Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas

Documento con 116 paginas donde esta incluido todo el trabajo de investigacion, los anexos, diferentes ilustaciones, imagenes, datos y resultados.

Autores:
Castellanos Delgado, Johan Sebastian
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4087
Acceso en línea:
https://hdl.handle.net/20.500.12313/4087
Palabra clave:
Señales electroencefalográficas
Deep learning, Motor imagery
Electroencephalogram, Motor imagery classification
Brain-computer interface
Aprendizaje profundo, Imágenes motoras
Electroencefalograma, clasificación de imágenes motoras
Interfaz Cerebro-Computadora
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_f928e4a4bc4dd0c7ba587abefb7b8295
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4087
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
title Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
spellingShingle Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
Señales electroencefalográficas
Deep learning, Motor imagery
Electroencephalogram, Motor imagery classification
Brain-computer interface
Aprendizaje profundo, Imágenes motoras
Electroencefalograma, clasificación de imágenes motoras
Interfaz Cerebro-Computadora
title_short Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
title_full Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
title_fullStr Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
title_full_unstemmed Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
title_sort Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas
dc.creator.fl_str_mv Castellanos Delgado, Johan Sebastian
dc.contributor.advisor.none.fl_str_mv Gallo Sanchez, Luisa Fernanda
Gonzalez Morales, David Fernando
dc.contributor.author.none.fl_str_mv Castellanos Delgado, Johan Sebastian
dc.contributor.jury.none.fl_str_mv La Cruz Punte, Alexandra
dc.subject.armarc.spa.fl_str_mv Señales electroencefalográficas
topic Señales electroencefalográficas
Deep learning, Motor imagery
Electroencephalogram, Motor imagery classification
Brain-computer interface
Aprendizaje profundo, Imágenes motoras
Electroencefalograma, clasificación de imágenes motoras
Interfaz Cerebro-Computadora
dc.subject.proposal.eng.fl_str_mv Deep learning, Motor imagery
Electroencephalogram, Motor imagery classification
Brain-computer interface
dc.subject.proposal.spa.fl_str_mv Aprendizaje profundo, Imágenes motoras
Electroencefalograma, clasificación de imágenes motoras
Interfaz Cerebro-Computadora
description Documento con 116 paginas donde esta incluido todo el trabajo de investigacion, los anexos, diferentes ilustaciones, imagenes, datos y resultados.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023
dc.date.accessioned.none.fl_str_mv 2024-02-20T22:58:05Z
dc.date.available.none.fl_str_mv 2024-02-20T22:58:05Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Castellanos Delgado, S. (2023). Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas [Trabajo de pregrado. Universidad de Ibagué].
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4087
identifier_str_mv Castellanos Delgado, S. (2023). Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas [Trabajo de pregrado. Universidad de Ibagué].
url https://hdl.handle.net/20.500.12313/4087
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv V. Asanza, A. Constantine, F. Loayza, E. Peláez y D. Peluffo Ordóñez, «BCI System using a Novel Processing Technique Based on Electrodes Selection for Hand Prothesis Control,» ScienceDirect, pp. 364-369, 2021.
F. Herta, N. Lone y J. Troels Staehelin, «Phantom limb pain: a case of maladaptive CNS plasticity?,» Naure Reviews Neuroscience, pp. 873-881, 2006.
J. Andoh, C. Milde, M. Diers, R. Bekrater Bodmann, J. Trojan, X. Fuchs, S. Becker, S. Desch y F. Herta, «Assessment of cortical reorganization and preserved function in phantom limb pain: a methodological perspective,» Scientific Reports, no 11504, 2020.
K. Zilles, «Brodmann: a pioneer of human brain mapping -his impact on concepts of cortical organization,» Brain, vol. 141, no 11, pp. 3262-3278, 2018.
L. F, B. C, F. C , P. D, B. F y N. S, «Asymmetric activity of NetrinB controls laterality of the Drosophila brain,» Nature Communications, no 1052, 2023.
J. Wolpaw, N. Birbaumer, W. Heetderks, D. McFarland, P. Peckham, G. Schalk, E. Donchin, L. Quatrano, C. Robinson y T. Vaughan, «Brain-computer interface technology: A review of the first international meeting,» IEEE Transactions on Rehabilitation Engineering, vol. 8, no 2, pp. 164-173, 2000.
S. Phadikar, N. Sinha y G. Rajdeep, «Unsupervised feature extraction with autoencoders for EEG based multiclass motor imagery BCI,» Elsevier, vol. 213, no 118901, 2023.
T. l. d. s. reservados, «Emotiv,» Emotiv, 2011. [En línea]. Available: https://www.emotiv.com/epoc/. [Último acceso: 10 Enero 2023].
V. Lawhern, A. Solon, N. Waytowich, S. Gordon, C. Hung y B. Lance, «EEGNet: a compact convolutional neural network for EEG-based brain-computer interfaces,» Neural Engineering, vol. 15, no 056013, 2018.
T. l. d. reservados, «Cerebrum,» 26 Julio 2020. [En línea]. Available: https://cerebrum.la/2020/07/26/el-mayor-logro-de-la-neurociencia-la-interfaz- cerebro-computadora/ . [Último acceso: 10 Enero 2023].
