Desarrollo de un prototipo de habitación inteligente para pacientes discapacitados a través de señales EEG

En este trabajo, se plantea crear un sistema que integre a personas con discapacidades motoras a prototipo de habitación inteligente. Esto les permite realizar distintas aplicaciones dentro de un habitación por medio de un Brain Computer Interface (BCI) basado en señales biológicas. Como señal de co...

Full description

Autores:
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/28310
Acceso en línea:
http://hdl.handle.net/11349/28310
Palabra clave:
Red neuronal convolucional
Interfaz cerebro computador
Señales encefalográficas
Extracción de características
Prototipo de habitación
Ingeniería Electrónica - Tesis y Disertaciones Académicas
Personas con discapacidades - Medios de comunicación - Innovaciones
Interfaces cerebro - computador
Procesamiento de señales
Neurociencia cognoscitiva
Convolutional neural network
Brain computer interface
Encephalographic signs
Feature extraction
Room prototype
Rights
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary:En este trabajo, se plantea crear un sistema que integre a personas con discapacidades motoras a prototipo de habitación inteligente. Esto les permite realizar distintas aplicaciones dentro de un habitación por medio de un Brain Computer Interface (BCI) basado en señales biológicas. Como señal de control se usan las electroencefalográficas (EEG) . Las aplicaciones de la habitación son el control de luces, inclinación de una cama y solicitar asistencia por medio de una bocina. Estas señales se capturan usando el sistema de adquisición Ultracortex IV de la empresa OpenBCI conectado a un software de desarrollo propio. Los gestos definidos para realizar el análisis son : parpadeo ojo izquierdo, parpadeo ojo derecho, levantamiento de cejas y no realizar ninguna acción. Los datos son filtrados en la banda alfa (8-13)Hz y son usados para entrenar un modelo de inteligencia artificial basado en redes neuronales convolucionales unidimensionales. Para cada gesto se genera una señal de control que se envía a través de Bluetooth Low Energy (BLE) a un sistema embebido encargado de las funciones del prototipo de habitación. Como primera fase los voluntarios no tenían ninguna discapacidad motora. El valor promedio de precisión para el parpadeo de los ojos fue 80\% y para el levantamiento de cejas 85\%en el modelo de entrenamiento. La clasificación en tiempo real mostró una precisión de 78.75\% usando ventanas de longitud de cinco segundos.