Publicación: Interfaz cerebro máquina portátil para accionar un brazo humanoide
Portada
Citas bibliográficas
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Palabras claves
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
En Colombia las prótesis de miembro superior más usadas son aquellas cuya función es similar a la pinza. Dicha función suele ser accionada por movimientos físicos del portador, en especial de los músculos ubicados sobre el omóplato, bíceps y tríceps. Una de las posibles soluciones a este problema es utilizar los sistemas de interfaz cerebro máquina (ICM), los cuales han permitido que personas en situación de discapacidad, controlen sistemas digitales con el pensamiento (esto incluye los brazos humanoides), pero generalmente requiere una computadora con alto poder computacional para su uso. Este proyecto propone una ICM portátil que permitirá mover un brazo humanoide a través de ondas cerebrales captadas de un usuario. Por lo tanto, el proyecto genera una alternativa al control de prótesis de miembro superior, para aquellos que no pueden desarrollar movimientos para accionarlas. No obstante, la ICM no solo sería funcional para este fin, también se podría integrar con otros sistemas digitales, lo que permitiría desarrollar interfaces útiles para toda clase de usuarios, entre ellos las personas en circunstancia de movilidad reducida. Para llevar esto a cabo, lo primero que se debe hacer es identificar las características de las señales. Además, se debe implementar un sistema de adquisición de señales de electroencefalografía (EEG) portátil. Se identifican algunas posiciones en la corteza cerebral que permiten utilizar un número mínimo de electrodos para poder diferenciar entre tres clases: abrir, cerrar y no ejecutar ningún movimiento. Se implementa un protocolo de entrenamiento para poder adquirir los datos que sirven como base para la extracción de características en la señal de EEG empleando filtros y Common Spatial Pattern (CSP). Luego de esto se utiliza Linear Discriminant Analysis (LDA) con el fin de que el algoritmo sea capaz de asociar estas características a una clase determinada. Para el desarrollo del algoritmo se utiliza Python como lenguaje de programación, ya que este es un lenguaje open-source muy bien documentado y para el cual sus usuarios desarrollan librerías que pueden realizar funciones prácticas para este proyecto.