IA: una Red Neuronal Convolucional (CNN) y una red de Memoria a Largo Plazo Bidireccional (bi-LSTM). Piensa en la CNN como un súper detective que escanea el mapa eléctrico del cerebro para encontrar los puntos más importantes, filtrando el ruido estático tal como un sintonizador de radio encuentra una estación clara. Una vez que la CNN encuentra las buenas pistas, la bi-LSTM actúa como un detective que viaja en el tiempo. No solo mira las pistas en el orden en que ocurrieron; mira el pasado y el futuro de la señal al mismo tiempo para comprender la historia completa de lo que la persona está imaginando.

El artículo pone a prueba este nuevo sistema híbrido en dos grupos diferentes de datos: un conjunto privado de grabaciones de seis personas sanas y varios conjuntos de datos públicos de otros investigadores. El objetivo era ver si la computadora podía distinguir entre personas imaginando mover su mano izquierda, su mano derecha o incluso su lengua. Los resultados fueron prometedores. El nuevo equipo de CNN&bi-LSTM superó a métodos antiguos y estándar como el Análisis Discriminante Lineal (LDA) y las Máquinas de Vectores de Soporte (SVM). En las pruebas con los datos privados, el nuevo sistema acertó aproximadamente el 85.4% de las respuestas en promedio, mientras que los métodos antiguos rondaron entre el 69% y el 79%. Lo que es aún más interesante, el sistema funcionó bien incluso cuando se redujo la cantidad de datos de entrenamiento, lo que sugiere que es robusto y no necesita una biblioteca masiva de ejemplos para aprender.

Los investigadores descubrieron que el sistema aprendía mejor cuando se enfocaba en 40 electrodos (sensores) específicos en la cabeza, en lugar de usar los 64 disponibles, lo que de hecho ayudó a evitar el "sobrepensar" los datos. También descubrieron que la IA no solo memorizaba las señales; comenzó a reconocer patrones complejos que parecían ondas, volviéndose más sofisticada a medida que profundizaba en las capas de su propio "cerebro". Si bien la mejora sobre los métodos existentes fue constante en lugar de una explosión masiva, el estudio sugiere que combinar el filtrado espacial (encontrar el lugar correcto) con el modelado temporal bidireccional (comprender el flujo del tiempo) es una forma más inteligente de decodificar nuestros pensamientos. El artículo concluye que este enfoque ofrece una forma sólida y unificada de convertir las desordenadas ondas cerebrales en comandos claros, allanando potencialmente el camino para mejores herramientas de rehabilitación para las personas que más las necesitan.

Resumen Técnico: Decodificación de EEG mediante Redes CNN y LSTM

Planteamiento del Problema
Las interfaces cerebro-computadora (BCI) de imaginería motora (MI) ofrecen una vía de comunicación prometedora para individuos con accidentes cerebrovasculares o trastornos neurodegenerativos al traducir movimientos imaginados en señales de control sin requerir un movimiento físico manifiesto. Sin embargo, la decodificación fiable de la electroencefalografía de imaginería motora (MI-EEG) sigue siendo un desafío debido al ruido sustancial inherente a las grabaciones de EEG y a las relaciones complejas y débilmente informativas entre las señales y la actividad cerebral subyacente. Si bien el aprendizaje profundo ofrece un medio para aprender representaciones directamente de las señales crudas, su aplicación para el aprendizaje de características de MI-EEG ha sido comparativamente limitada. Además, los flujos de trabajo convencionales de aprendizaje profundo que dependen únicamente de Redes Neuronales Convolucionales (CNN) o Redes Neuronales Recurrentes (RNN) individuales suelen requerir un esfuerzo manual significativo para la ingeniería de características, la optimización de parámetros y el entrenamiento del modelo, fallando en capturar plenamente las dependencias espaciales y temporales necesarias.

Metodología
El estudio propone una arquitectura híbrida de aprendizaje profundo que integra una Red Neuronal Convolucional (CNN) con una red de Memoria de Largo Corto Plazo Bidireccional (bi-LSTM) para abordar estas limitaciones.