C. Boya, J. Quintero, J. Serracín y R. Moreno, «Brain computer interface systems: characteristics and applications,» I+D Tecnológico , vol. 15, no 2, 2019.
T. l. d. reservados, «Por primera vez condigen que un brazo artificial se mueva con el pensamiento,» El Espectador, Bogota, 2015.
H. He, S. Qui y X. Ma, «Time-Distributed Attention Network for EEG-Based Motor Imagery Decording From the Same Limb,» IEEE Transactions On Neural Systems And Rehabilitation Engineering , vol. 30, pp. 496-508, 2022.
Y. Liu, Z. Wang, S. Huang, J. Wei, X. Li y D. Ming, «EEG Characteristic Investigation of the Sixth-Finger Motor Imagery,» Springer Nature Switzerland , no 13013, pp. 654-663, 2021.
P. G, B. C, S. A y L. d. S. F H, «Mu rhythm (de)synchronization and EEG single- trial classification of different motor imagery tasks,» Neuroimage, vol. 31, no 1, pp. 153-159, 2006.
B. Edelman, B. Baxter y B. He, «EEG Source Imaging Enhances the Decoding of Complex Right-Hand Motor Imagery Tasks,» IEEE transactions on Biomedical Engineering, vol. 63, no 1, pp. 4-14, 2016.
A. Al-Saegh, S. A. Dawwd y J. M. Abdul-Jabbar, «Deep learning for motor imagery EEG-based classification: A review,» Elsevier, vol. 63, no 102172, 2021.
J. A. Martinez Leon, J. M. Cano Izquierdo y J. Ibarrola, «Are low cost Brain Computer Interface headsets ready for motor imagery applications?,» Elsevier, vol. 49, pp. 136-144, 2016.
Y. L. Cheng, L. Gerrit, J. Khairunnisa , A. Fazah y F. Kamaruzama, «Classification of Electroencephalogram Data from Hand Grasp and Release Movements for BCI Controlled Prosthesis,» Elsevier, vol. 26, pp. 374-381, 2016.
M. Ochiddin, R. Muhammond, K. Abdullah , D. Fair, S. Kumar, A. Sharma y A. Dehzangi, «CluSem: Accurate clustering-based ensemble method to predict motor imagery tasks from multi-channel EEG data,» Elsevier, 2021.
V. Stock y A. Balbinot, «Movement imagery classification in Emotiv cap based system by Naïve Bayes,» IEEE, pp. 4435-4438, 2016.
L. Schiatti, L. Faes, J. Tessadori, G. Barresi y L. Mattos, «Mutual Information- Based Feature Selection for Low-Cost BCIs Based on Motor Imagery,» IEEE, pp. 2772-2775, 2016.
D. Chopra y R. Tanzi, Super Brain, Estados Unidos : Harmony Books, 2012.
T. l. d. reservados, «Centros Auditivos, Audífonos en Valencia,» 19 Diciembre 2018. [En línea]. Available: https://www.centroauditivo-valencia.es/perdida- auditiva-leve-percepcion-habla-ruido/ . [Último acceso: 13 Marzo 2023].
J. S. Castro Cardona y N. Forero Segovia, «Eficacia al alternar las ondas cerebrales,» RREDSI Red Regional de Semilleros de investigacion, pp. 2026- 2028, 2014.
D. reservados, «Neuroscenter,» [En línea]. Available: https://neuroscenter.com/neurofeedback/ondas-cerebrales/. [Último acceso: 13 Marzo 2023].
E. d. vida, «Estilo de vida,» 17 Junio 2020. [En línea]. Available: https://estilodevidalibre.com/la-mente-despierta-como-optimizar-las-ondas- cerebrales-para-estados-superiores-de-conciencia/. [Último acceso: 13 Marzo 2023].
A. Iranzo de Rique, «Clinicbarcelona,» 17 Abirl 2022. [En línea]. Available: https://www.clinicbarcelona.org/asistencia/pruebas-y- procedimientos/electroencefalograma. [Último acceso: 13 Marzo 2023].
D. reservados, «Fisiologiafacmed,» 12 Noviembre 2019. [En línea]. Available: https://fisiologia.facmed.unam.mx/wp-content/uploads/2019/09/UTI- pr%C3%A1ctica-7-a.-Electroencefalograma.-AnexoManual.pdf. [Último acceso: 13 Marzo 2023].
A. V. Vasilakos y R. A. Ramadan, «Brain computer interface: control signlas review,» Elsevier, vol. 223, pp. 26-44, 2017.
G. Maggotti, «Libro online de IAAR,» 25 Noviembre 2017. [En línea]. Available: https://iaarbook.github.io/interfaz-cerebro-computadora-BCI/. [Último acceso: 13 Marzo 2023].
G. Pfurtscheller, «Brain-computer interface-satate of the art and future prospects,» Dpmi, pp. 509-510, 2004.
P. M. Fitts, «The information capacity of the human motor system in controlling the amplitude of movement,» Experimental Psychology, vol. 47, no 6, pp. 381-391, 1954.
