Examinando por Autor "Perrone Claro, Sebastián"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Sistema embebido de adquisición y procesamiento de señales electroencefalográficas con potencial uso en el control de sistemas de movilidad asistida
    (Universidad EIA, 2025) Perrone Claro, Sebastián; Quijano Macías, Nicolás; Quintero Zea, Andrés
    RESUMEN:Las lesiones de médula espinal impactan considerablemente la vida de quien las presenta, generando consecuencias en ámbitos económicos, sociales y psicológicos, debido a la reducción o pérdida de la movilidad en las extremidades. Los dispositivos de apoyo convencionales con los que hoy en día se cuenta para este tipo de discapacidades, presentan problemas y limitaciones a la hora de ayudar a quien la sufre. Se han planteado dispositivos que permiten la interacción con la actividad cerebral remanente en los pacientes, desempeñándose como interfaces entre estos y sistemas que suplan las necesidades debidas a la discapacidad. En este contexto se plantea el presente trabajo en el que se diseñará y desarrollará un sistema embebido de adquisición y clasificación de señales de electroencefalografía que implemente ensambles de máquinas de soporte vectorial para la discriminación de las señales de intención de movimiento de las cuatro extremidades. Esto, siendo un potencial enfoque para el control de sistemas robóticos de movilidad asistida. En el desarrollo se tratan temas de adquisición de señales de electroencefalografía, procesamiento digital de señales, extracción de características y optimización de hiperparámetros para el entrenamiento de máquinas de soporte vectorial; todo, con un enfoque en dispositivos embebidos que sirva de base para el futuro desarrollo de wearables de bajo costo que mejoren la calidad de vida de las personas con discapacidades debidas a lesiones de médula espinal. El prototipo de interfaz cerebro computador desarrollado es capaz de clasificar de forma satisfactoria el estado de reposo y la intención de movimiento de cada una de las cuatro extremidades en pruebas offline de acuerdo con métricas de desempeño, como la exactitud y la brecha de generalización.