Adquisición y Preprocesamiento de Datos: El marco fue evaluado utilizando un conjunto de datos privado (D1) adquirido con 64 electrodos y tres conjuntos de datos públicos (D2–D4) con conteos de electrodos variables (32 o 64). El preprocesamiento consistió en referenciar las señales al electrodo del vértice (Cz), seleccionar las ubicaciones principales de electrodos de MI-EEG (por ejemplo, C3, C4, P3, P4), aplicar la eliminación de ruido basada en wavelets y un filtrado de paso de banda dentro del rango de 8–23 Hz para aislar los ritmos $\mu$ y $\beta$ .
Extracción de Características por CNN: El componente CNN sirve como un filtro espacial diseñado para aprender representaciones espaciales y temporales de alto nivel directamente de las grabaciones de MI-EEG crudas. Emplea ocho filtros espaciales con un tamaño de kernel de $[36 \times 1]$ para transformar los canales originales de EEG en representaciones de características orientadas a la tarea. Esta capa realiza un filtrado espacial aprendido análogo al filtrado de paso de banda y la extracción de energía, reduciendo la dependencia de la selección manual de características.
Normalización por Lotes (Batch Normalization): Para mejorar la generalización y acelerar la optimización, se aplica la normalización por lotes (BN) después de la extracción de características. Esto normaliza las entradas a una media de cero y una desviación estándar de uno, mitigando el desplazamiento de la covariable interna.
Modelado por bi-LSTM: Las características extraídas son procesadas por una red bi-LSTM para modelar la dinámica y las dependencias temporales. A diferencia de las LSTM estándar que solo utilizan entradas precedentes, la bi-LSTM procesa la secuencia en ambas direcciones, hacia adelante y hacia atrás. Esto permite que la red incorpore información contextual tanto de observaciones anteriores como posteriores, capturando dependencias complementarias a través de diferentes escalas temporales. La red utiliza puertas estándar de LSTM (entrada, olvido, salida) y estados de celda para mitigar los problemas de desvanecimiento del gradiente.
Estrategia de Entrenamiento: El modelo se entrena mediante validación cruzada utilizando el Error Cuadrático Medio (MSE) como función objetivo, elegido sobre la correlación cruzada debido a la presencia de intervalos de estado de reposo en los datos. Se emplea un preentrenamiento supervisado para inicializar los pesos utilizando coeficientes derivados de LASSO, proporcionando una solución relacionada con la regresión de mínimos cuadrados antes de optimizar para las correlaciones temporales.

Contribuciones Clave

Arquitectura Híbrida: El artículo introduce una arquitectura CNN&bi-LSTM diseñada específicamente para retener patrones temporales de largo alcance informativos, mejorando al mismo tiempo el rendimiento de la clasificación de las BCI basadas en MI-EEG.
Aprendizaje de Extremo a Extremo (End-to-End): El marco aprende dependencias espaciales y temporales directamente de las mediciones de EEG crudas. La CNN extrae características sin ingeniería manual, mientras que la bi-LSTM modela la dinámica secuencial para mejorar la representación de las dependencias temporales.
Evaluación Exhaustiva: El enfoque se evalúa extensamente utilizando tanto un conjunto de datos privado como múltiples conjuntos de datos públicos disponibles, demostrando el rendimiento a través de diferentes grupos de sujetos y configuraciones experimentales.

Resultados Experimentales
El método propuesto se comparó contra el Análisis Discriminante Lineal (LDA), Máquinas de Vectores de Soporte (SVM), CNN estándar y RNN.

Conjunto de Datos Privado (D1): El modelo CNN&bi-LSTM logró una precisión de clasificación media del 85.4% en siete sujetos. Este superó al LDA (69.5%), SVM (73.0%), CNN (75.9%) y RNN (79.5%). La mayor precisión específica por sujeto alcanzó el 92.5%.
Conjuntos de Datos Públicos (D2–D4): El modelo híbrido superó consistentemente a las arquitecturas alternativas de aprendizaje automático y recurrentes. En D2, D3 y D4, el modelo propuesto logró precisiones del 81.80%, 87.97% y 85.32%, respectivamente. Estos resultados fueron superiores a las LSTM de una sola capa, las RNN multicapa y las ST-CNN, indicando que combinar la extracción de características convolucionales con el modelado temporal bidireccional es más efectivo que simplemente aumentar la profundidad de la red.
Robustez: Los experimentos indicaron que la arquitectura es relativamente robusta ante la reducción del tamaño de los datos de entrenamiento, manteniendo aproximadamente un 89% de precisión con solo el 60% de los datos disponibles. Además, el rendimiento alcanzó su punto máximo con 40 electrodos, lo que sugiere que un exceso de conteo de canales puede conducir al sobreajuste (overfitting).

Significancia y Reivindicaciones
El artículo afirma que la arquitectura propuesta CNN&bi-LSTM proporciona un mecanismo unificado para transformar mediciones de EEG de bajo nivel en representaciones de alto nivel que incorporan información tanto temporal como de frecuencia. Los resultados demuestran que el método puede enfatizar eficazmente los componentes informativos de las señales de MI-EEG y lograr un rendimiento de clasificación competitivo a través de diversos conjuntos de datos y sujetos. El autor postula que el uso del modelado recurrente bidireccional representa una alternativa potencial al análisis de EEG convencional basado en características espectrales. Sugieren que este enfoque puede apoyar la investigación futura y las aplicaciones prácticas en sistemas de rehabilitación basados en MI-EEG, ofreciendo una solución robusta para la decodificación independiente del sujeto.

Más como este