A. Solodkin, P. Hlustik, E. Chen y S. Small, «Fine Modulation in Network Activation durin Motor Execution and Motor Imagery,» Oxford University Press, vol. 14, no 11, pp. 1246-1255, 2004.
G. Pfurtscheller y F. Lopes da Silva, «Event-related EEG/MEG synchronization and desynchronization: basic principles,» Elsevier, vol. 110, pp. 1842-1857, 1999.
G. Pfurtscheller, «Event-related synchronozation (ERS): an electrophysiological correlate of cortical areas at rest,» Elsevier, vol. 83, pp. 62-69, 1992.
D. mne, «mne,» 23 Febrero 2023. [En línea]. Available: https://mne.tools/stable/auto_tutorials/preprocessing/30_filtering_resampling.html# sphx-glr-auto-tutorials-preprocessing-30-filtering-resampling-py. [Último acceso: 14 Marzo 2023].
D. reservados, «scalahed,» [En línea]. Available: http://gc.scalahed.com/recursos/files/r145r/w868w/U3_liga3.html. [Último acceso: 14 Marzo 2023].
Y. Dezhong, «A method to standardize a reference of scalp EEG recordings to a point at infinity,» Physiol, vol. 22, no 4, 2001.
Pierre Ablin, Jean-Francois Cardoso y Alexandre Gramfort, «Faster independent component analysis by preconditioning with Hessian approximations,» IEEE Transactions on Signal Processing, vol. 66, no 15, pp. 4040-4049, 2018.
J. M.-G. a. G. P. H. Ramoser, «Optimal spatial filtering of single trial EEG during imagined hand movement,» IEEE Transactions on Rehabilitation Engineering, vol. 8, no 4, pp. 441-446, 2000.
M. R. M. Sajjad Afrakhteh, Energy Efficiency of Medical Devices and Healthcare Applications, Academic press, 2020, pp. 25-52.
Q. L. W. M. S. Q. X. Qingsong Ai, Advanced Rehabilitative Technology, Academic Press, 2018.
M. Krauledat, G. Dornhege, B. Blankertz, F. Losch, G. Curio y K. Müller, «Improving speed and accuarcy of brain-computer interfaces using readiness potential features,» Proceeding of the 26th Annual International Conference of the IEEE EMBS, pp. 4511-4515, 2004.
Wikipedia, «Wikipedia the free encyclopedia,» 7 Febrero 2021. [En línea]. Available: https://en.wikipedia.org/wiki/Common_spatial_pattern. [Último acceso: 15 Marzo 2023].
C. Ortiz Echeverri, S. Salazar Colores, R. Gómez loenzo y J. Rodriguez, «A New Approach for Motor Imagery Classification Based on Sorted Blind Source Separation, Continuous Wavelet Transform, and Convolutional Neural Network,» Sensors, Signal and Image Processing in Biomedicine and Assited Living, vol. 19, no 4541, 2019.
W. McCullock y W. Pitts, «A logical calculus of the ideas immanent in nervous activity,» Bulletin of Mathematical Biophysics, vol. 5, no 4, pp. 115-133, 1943.
F. Rosenblatt, «The Perceptron: A Perceiving and Recognizing Automaton,» Cornell Aeronautical Laboratory, 1957.
Intel, «Intel,» [En línea]. Available: https://www.intel.es/content/www/es/es/internet- of-things/computer-vision/convolutional-neural-networks.html. [Último acceso: 15 Marzo 2023].
T. l. d. reservados, «IA Latam,» [En línea]. Available: https://ia- latam.com/2019/02/06/entendiendo-las-redes-neuronales-de-la-neurona-a-rnn- cnn-y-deep-learning/. [Último acceso: 15 Marzo 2023].
D. Calvo, «Diego Calvo,» 20 Julio 2017. [En línea]. Available: https://www.diegocalvo.es/red-neuronal-convolucional/. [Último acceso: 16 Marzo 2023].
M. Diamond , E. Bennett, D. Krech y M. Rosenzweig, «Chemical and Anatomical Plasticity of Brain,» Science, vol. 146, no 3644, pp. 610-619, 196
T. l. d. reservados, «Hiwonder,» 2015. [En línea]. Available: https://www.hiwonder.com/. [Último acceso: 15 Febrero 2023].
Emotiv, «Emotiv,» 2022. [En línea]. Available: https://emotiv.gitbook.io/epoc-user- manual/using-headset/epoc+_headset_details. [Último acceso: 16 Marzo 2023].
Warren, «GitHub,» 27 Diciembre 2018. [En línea]. Available: https://github.com/CymatiCorp/CyKit. [Último acceso: 14 Octubre 2022].
L. A. Chernikova, O. A. Mokienko, A. A. Frolov y P. D. Bobrov, «Motor Imagery and Its Practical Application,» Neuroscience and Behavioral Physiology, vol. 44, no 5, pp. 483-489, 2014.
M. Gregg, C. Hall y A. Butler, «The MIQ-RS: A Suitable Option for Examining Movement Imagery Ability,» Evidence-based Complementary and Alternative Medicice , vol. 7, no 2, pp. 249-257, 2007.
