Interfaz cerebro máquina no invasiva basada en señales de electroencefalografía para aplicaciones domóticas

Montagut Ferizzola, Yeison Javier | 2021

RESUMEN: Las personas en situación de discapacidad motora, en algunas ocasiones no están en la capacidad de realizar tareas cotidianas, llevándolas a suplir éstas por medio de un familiar o a través medios económicos. En la actualidad, los sistemas desarrollados con el fin de suplir estas necesidades representan altos costos. Por esta razón, en este trabajo de grado, se realizará una interfaz cerebro-máquina versátil, orientada al control de actuadores en un entorno domótico, la cual, basará su funcionamiento a partir de ritmos sensoriomotores, generados por la intención de movimiento. Para el desarrollo de este trabajo de grado, se seguirá en líneas generales la metodología de George Dieter, la cual se fundamenta en que el proceso de diseño debe ser iterativo, de manera que se llegue a un prototipo que cumpla con las especificaciones requeridas. Se espera que el prototipo interfaz cerebro-máquina (BCI), que se diseñará por medio de la integración de sistemas mecánicos, electrónicos y de programación sea preciso, confiable y versátil, así permitiendo que su posible implementación futura y pueda mejorar la calidad de vida de este segmento de la población. Para el desarrollo del proyecto se deben seguir una serie de etapas para llegar a tomar de decisiones por medio de un sistema de clasificación. Lo primero es adecuar el sistema de adquisición de acuerdo con la necesidad del proyecto, luego de esto se implementa un protocolo sencillo para la toma de datos del usuario. Posteriormente viene una macro-etapa de identificación y procesamiento de las señales, en esta etapa se utilizarán diversas técnicas para el análisis en el dominio del tiempo y de la frecuencia con el objetivo de obtener una caracterización confiable de los datos. Luego de esta etapa, se procede a implementar un sistema de clasificación basado en algoritmos de machine learning, para esto se tuvo apoyo de la gran variedad de librerías que tiene Python para el análisis de los diferentes clasificadores que existen. Por último, se realizaron una serie de pruebas, tanto Offline como Online para determinar si el modelo extraído de los clasificadores cumple satisfactoriamente con los requisitos del sistema.