Tecnologías para la adaptación al usuario en interfaces cerebro-máquina basados en potenciales visuales evocados
Author
Pérez Martín, AarónAdvisor
Varona Martínez, PabloEntity
UAM. Departamento de Ingeniería InformáticaDate
2019-09Subjects
Interfaces cerebro máquina (BCI); electroencefalografía (EEG); SSVEP; InformáticaNote
Máster en Investigación e Innovación en las Tecnologías de la Información y de las ComunicacionesEsta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
En los últimos años la aplicación de nuevas tecnologías en el campo de la
Neurociencia y la Medicina en general ha tenido y sigue teniendo un importante
papel en su desarrollo. Gracias a ello la comunicación entre los sistemas electrónicos
y las personas se ha visto incrementado. Por ello, las interfaces cerebro máquina
(BCI), que son sistemas electrónicos capaces de registrar ondas cerebrales mediante
un electroencefalograma (EEG), pueden ser de gran utilidad a personas con
deficiencias motoras. Muchos son los esfuerzos de grupos científicos por mejorar
estos sistemas no invasivos y que son considerados como la pieza clave para el
desarrollo de prótesis. A pesar de los esfuerzos, no se consigue alcanzar la robustez
necesaria como para que su implementación sea de uso diario.
Este proyecto se va a centrar en un tipo de señales EEG denominadas potenciales
evocados visualmente de estado estacionario (SSVEP) y que son una respuesta del
cerebro a un estímulo visual externo que parpadea a una determinada frecuencia y
fase. Gracias al trabajo previo en el Grupo de Neurocomputación Biológica (GNB),
se va utilizar un sistema BCI basado en estímulos mediante LEDs.
La aportación de este trabajo será la creación de una plataforma Software que
permita a un usuario realizar estimulaciones y la detección de señales SSVEPS para
diversos estudios científicos que consideran la adaptación al usuario. Para ello, el
usuario podrá determinar cuáles son las mejores frecuencias, fases y electrodos del
sujeto a estudiar, es decir, se desea descubrir la mejor adaptación al usuario usando
un sistema BCI seleccionando estos parámetros. Para facilitar su integración se
ha optado por tecnologías recientes, QT y Python, estimulación con LEDs y una
metodología de detección de SSVEPs conocida como el Análisis de la correlación
Canónica (CCA). Finalmente un sistema de puntuación implementado en esta
plataforma permitirá al usuario de determinar si las adaptaciones son compatibles
ente sí en el marco de estudio.
Files in this item
Google Scholar:Pérez Martín, Aarón
This item appears in the following Collection(s)
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/
Related items
Showing items related by title, author, creator and subject.
-
Adaptación de estímulos en interfaces cerebro-máquina que utilizan potenciales visuales evocados
Aguilar Santamaría, Ana
2016-05 -
Optimización y personalización de interfaces cerebro-máquina basados en potenciales visuales evocados
Rodríguez Muñoz, David
2018-09 -
Adaptación personalizada en interfaces cerebro-máquina añadiendo información de frecuencia y fase
Rico Maldonado, Juan
2018-07