A Brain-Computer Interface for labour market inclusion of people suffering severe upper-limb impairments
Los dispositivos robóticos de asistencia, como los exoesqueletos, se utilizan en entornos laborales para favorecer la inclusión social de diversos tipos de deficiencias como, por ejemplo, las de las extremidades superiores. Los exoesqueletos robóticos pueden controlarse mediante señales electromiogr...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- eng
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/42320
- Acceso en línea:
- https://repository.urosario.edu.co/handle/10336/42320
- Palabra clave:
- Interfaz cerebro-ordenador
Potencial evocado visual en estado estacionario
Inclusión social
Juego serio
Discapacidad de miembro superior
Brain-Computer Interface
Steady State Visual Evoked Po- tential
Social inclusion
Serious game
Upper-limb disability
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 International
| Summary: | Los dispositivos robóticos de asistencia, como los exoesqueletos, se utilizan en entornos laborales para favorecer la inclusión social de diversos tipos de deficiencias como, por ejemplo, las de las extremidades superiores. Los exoesqueletos robóticos pueden controlarse mediante señales electromiográficas de superficie. Sin embargo, las personas con deficiencias neurales graves y ausencia de actividad muscular residual no pueden utilizar estos sistemas basados en sEMG debido a la ausencia de actividad muscular residual. Como alternativa, se han aplicado con éxito en estas personas prótesis de mano robóticas y exoesqueletos comandados por interfaces cerebro-ordenador (BCI). El objetivo de este estudio es desarrollar una BCI de bajo coste basada en potenciales visuales evocados de estado estacionario (SSVEP) para la inclusión social, utilizando calibración no supervisada. Se propone un estimulador visual de parpadeo de bajo coste con formas geométricas para obtener órdenes cerebrales. Para clasificar los estímulos SSVEP se utilizan el análisis de correlación canónica (CCA) y la densidad espectral de potencia (PSD). Como primer paso, la BCI propuesta se probó en un juego serio desarrollado para simular el espacio de trabajo y proporcionar información al sujeto. La CCA presentó los mejores resultados de clasificación con una precisión del 71,6 ± 9,7% y una tasa de transferencia de información (ITR) de 37,6 ± 15,4 bits/min y una latencia media de 0,77 ± 0,39 s para proporcionar una salida asociada al estímulo observado por el sujeto. |
|---|