F. Lebon, C. Papaxanthis, J. Gaveau y C. Ruffino, «An acute session of motor imagery training indices use-dependent plasticity,» Scientific reports, vol. 9, no 20002, 2019.
V. Lawhern, A. Solon, N. Waytowich, S. Gordon, C. Hung y B. Lance, «GitHub,» 2018. [En línea]. Available: https://github.com/vlawhern/arl-eegmodels. [Último acceso: 28 Septiembre 2023].
C. Brunner, R. Leeb, R. Müller Putz, A. Schlögl y G. Pfurtscheller, «BBCI,» 3 Julio 208. [En línea]. Available: https://www.bbci.de/competition/iv/. [Último acceso: 12 Octubre 2022].
W. electronica, «wilaebaelectronica,» 9 JUlio 2020. [En línea]. Available: https://wilaebaelectronica.blogspot.com/2017/01/filtros-pasa-banda.html. [Último acceso: 14 Marzo 2023].
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.extent.none.fl_str_mv 116 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/e633073a-4256-4404-8a36-8edc5361215a/download
https://repositorio.unibague.edu.co/bitstreams/51fdbfa4-3c6c-4879-a7d6-748157a2353e/download
https://repositorio.unibague.edu.co/bitstreams/b2181ada-db48-4a67-84f1-af531ad0a201/download
https://repositorio.unibague.edu.co/bitstreams/750bafa8-e71a-4cf4-9ea0-33c56922e630/download
https://repositorio.unibague.edu.co/bitstreams/411d2f13-8dda-4fdf-89f4-afe993e9d4c3/download
https://repositorio.unibague.edu.co/bitstreams/abc03b79-912a-4fb0-94f1-3994442b988a/download
https://repositorio.unibague.edu.co/bitstreams/b7580c19-97f6-470c-aab0-74e14beca928/download
https://repositorio.unibague.edu.co/bitstreams/23b52dae-77e9-4011-a91a-259b871db8d4/download
https://repositorio.unibague.edu.co/bitstreams/87b870f2-e918-4dc9-a31d-ae107cdba4e1/download
bitstream.checksum.fl_str_mv 0f2e982b9996fc9762d36abde42e424d
bde6a62582779a7d2fd323cde415c168
2fa3e590786b9c0f3ceba1b9656b7ac3
79f52a596961bf6e7c6b6407374e2851
f4476a6b691c82f0fdd53952c25aa3a1
f4476a6b691c82f0fdd53952c25aa3a1
2bca16ab78b2c307e3eeeac4032c47a4
885bef5aeeda9a0885aa1e375340fb74
885bef5aeeda9a0885aa1e375340fb74
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814204087580753920
spelling Gallo Sanchez, Luisa Fernanda7752b349-2260-4a07-acd6-cdec7451fb03-1Gonzalez Morales, David Fernando8c4a0fa5-8cef-46af-89da-f9f46c84fbac-1Castellanos Delgado, Johan Sebastian470300dd-4968-4863-a715-46808a1503bb-1La Cruz Punte, Alexandra116392cf-c6f0-4e24-93b1-275ad0d8e2cc-12024-02-20T22:58:05Z2024-02-20T22:58:05Z2023Documento con 116 paginas donde esta incluido todo el trabajo de investigacion, los anexos, diferentes ilustaciones, imagenes, datos y resultados.El sistema de interfaz Cerebro-Computadora (BCI) proporciona un canal entre el cerebro y un dispositivo electrónico, para que estos dispositivos sean controlados con la actividad eléctrica del cerebro sin tener que usar el sistema nervioso periférico. Los BCI se utilizan en aplicaciones médicas, por ejemplo, para controlar prototipos neuroprotésico, estos se pueden controlar con diferentes señales de electroencefalografía (EEG), entre las más utilizadas están las ondas P300 y potenciales evocados de estado estable (SSVEP). Las imágenes motoras (MI) son otra variante de señales EEG para la implementación en un sistema BCI, han ganado mucha atención recientemente ya que estas señales codifican la intención de una persona de realizar una acción. En este trabajo, se desarrolló una base de datos con señales IM de 2 personas completamente sanas, adquiridas con la diadema comercial EMOTIV EPOC+ y el software OpenVibe, las 2 personas tenían que imaginar mover la mano izquierda o derecha. Se aplica un preprocesamiento de las señales con la librería MNE en Python y un clasificador con una red neuronal convolucional (CNN), implementando la arquitectura EEGNet desarrollada en TensorFlow para la clasificación de IM de la mano izquierda y derecha. Se realizaron varios experimentos para evaluar el método propuesto, obteniendo un clasificador del 70% para el sujeto 1 y del 77% para el sujeto 2. Para controlar la simulación de prótesis, se cargó el mejor modelo entrenado y se controló con una comunicación serial entre Python y Arduino, para poder tener una representación de simulación de una BCI.The brain-computer interface (BCI) system provides a channel between the brain and an electronic device, so that these devices can be controlled