Contribution of low-level image statistics to EEG decoding of semantic content in multivariate and univariate models with feature optimization

En años recientes se han logrado grandes avances en la decodificación de contenido semántico (i.e. significado) en imágenes mediante técnicas de neuroimágenes. En este trabajo abordamos la decodificación de contenido semántico en registros de electroencefalografía (EEG). Mostramos que la decodificación es vulnerable al contenido de bajo nivel de las imágenes (colores, luminancia, contraste, etc), y que esta vulnerabilidad depende de la complejidad del modelo utilizado, donde los modelos multivariados y distribuidos tienen una sensividad mínima a estos factores de confusión.