Resumen

Los seres humanos siempre hemos tenido un interés particular tanto en entendernos a nosotros mismos como al entorno con el que interactuamos. Un ejemplo de esta búsqueda del conocimiento sería el estudio de nuestro propio cerebro. Aunque hemos creado herramientas y metodologías para estudiar su estructura y complejidad, aún tenemos dudas sobre su desempeño durante tareas diarias, las emociones, y los sentimientos. Para entender estos fenómenos,la neurociencia, con ayuda de herramientas computacionales, analiza tanto imágenes como actividad eléctrica del cerebro. Una de las técnicas usadas para analizar la señal cerebral es la asimilación de datos (DA), que combina el modelado numérico y las observaciones que mejor representen el estado del sistema. Aún cuando DA se ha usado para analizar el cerebro, otras disciplinas como la aeroespacial, navegación de sistemas y meteorología han tenido más desarrollo y estudio con esta técnica. En esta tesis se presenta una metodología que combina el uso de DA junto con técnicas de electroencefalograma cuantitativo (QEEG). Para ésto, se eligió como método DA el filtro de Kalman en ensamble (EnKF) y como métodos de análisis QEEG la coherencia y la potencia espectral. La primera se utiliza para seleccionar los sensores más relevantes, mientras que la segunda tiene como objetivo evaluar los cambios en las bandas de frecuencia. Con esta información, podemos empezar a entender cómo los electrodos de diferentes áreas del cerebro contribuyen o no en la potencia espectral correspondiente. La metodología presentada en esta tesis pretende funcionar como una herramienta de apoyo para el análisis de la habilidad cognitiva, motriz, desórdenes neurológicos, entre otros. Para demostrar la viabilidad de la metodología propuesta, se utilizaron dos bases de datos de señales de electroencefalografía (EEG) cuyos estudios se enfocaron en la concentración y en el aprendizaje de una nueva habilidad. Los resultados obtenidos muestran las ventajas de combinar el uso del EnKF junto con los métodos QEEG para el estudio de los fenómenos electroencefalográficos. Palabras clave: Asimilación de datos, filtro de Kalman en ensamble, características cuantificables del electroencefalograma.

Palabras clave: Asimilación de datos, filtro de Kalman en ensamble, características cuantificables del electroencefalograma.

Documento completo (archivo pdf, 2 mb)

Índice de contenido

Portada

Agradecimientos

Índices

Glosario

Capítulo 1. Introducción

Capítulo 2. Marco teórico

Capítulo 3. Metodología propuesta

Capítulo 4. Resultados y discusión

Capítulo 5. Conclusiones y trabajo a futuro

Referencias

Apéndice A. Potencia espectral de Dataset LGR

Apéndice B. Potencia espectral de Dataset DM

Documento completo (archivo pdf, 2 mb)

Peralta Malváez, L. 2020. Uso de asimilación de datos para el análisis de electroencefalograma cuantitativo. Tesis Doctorado. Sistemas Inteligentes. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Diciembre. Derechos Reservados © 2020.