with the electrical activity of the brain without having to use the peripheral nervous system. BCIs are used in medical applications, for example, to control neuroprosthetic prototypes, these can be controlled with different electroencephalography (EEG) signals, among the most used are P300 waves and steady state evoked potentials (SSVEP). Motor imagery (MI) is another variant of EEG signals for implementation in a BCI system, and has gained much attention recently as these signals encode a person's intention to perform an action. In this work, a database was developed with MI signals from 2 completely healthy persons, acquired with the commercial EMOTIV EPOC+ headset and OpenVibe software, the 2 persons had to imagine moving the left or right hand. Signal preprocessing with the MNE library in Python and a classifier with a convolutional neural network (CNN) implementing the EEGNet architecture developed in TensorFlow is applied for left and right hand MI classification. Several experiments were performed to evaluate the proposed method, obtaining a classifier of 70% for subject 1 and 77% for subject 2. To control the prosthesis simulation, the best trained model was loaded and controlled with a serial communication between Python and Arduino, in order to have a simulation representation of a BCI.PregradoIngeniero ElectrónicoContiene: Diagramas de flujo, imagenes, diagramas, codigo, encuenta, guias paso a paso.1. Capítulo 1: Introducción al proyecto 1.1 Introducción ... 1 1.2 Estado del arte .... 2 1.3 Objetivos ... 10 1.3.1 Objetivo General ... 10 1.3.2 Objetivos específicos ... 10 2. Capítulo 2: Marco Teórico. 11 2.1 El cerebro .... 11 2.2 Áreas funcionales de la corteza cerebral .. 11 2.3 Señales cerebrales ... 12 2.3.1 Ondas Cerebrales ... 12 2.3.2 Ondas Delta ... 12 2.3.3 Ondas Theta ... 13 2.3.4 Ondas Alpha ... 13 2.3.5 Ondas Beta ... 13 2.3.6 Ondas Gamma ... 13 2.4 Electroencefalograma ... 14 2.4.1 Sistema 10-20 ... 14 2.5 Interfaces cerebro-computadora (BCI) ... 15 2.6 Imágenes motoras . 15 2.6.1 ERD ... 16 2.6.2 ERS ... 16 2.7 Preprocesamiento ... 17 2.7.1 Filtro pasa bandas ... 17 2.7.2 Referencia de promedio común (CAR) ... 18 2.7.3 Análisis de componentes independientes (ICA) ... 19 2.8 Extracción de características ... 20 2.8.1 Patrones espaciales comunes (CSP) ... 20 2.8.2 Transformada continua de wavelet (CWT) .... 21 2.9 Redes neuronales ... 22 2.9.1 Redes neuronales convolucionales (CNN) .... 23 3. Capítulo 3: Metodología .... 25 4. Capítulo 4: Diseño e implementación ... 27 4.1 Adquisición de datos ... 27 4.1.1 Emotiv EPOC ... 27 4.1.2 CyKit... 28 4.1.3 OpenVibe .... 29 4.2 Formato del experimento ... 31 4.3 Preprocesamiento de datos ... 33 4.3.1 Extracción de eventos ... 33 4.3.2 Extracción de Épocas ... 34 4.4 Clasificación ... 35 4.5 Control del prototipo de prótesis... 38 5. Capítulo 5: Pruebas y resultados .... 39 5.1 Adquisición de datos ... 39 5.2 Preprocesamiento de datos ... 41 5.3 Extracción de características ... 44 5.4 Clasificación ... 45 5.5 Control prototipo de prótesis... 48 6. Conclusiones y recomendaciones ... 49 Conclusiones ... 49 Recomendaciones ... 50 Referencias bibliográficas ... 51 A. Anexo: Protocolo experimental para la adquisición de datos de imaginería motora en señales EEG adquiridas con la diadema Emotiv EPOC+ ... 57 B. Anexo: Protocolo de adquisición de datos en tiempo real de la diadema Emotiv EPOC+ ... 65 C. Anexo: Consentimiento escrito para la adquisición de datos. .... 86 D. Anexo: Tablas de resultados de las encuestas de evaluación sobre la imaginería motora.... 87 E. Anexo: MIQ-RS encuesta para examinar la capacidad de visualización de imágenes en movimiento. .. 