Browsing by Author "Paez Amaro, Ricardo Thaddeus"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Tesis de maestría
    Diseño de sistema BMI no invasivo con procesamiento de señales EEG mediante Machine Learning
    (2021-08) Paez Amaro, Ricardo Thaddeus; de Celis Alonso, BENITO; 387709
    "Una interfaz cerebro-máquina o brain machine-interface (BMI) es una configuración que permite comunicar señales cerebrales directamente con una máquina o dispositivo. Detecta, clasifica y usa las señales cerebrales como órdenes de control. Sin embargo, los equipos y métodos que usan las BMI’s aún son costosos, por lo que se necesita una opción asequible y} portable. En este estudio, señales cerebrales de imaginación motora (MI por sus siglas en inglés) obtenidas por EEG, de la base de datos pública PhysioNet y de datos propios obtenidos en nuestro laboratorio usando un equipo Emotiv, fueron clasificadas con cuatro algoritmos de aprendizaje automático: CSP en conjunto con LDA, redes neuronales profundas, redes neuronales convolucionales, y MDM con geometría riemanniana. La exactitud media para cada algoritmo fue de 78%, 66%, 60% y 80% respectivamente. Los mejores resultados se obtuvieron en el caso bicategórico de Línea Base vs MI. Personas con derrame o parálisis cerebral, distrofia muscular, daños en la médula espinal, con miembros amputados, y en general con cualquier discapacidad motriz, podrían rehabilitarse física o socialmente a través del uso de alguna BMI. Esto les permitiría controlar una prótesis robótica, silla de ruedas eléctrica, cursor de computadora, o sencillamente comunicarse a través de un sistema binario interpretable como respuestas de “sí” o “no”.