Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2577| Análisis y clasificación de señales EEG: ojos cerrados, parpadeos, mordida y gestos faciales para su potencial implementación en sistemas BCI | |
| David Manuel Carmona Peña | |
| Carlos Alberto Reyes Garcia Alina Santillán Guzmán | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| BCI blinks facial gestures classification SVM random forest | |
| Como seres humanos, debemos ser capaces de comunicarnos con nuestro entorno. Esto puede lograrse de dos formas: una es modificando nuestro entorno mediante mecanismos musculares, y la otra es expresando sentimientos, deseos y/o ideas. Gracias a los avances tecnológicos, esta comunicación también puede darse mediante la interacción entre humanos y computadoras, utilizando hardware, software y aplicaciones apropiadas. Estas pueden ser de gran ayuda para aquellas personas que, por algún motivo, se ven privadas de alguna de estas formas de comunicarse con su entorno. Para esto es necesario recurrir a sistemas que puedan apoyar a estas personas en sus actividades diarias. Estos sistemas se denominan interfaces cerebro-computadora (BCI, por sus siglas en inglés). Los sistemas BCI se basan en el registro de señales de la actividad cerebral mediante electroencefalogramas (EEG). Estas BCI cuentan con una gran cantidad de investigaciones que se basan en señales de control, abordando diversos neuro-paradigmas (Potenciales Evocados, potencial P300, imaginación motora y habla imaginada), que suelen ser muy complejos y requieren una gran cantidad de tiempo para su entrenamiento y uso, llegando a ser específicos para cada usuario. En consecuencia, la presente tesis explora un método alternativo que se basa en las señales EEG de los movimientos oculares verticales, acción de morder, así como los gestos faciales y los ojos cerrados. El objetivo de este trabajo es analizar y clasificar las señales EEG registradas durante la ejecución de estas acciones mencionadas, para asociarlas a comandos y su posible uso en sistemas BCI. La investigación se basa en el reconocimiento de estas acciones en las señales EEG para los comandos de avanzar, izquierda, derecha y encender. Se registraron las señales EEG de 25 sujetos, después de la eliminación de señales no aptas para el estudio, quedaron 21 sujetos, y el problema fue abordado con un algoritmo de clasificación supervisada. La selección de los canales con los que se trabajó fue mediante un análisis visual, en el cual se tomaron los canales donde se apreciaban mejor las acciones deseadas, obteniendo un total de 6 canales. Se cortaron secciones de 5 segundos donde se encontraba la acción deseada. Se obtuvieron 21 cortes por cada acción, en cada uno de los 6 canales, obteniendo un total de 126 cortes por acción por sujeto, y un total de 2646 cortes de señales por acción. As human beings, we need to be able to communicate with our environment. This can be achieved in two ways: one is by modifying our environment through muscular mechanisms, and the other is by expressing feelings, desires and/or ideas. Thanks to technological advances, this communication can also take place through humancomputer interaction, using appropriate hardware, software, and applications. These can greatly help people who, for whatever reason, are deprived of one of these ways of communicating with their environment. This requires the use of systems that can assist these people in their daily activities. These systems are called Brain-Computer Interfaces (BCI). BCI systems are based on the recording of brain activity signals using electroencephalograms (EEG). These BCIs have been the subject of a great deal of research based on control signals, addressing different neuro-paradigms (evoked potentials, P300 potential, motor imagery and imagined speech), which are usually very complex and require a great deal of time for training and use, becoming user-specific. Therefore, this thesis explores an alternative method based on EEG signals from vertical eye movements, biting, facial gestures, and closed eyes. This work aims to analyze and classify the EEG signals recorded during the execution of these actions, to associate them with commands, and to consider their possible use in BCI systems. The research is based on the recognition of these actions in the EEG signals for the commands forward, left, right and on. The EEG signals of 25 subjects were recorded, and after eliminating signals unsuitable for the study, 21 subjects remained, and the problem was approached with a supervised classification algorithm. The selection of the channels to work with was done by visual analysis, taking the channels where the desired actions were best appreciated, resulting in a total of 6 channels. Segments of 5 seconds were cut where the desired action was found. A total of 21 slices were obtained for each action, in each of the 6 channels, giving a total of 126 slices per action per subject, and a total of 2646 signal slices per action. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2024-07 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Carmona Peña, D. M., (2024), Análisis y clasificación de señales EEG: ojos cerrados, parpadeos, mordida y gestos faciales para su potencial implementación en sistemas BCI, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| OTRAS ESPECIALIDADES MÉDICAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias y Tecnologías Biomédicas |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| CARMONAPDM_TB.pdf | 20.96 MB | Adobe PDF | Visualizar/Abrir |