Diseño e implementación de un sistema de adquisición y procesamiento de señales de electroencefalografía del simulador MiniSim EEG para la obtención de modelos con inteligencia artificial

El monitoreo y análisis de señales electroencefalográficas (EEG) representa una herramienta fundamental en el estudio de la actividad cerebral, especialmente en el diagnóstico de trastornos neurológicos como la epilepsia. Sin embargo, muchos sistemas disponibles actualmente son costosos o poco accesibles. La presente tesis aborda el desarrollo e implementación de un prototipo para la adquisición y análisis de señales EEG, orientado a la detección de epilepsia mediante técnicas de inteligencia artificial. El sistema se construyó utilizando la tarjeta de adquisición ADS1299EEG-FE junto a la motherboard MMB0 Rev D, ambas de Texas Instruments, y empleando como fuente de señales el simulador MiniSIM EEG de la marca Netech. El componente central del sistema de diagnóstico está basado en un modelo de aprendizaje automático tipo SVM (Support Vector Machine), entrenado en el entorno de programación MATLAB, que permite diferenciar entre señales EEG normales y aquellas asociadas con actividad epiléptica. Este modelo fue alimentado con datos recolectados y preprocesados del simulador conjuntamente con bases de datos ampliamente utilizadas en la investigación científica. La visualización del resultado del diagnóstico se integró en una interfaz gráfica desarrollada en LabVIEW, diseñada para ser intuitiva y de fácil uso para el usuario. En definitiva, implementar un prototipo compacto y funcional para el diagnóstico de epilepsia en señales EEG representa un avance significativo en el ámbito de la neuroingeniería y la salud digital, ya que permite llevar el monitoreo cerebral desde entornos clínicos especializados hacia contextos más accesibles y portables.

• Main Author: Chillán Aragón, Kevin Alexander (author)
• Other Authors: Colcha Escobar, Michael Kevin (author)
• Format: bachelorThesis
• Published: 2025
• Subjects: SEÑALES ELECTROENCEFALOGRÁFICAS; MACHINE LEARNING; EPILEPSIA; DIAGNOSTICO; PROTOTIPO
• Online Access: https://repositorio.espe.edu.ec/handle/21000/54796