Tesis profesional presentada por Diana Pérez Mosqueda [diana.pm.13@gmail.com]

Miembro del Programa de Honores. Licenciatura en Ingeniería Biomédica. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica. Escuela de Ingeniería, Universidad de las Américas Puebla.

Jurado Calificador

Directora: Dra. Rocío Salazar Varas
Presidente: Dr. Jorge Rodríguez Asomoza
Secretario: Dr. Juan Horacio Espinoza Rodríguez

Cholula, Puebla, México a 6 de diciembre de 2022.

Resumen

Las Interfaces Cerebro-Computadora (BCI?s, del inglés Brain-Computer Interfaces) son sistemas que permiten interpretar la información cerebral para traducir la intención del usuario, y mediante el procedimiento adecuado, tomarla como un control a un dispositivo. Una de sus aplicaciones se encuentra en los deletreadores basados en potenciales P300. Estos potenciales se presentan instantes posteriores a que el sujeto recibe un estímulo (audible o visual) trascendente.

En el presente trabajo se muestra, en primera instancia, la comparación de diferentes características para la detección del potencial P300 en combinación con una máquina de soporte vectorial (del inglés Support-Vector Machine, SVM). Los resultados reflejan que la varianza de la señal es una buena característica para esta aplicación. Para evaluar el desempeño del sistema se empleó una base de datos pública, logrando un porcentaje de clasificaciones correctas del 98.4 %.

Posteriormente se presenta una propuesta de interfaz cerebro computadora basada en potenciales P300, desarrollada en MATLAB.

Palabras clave: BCI, EEG, Potenciales Evocados, P300, Clasificación SVM.

Índice de contenido

Portada

Índices

Capítulo 1. Introducción

Capítulo 2. Justificación

Capítulo 3. Objetivos

  • 3.1 Objetivos específicos

Capítulo 4. Marco Teórico

  • 4.1 Electroencefalografía (EEG)
  • 4.2 Interfaces Cerebro-Computadora (BCI)
  • 4.3 Potencial Evocado P300 y Paradigma Odd-ball
  • 4.4 Algoritmos utilizados para clasificación de P300
  • 4.5 Metodologías previas

Capítulo 5. Metodología

  • 5.1 Evaluación de características y clasificación de señales
  • 5.2 Propuesta de interfaz

Capítulo 6. Resultados

  • 6.1 Evaluación de características y detección del P300

Capítulo 7. Conclusiones y Recomendaciones

Referencias

Anexo A. Clasificador P300 offline utilizando el parámetro Varianza

Anexo B. Clasificador P300 offline utilizando el parámetro Polinomios para Ajuste polinomial de curvas

Anexo C. Clasificador P300 offline utilizando el parámetro Coherencia

Anexo D. Clasificador P300 offline utilizando el parámetro Correlación

Anexo E. Clasificador P300 offline utilizando el parámetro Dimensión fractal

Anexo F. Prueba bilateral de medias

Anexo G. Clasificador P300 pseudo-online utilizando parámetro Varianza

Anexo H. Programa para adquisición de interfaz

Anexo I. Programa de entrenamiento offline de interfaz

Anexo J. Programa ejemplo para conexión de clasificador con Arduino

Pérez Mosqueda, D. 2022. Uso de la varianza y el clasificador SVM para la detección de potenciales P300 y propuesta para diseño de Interfaz Cerebro-Computadora. Tesis Licenciatura. Ingeniería Biomédica. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Diciembre. Derechos Reservados © 2022.