Caracterización y clasificación de señales electroencefalográficas para aplicaciones de interfaz cerebro-computador.

Formato digital

Tesis-Facultad de Ciencias Naturales y Exactas, Programa de Fisica

Incluye referencias bibliográficas.

Desde su primera aplicación, la electroencefalografía ha sido una técnica usada
fundamentalmente para lograr comprender el comportamiento del cerebro.
Estudiando las señales electroencefalográficas (EEG) se ha tratado de descifrar las
intenciones de una persona y las acciones que pueda ejercer sobre ciertos
dispositivos solo con imaginarlo. Este concepto es lo que se conoce como interfaz
cerebro-computador o BCI, sistemas que actualmente se usan con gran expectativa
en personas dependientes o con alto grado de discapacidad, dado que se presenta
como una nueva forma de comunicación, logrando que individuos con parálisis
parcial o total de sus extremidades puedan realizar tareas como: escribir en un
monitor, desplazarse en una silla de ruedas, manejar prótesis entre otras.
La función básica de un sistema BCI es medir las señales eléctricas provenientes
del cerebro, procesarlas, extraer características y permitir que el usuario interactúe
con el entorno por medio de un dispositivo físico. La extracción de estas
características conlleva a un análisis profundo de la señal EEG a fin de encontrar
patrones característicos, es decir aquellos relacionados con las intenciones del
usuario y que serán usados como comandos de salida. Es aquí donde aún se ve
restringida la eficiencia de un sistema BCI, debido a que las señales EEG al
momento de ser adquiridas son afectadas por ruido y artefactos, además de
presentar una baja resolución espacial, evitando una correcta caracterización de los
fenómenos fisiológicos y derivando en extenuantes horas de entrenamiento por
parte del usuario antes de efectuar de manera precisa las intenciones que desea
realizar.
En este proyecto de grado se propuso una metodología alternativa que permitió
analizar y procesar señales EEG con propósitos aplicativos en sistemas BCI. Para
ello se desarrolló un proceso comparativo de diferentes métodos de caracterización,
selección de características y reducción de dimensión, a fin de determinar un
modelo de clasificación de señales EEG equilibrado entre eficacia y coste
computacional.