Prototipo de equipo médico de Neurofeedback para videojuego controlado con potenciales evocados

Se diseñó un prototipo de equipo médico BCI basado en técnicas de Neurofeedback, con las cuales se entrenó a un sujeto de prueba para que autorregulara sus ondas cerebrales, logrando así mejorar sus procesos atencionales y concentración, por medio de la identificación de índices de concentración y a...

Full description

Autores:
Izquierdo Rojas, Gendelfav
Gómez Otero, Luis Enrique
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/8026
Acceso en línea:
http://hdl.handle.net/20.500.12495/8026
Palabra clave:
BCI
ML
Neurofeedback
TBR
SA
621.381
BCI
ML
Neurofeedback
TBR
SA
Rights
openAccess
License
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Description
Summary:Se diseñó un prototipo de equipo médico BCI basado en técnicas de Neurofeedback, con las cuales se entrenó a un sujeto de prueba para que autorregulara sus ondas cerebrales, logrando así mejorar sus procesos atencionales y concentración, por medio de la identificación de índices de concentración y atención extraídos gracias a los protocolos Theta/Beta Ratio (TBR), Sustained attention (SA). El prototipo cuenta con dos interfaces de usuario, de las cuales una está dirigida al profesional de la salud y la otra es un videojuego sencillo dirigido al sujeto de prueba. Este prototipo extrae las características relacionadas con la concentración y atención del sujeto de prueba y las evalúa mediante un algoritmo de aprendizaje de maquina (ML), con el cual se obtuvo un 97% de efectividad en pruebas fuera de línea (con base de datos) y 97.5% de efectividad con pruebas en línea (con datos en tiempo real). Se diseñaron electrodos activos secos de ganancia 2, con eliminación de ruido electromagnético. También se diseñó una tarjeta de adquisición de 16 canales físicos y 3 canales multiplexados para un total de 19 canales; cuenta con un MCU ARM-Cortex M7 el cual controla dos acondicionadores de señal ADS1299 y realiza el preprocesamiento. Tanto los electrodos activos como la tarjeta de adquisición diseñada se alimentan por medio de una tarjeta de alimentación que cuenta con una salida unipolar de 5V y una salida bipolar de ±2.5V; se alimenta con dos baterías LI-ion de 850mA, lo cual proporciona autonomía de alrededor de ocho horas.