88116 páginasapplication/pdfCastellanos Delgado, S. (2023). Control para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficas [Trabajo de pregrado. Universidad de Ibagué].https://hdl.handle.net/20.500.12313/4087spaUniversidad de IbaguéIngenieríaIbaguéIngeniería ElectrónicaV. Asanza, A. Constantine, F. Loayza, E. Peláez y D. Peluffo Ordóñez, «BCI System using a Novel Processing Technique Based on Electrodes Selection for Hand Prothesis Control,» ScienceDirect, pp. 364-369, 2021.F. Herta, N. Lone y J. Troels Staehelin, «Phantom limb pain: a case of maladaptive CNS plasticity?,» Naure Reviews Neuroscience, pp. 873-881, 2006.J. Andoh, C. Milde, M. Diers, R. Bekrater Bodmann, J. Trojan, X. Fuchs, S. Becker, S. Desch y F. Herta, «Assessment of cortical reorganization and preserved function in phantom limb pain: a methodological perspective,» Scientific Reports, no 11504, 2020.K. Zilles, «Brodmann: a pioneer of human brain mapping -his impact on concepts of cortical organization,» Brain, vol. 141, no 11, pp. 3262-3278, 2018.L. F, B. C, F. C , P. D, B. F y N. S, «Asymmetric activity of NetrinB controls laterality of the Drosophila brain,» Nature Communications, no 1052, 2023.J. Wolpaw, N. Birbaumer, W. Heetderks, D. McFarland, P. Peckham, G. Schalk, E. Donchin, L. Quatrano, C. Robinson y T. Vaughan, «Brain-computer interface technology: A review of the first international meeting,» IEEE Transactions on Rehabilitation Engineering, vol. 8, no 2, pp. 164-173, 2000.S. Phadikar, N. Sinha y G. Rajdeep, «Unsupervised feature extraction with autoencoders for EEG based multiclass motor imagery BCI,» Elsevier, vol. 213, no 118901, 2023.T. l. d. s. reservados, «Emotiv,» Emotiv, 2011. [En línea]. Available: https://www.emotiv.com/epoc/. [Último acceso: 10 Enero 2023].V. Lawhern, A. Solon, N. Waytowich, S. Gordon, C. Hung y B. Lance, «EEGNet: a compact convolutional neural network for EEG-based brain-computer interfaces,» Neural Engineering, vol. 15, no 056013, 2018.T. l. d. reservados, «Cerebrum,» 26 Julio 2020. [En línea]. Available: https://cerebrum.la/2020/07/26/el-mayor-logro-de-la-neurociencia-la-interfaz- cerebro-computadora/ . [Último acceso: 10 Enero 2023].C. Boya, J. Quintero, J. Serracín y R. Moreno, «Brain computer interface systems: characteristics and applications,» I+D Tecnológico , vol. 15, no 2, 2019.T. l. d. reservados, «Por primera vez condigen que un brazo artificial se mueva con el pensamiento,» El Espectador, Bogota, 2015.H. He, S. Qui y X. Ma, «Time-Distributed Attention Network for EEG-Based Motor Imagery Decording From the Same Limb,» IEEE Transactions On Neural Systems And Rehabilitation Engineering , vol. 30, pp. 496-508, 2022.Y. Liu, Z. Wang, S. Huang, J. Wei, X. Li y D. Ming, «EEG Characteristic Investigation of the Sixth-Finger Motor Imagery,» Springer Nature Switzerland , no 13013, pp. 654-663, 2021.P. G, B. C, S. A y L. d. S. F H, «Mu rhythm (de)synchronization and EEG single- trial classification of different motor imagery tasks,» Neuroimage, vol. 31, no 1, pp. 153-159, 2006.B. Edelman, B. Baxter y B. He, «EEG Source Imaging Enhances the Decoding of Complex Right-Hand Motor Imagery Tasks,» IEEE transactions on Biomedical Engineering, vol. 63, no 1, pp. 4-14, 2016.A. Al-Saegh, S. A. Dawwd y J. M. Abdul-Jabbar, «Deep learning for motor imagery EEG-based classification: A review,» Elsevier, vol. 63, no 102172, 2021.J. A. Martinez Leon, J. M. Cano Izquierdo y J. Ibarrola, «Are low cost Brain Computer Interface headsets ready for motor imagery applications?,» Elsevier, vol. 49, pp. 136-144, 2016.Y. L. Cheng, L. Gerrit, J. Khairunnisa , A. Fazah y F. Kamaruzama, «Classification of Electroencephalogram Data from Hand Grasp and Release Movements for BCI Controlled Prosthesis,» Elsevier, vol. 26, pp. 374-381, 2016.M. Ochiddin, R. Muhammond, K. Abdullah , D. Fair, S. Kumar, A. Sharma y A. Dehzangi, «CluSem: Accurate clustering-based ensemble method to predict motor imagery tasks from multi-channel EEG data,» Elsevier, 2021.V. Stock y A. Balbinot, «Movement imagery classification in Emotiv cap based system by Naïve Bayes,» IEEE, pp. 4435-4438, 2016.L. Schiatti, L. Faes, J. Tessadori, G. Barresi y L. Mattos, «Mutual Information- Based Feature Selection for Low-Cost BCIs Based on Motor Imagery,» IEEE, pp. 2772-2775, 2016.D. Chopra y R. Tanzi, Super Brain, Estados Unidos : Harmony Books, 2012.T. l. d. reservados, «Centros Auditivos, Audífonos en Valencia,» 19 Diciembre 2018. [En línea]. Available: https://www.centroauditivo-valencia.es/perdida- auditiva-leve-percepcion-habla-ruido/ . [Último acceso: 13 Marzo 2023].J. S. Castro Cardona y N. Forero Segovia, «Eficacia al alternar las ondas cerebrales,» RREDSI Red Regional de Semilleros de investigacion, pp. 2026- 2028, 2014.D. reservados, «Neuroscenter,» [En línea]. Available: