Desarrollo de un sistema BCI basado en redes neuronales y movimientos de la cabeza para el manejo de un ordenador
El presente trabajo ha surgido con la finalidad de brindar un aporte a los sistemas BCI, a través del campo de la Inteligencia Artificial, es así, que se ha desarrollado una interfaz cerebro computadora (BCI), destinada al manejo de un ordenador y orientada principalmente a personas que poseen movil...
Saved in:
| 主要作者: | |
|---|---|
| 格式: | bachelorThesis |
| 語言: | spa |
| 出版: |
2021
|
| 主題: | |
| 在線閱讀: | http://dspace.ups.edu.ec/handle/123456789/20288 |
| 標簽: |
添加標簽
沒有標簽, 成為第一個標記此記錄!
|
添加標簽 | 總結: | El presente trabajo ha surgido con la finalidad de brindar un aporte a los sistemas BCI, a través del campo de la Inteligencia Artificial, es así, que se ha desarrollado una interfaz cerebro computadora (BCI), destinada al manejo de un ordenador y orientada principalmente a personas que poseen movilidad reducida en sus extremidades superiores. Dado que un sistema BCI se caracteriza por hacer uso de señales cerebrales del usuario a través de relacionar ciertos patrones cerebrales, se estableció como patrones o estrategias de señales de control el uso de guiños de ojos. En virtud de esto, se seleccionó la diadema Emotiv Insight como dispositivo de captura de señales EEG. El tratamiento de las señales obtenidas se las realizó en la etapa de extracción de características, en la que se consideró aspectos de series temporales y ventanas de tiempo para el proceso de etiquetado de las señales y la determinación de eventos. Por su parte, para el proceso de clasificación de las señales se utilizó una red neuronal MLP, como algoritmo de clasificación del data set de features, alcanzando el clasificador durante el proceso de entrenamiento una precisión de clasificación del 91.53 %. Esto permitió generar un modelo de clasificación, a fin de clasificar en tiempo real las señales captadas por la diadema sobre tres posibles acciones de los eventos del mouse: click izquierdo, click derecho y none. Para el control del cursor del mouse a través de movimientos de la cabeza del usuario, se utilizó los acelerómetros de la diadema y el Filtro de Kalman como herramienta para minimizar ruidos y estimar la posición real del cursor del mouse. Finalmente, se realizaron pruebas para validar el sistema donde se incluyó personas sanas y personas con algún tipo de limitación física en sus extremidades superiores, alcanzando el sistema una precisión del 88.06 %. |
|---|