Estudio de técnicas de preprocesamiento, procesamiento y clasificación de señales EEG de la Imaginación Motora para la rehabilitación de la marcha
Year: 2021
Type: dissertation
Abstract: En este Trabajo de Fin de Máster (TFM) se presenta un estudio de investigación de algunas técnicas de preprocesamiento, procesamiento y clasificación de señales de electroencefalografía (EEG) de la Imaginación Motora (MI) para la rehabilitación de la marcha mediante un exoesqueleto de miembro inferior. Para ello se realiza un estudio sobre las Interfaces Cerebro-Máquina (BMI), tecnología utilizada para registrar las señales y que dicta todas las etapas necesarias para el desarrollo de este TFM. Se han utilizado dos conjuntos de datos de señales neuronales, uno más básico utilizado para comprender como funcionan los sistemas BMI y otro más avanzado, a los cuales se les han aplicado diversas técnicas de extracción de características y distintos clasificadores. En este TFM destaca el uso de las Redes Neuronales Convolucionales (CNN), las cuales, a parte de otros clasificadores, han sido utilizadas en el conjunto de datos avanzado. Estas redes se han utilizado con dos métodos diferentes. El primer método, común en el estado del arte, utiliza el conjunto de datos con los datos en bruto (en el estado del arte también se suele preprocesar) utilizando la CNN como una red de filtrado temporal y espacial que finalmente clasifica. El segundo método, planteado en este TFM, introduce en la CNN los datos de características extraídas mediante el método FBCSP del conjunto de datos. Se ha observado como el método propuesto en este TFM alcanza accuracies mucho mayores a cualquiera de los otros clasificadores estudiados en este trabajo.---ABSTRACT---In this Master’s Final Project, the aim is to present a research study related to preprocessing, processing, and classification techniques of electroencephalography (EEG) signals. This is going to be done from the Motor Imagery for gait rehabilitation through a lower-limb robotic exoskeleton. For it, a study about Brain Machine Interfaces (BMI) was carried out, a technology used to register the signals that dictates all the stages needed for the development of this Project. Two sets of neural signal data have been used, a basic one used to understand how BMI systems work and an advanced one, both of which various feature extraction techniques and different classifiers have been applied. In this Project, the use of Convolutional Neural Networks stands out, which, apart from other classifiers, have been used in the advanced dataset. These Neural Networks have been put to use with two different methods. The first method is unexceptional in the State Of The Art; it uses the dataset with the raw data (in the State Of The Art the preprocessed is normally used too) utilizing the CNN as a temporal and spatial filter Network that classify at the end. The second method, proposed in this Project, introduces in the CNN the data from features extracted through the FBCSP method from the dataset. It has been observed that the proposed method reaches higher accuracies compared to other classifiers studied in this Project.
Author: Gómez Gálvez, Sandra
Language: Spanish
Subfield: Cognitive Neuroscience
Field: Neuroscience
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W6981669667