https://neuroscenter.com/neurofeedback/ondas-cerebrales/. [Último acceso: 13 Marzo 2023].E. d. vida, «Estilo de vida,» 17 Junio 2020. [En línea]. Available: https://estilodevidalibre.com/la-mente-despierta-como-optimizar-las-ondas- cerebrales-para-estados-superiores-de-conciencia/. [Último acceso: 13 Marzo 2023].A. Iranzo de Rique, «Clinicbarcelona,» 17 Abirl 2022. [En línea]. Available: https://www.clinicbarcelona.org/asistencia/pruebas-y- procedimientos/electroencefalograma. [Último acceso: 13 Marzo 2023].D. reservados, «Fisiologiafacmed,» 12 Noviembre 2019. [En línea]. Available: https://fisiologia.facmed.unam.mx/wp-content/uploads/2019/09/UTI- pr%C3%A1ctica-7-a.-Electroencefalograma.-AnexoManual.pdf. [Último acceso: 13 Marzo 2023].A. V. Vasilakos y R. A. Ramadan, «Brain computer interface: control signlas review,» Elsevier, vol. 223, pp. 26-44, 2017.G. Maggotti, «Libro online de IAAR,» 25 Noviembre 2017. [En línea]. Available: https://iaarbook.github.io/interfaz-cerebro-computadora-BCI/. [Último acceso: 13 Marzo 2023].G. Pfurtscheller, «Brain-computer interface-satate of the art and future prospects,» Dpmi, pp. 509-510, 2004.P. M. Fitts, «The information capacity of the human motor system in controlling the amplitude of movement,» Experimental Psychology, vol. 47, no 6, pp. 381-391, 1954.A. Solodkin, P. Hlustik, E. Chen y S. Small, «Fine Modulation in Network Activation durin Motor Execution and Motor Imagery,» Oxford University Press, vol. 14, no 11, pp. 1246-1255, 2004.G. Pfurtscheller y F. Lopes da Silva, «Event-related EEG/MEG synchronization and desynchronization: basic principles,» Elsevier, vol. 110, pp. 1842-1857, 1999.G. Pfurtscheller, «Event-related synchronozation (ERS): an electrophysiological correlate of cortical areas at rest,» Elsevier, vol. 83, pp. 62-69, 1992.D. mne, «mne,» 23 Febrero 2023. [En línea]. Available: https://mne.tools/stable/auto_tutorials/preprocessing/30_filtering_resampling.html# sphx-glr-auto-tutorials-preprocessing-30-filtering-resampling-py. [Último acceso: 14 Marzo 2023].D. reservados, «scalahed,» [En línea]. Available: http://gc.scalahed.com/recursos/files/r145r/w868w/U3_liga3.html. [Último acceso: 14 Marzo 2023].Y. Dezhong, «A method to standardize a reference of scalp EEG recordings to a point at infinity,» Physiol, vol. 22, no 4, 2001.Pierre Ablin, Jean-Francois Cardoso y Alexandre Gramfort, «Faster independent component analysis by preconditioning with Hessian approximations,» IEEE Transactions on Signal Processing, vol. 66, no 15, pp. 4040-4049, 2018.J. M.-G. a. G. P. H. Ramoser, «Optimal spatial filtering of single trial EEG during imagined hand movement,» IEEE Transactions on Rehabilitation Engineering, vol. 8, no 4, pp. 441-446, 2000.M. R. M. Sajjad Afrakhteh, Energy Efficiency of Medical Devices and Healthcare Applications, Academic press, 2020, pp. 25-52.Q. L. W. M. S. Q. X. Qingsong Ai, Advanced Rehabilitative Technology, Academic Press, 2018.M. Krauledat, G. Dornhege, B. Blankertz, F. Losch, G. Curio y K. Müller, «Improving speed and accuarcy of brain-computer interfaces using readiness potential features,» Proceeding of the 26th Annual International Conference of the IEEE EMBS, pp. 4511-4515, 2004.Wikipedia, «Wikipedia the free encyclopedia,» 7 Febrero 2021. [En línea]. Available: https://en.wikipedia.org/wiki/Common_spatial_pattern. [Último acceso: 15 Marzo 2023].C. Ortiz Echeverri, S. Salazar Colores, R. Gómez loenzo y J. Rodriguez, «A New Approach for Motor Imagery Classification Based on Sorted Blind Source Separation, Continuous Wavelet Transform, and Convolutional Neural Network,» Sensors, Signal and Image Processing in Biomedicine and Assited Living, vol. 19, no 4541, 2019.W. McCullock y W. Pitts, «A logical calculus of the ideas immanent in nervous activity,» Bulletin of Mathematical Biophysics, vol. 5, no 4, pp. 115-133, 1943.F. Rosenblatt, «The Perceptron: A Perceiving and Recognizing Automaton,» Cornell Aeronautical Laboratory, 1957.Intel, «Intel,» [En línea]. Available: https://www.intel.es/content/www/es/es/internet- of-things/computer-vision/convolutional-neural-networks.html. [Último acceso: 15 Marzo 2023].T. l. d. reservados, «IA Latam,» [En línea]. Available: https://ia- latam.com/2019/02/06/entendiendo-las-redes-neuronales-de-la-neurona-a-rnn- cnn-y-deep-learning/. [Último acceso: 15 Marzo 2023].D. Calvo, «Diego Calvo,» 20 Julio 2017. [En línea]. Available: https://www.diegocalvo.es/red-neuronal-convolucional/. [Último acceso: 16 Marzo 2023].M. Diamond , E. Bennett, D. Krech y M. Rosenzweig, «Chemical and Anatomical Plasticity of Brain,» Science, vol. 146, no 3644, pp. 610-619, 196T. l. d. reservados, «Hiwonder,» 2015. [En línea]. Available: https://www.hiwonder.com/. [Último acceso: 15 Febrero 2023].Emotiv, «Emotiv,» 2022. [En línea]. Available: https://emotiv.gitbook.io/epoc-user- manual/using-headset/epoc+_headset_details. [Último acceso: 16 Marzo 2023].Warren, «GitHub,» 27 Diciembre 2018. [En línea]. Available: https://github.com/CymatiCorp/CyKit. [Último acceso: 14 Octubre 2022].L. A. Chernikova, O. A. Mokienko, A. A. Frolov y P. D. Bobrov, «Motor Imagery and Its Practical Application,» Neuroscience and Behavioral Physiology, vol. 44, no 5, pp. 483-489, 2014.M. Gregg, C. Hall y A. Butler, «The MIQ-RS: A Suitable Option for Examining Movement Imagery Ability,» Evidence-based Complementary and Alternative Medicice , vol. 7, no 2, pp. 249-257, 2007.F. Lebon, C. Papaxanthis, J. Gaveau y C. Ruffino, «An acute session of motor imagery training indices use-dependent plasticity,» Scientific reports, vol. 9, no 20002, 2019.V. Lawhern, A. Solon, N. Waytowich, S. Gordon, C. Hung y B. Lance, «GitHub,» 2018. [En línea]. Available: https://github.com/vlawhern/arl-eegmodels. [Último acceso: 28 Septiembre 2023].C. Brunner, R. Leeb, R. Müller Putz, A. Schlögl y G. Pfurtscheller, «BBCI,» 3 Julio 208. [En línea]. Available: https://www.bbci.de/competition/iv/. [Último acceso: 12 Octubre 2022].W. electronica, «wilaebaelectronica,» 9 JUlio 2020. [En línea]. Available: https://wilaebaelectronica.blogspot.com/2017/01/filtros-pasa-banda.html. [Último acceso: 14 Marzo 2023].info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc-nd/4.0/Señales electroencefalográficasDeep learning, Motor imageryElectroencephalogram, Motor imagery classificationBrain-computer interfaceAprendizaje profundo, Imágenes motorasElectroencefalograma, clasificación de imágenes motorasInterfaz Cerebro-ComputadoraControl para un prototipo de simulación de prótesis por medio de la intención del movimiento en señales electroencefalográficasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf7448607https://repositorio.unibague.edu.co/bitstreams/e633073a-4256-4404-8a36-8edc5361215a/download0f2e982b9996fc9762d36abde42e424dMD51Formato de autorización.pdfFormato de autorización.pdfapplication/pdf149547https://repositorio.unibague.edu.co/bitstreams/51fdbfa4-3c6c-4879-a7d6-748157a2353e/downloadbde6a62582779a7d2fd323cde415c168MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/b2181ada-db48-4a67-84f1-af531ad0a201/download2fa3e590786b9c0f3ceba1b9656b7ac3MD53TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain101597https://repositorio.unibague.edu.co/bitstreams/750bafa8-e71a-4cf4-9ea0-33c56922e630/download79f52a596961bf6e7c6b6407374e2851MD55Autorización de publicación.pdf.txtAutorización de publicación.pdf.txtExtracted texttext/plain3657https://repositorio.unibague.edu.co/bitstreams/411d2f13-8dda-4fdf-89f4-afe993e9d4c3/downloadf4476a6b691c82f0fdd53952c25aa3a1MD57Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain3657https://repositorio.unibague.edu.co/bitstreams/abc03b79-912a-4fb0-94f1-3994442b988a/downloadf4476a6b691c82f0fdd53952c25aa3a1MD59THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg6110https://repositorio.unibague.edu.co/bitstreams/b7580c19-97f6-470c-aab0-74e14beca928/download2bca16ab78b2c307e3eeeac4032c47a4MD56Autorización de publicación.pdf.jpgAutorización de publicación.pdf.jpgGenerated Thumbnailimage/jpeg14293https://repositorio.unibague.edu.co/bitstreams/23b52dae-77e9-4011-a91a-259b871db8d4/download885bef5aeeda9a0885aa1e375340fb74MD58Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgGenerated Thumbnailimage/jpeg14293https://repositorio.unibague.edu.co/bitstreams/87b870f2-e918-4dc9-a31d-ae107cdba4e1/download885bef5aeeda9a0885aa1e375340fb74MD51020.500.12313/4087oai:repositorio.unibague.edu.co:20.500.12313/40872024-04-01 11:23:58.167https://creativecommons.org/licenses/by-nc-nd/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares