Control de prótesis de mano robótica mediante una interfaz BCI basada en señales de EEG de baja densidad
Year: 2025
Type: dissertation
Abstract: RESUMEN: El presente trabajo desarrolló un sistema BCI (Brain-Computer Interface) orientado a la detección de la intención de movimiento de manos y pies mediante el paradigma de Motor Imagery. Para ello, se utilizó la base de datos validada Motor Imagery/Execution BCI2000, implementando un flujo metodológico que integró etapas de preprocesamiento, extracción de características, clasificación y modelado de fuentes cerebrales. Todo el procesamiento fue realizado en Python, utilizando el entorno JupyterLab y la librería MNE, junto con otros módulos nativos y externos que permitieron un desarrollo programático flexible y reproducible. El sistema fue diseñado para comparar el desempeño entre dos configuraciones de electrodos una de alta densidad (64 canales) y otra de baja densidad (16 canales), empleando un modelo de selección de electrodos basado en la identificación de fuentes cerebrales bajo distintos escenarios. En la etapa de análisis de características se implementaron dos enfoques principales: CSP (Common Spatial Patterns), ampliamente utilizado en sistemas BCI por su robustez y capacidad discriminativa, y CWQTFD (Choi-William Quadratic Time-Frequency Distribution), una característica compleja en el dominio tiempo-frecuencia que ofrece alta resolución temporal y espacial. Los resultados demostraron una dualidad en la exactitud de la clasificación con CSP, obteniendo resultados altos a nivel individual y personalizado, y resultados más bajos en torno a un modelo de clasificación general, de una u otra manera alcanzando valores comparables con estudios previos en la literatura. En contraste, CWQTFD mostró un desempeño limitado, aunque su implementación en redes neuronales evidenció un gran potencial de aprendizaje, dependiente de la calidad de los datos y la arquitectura del modelo. Finalmente, se comprobó que el modelo propuesto de 16 electrodos logró resultados similares a los obtenidos con el sistema de 64 electrodos, validando la pertinencia del método de selección basado en principios eléctricos y anatómicos de la electrofisiología cerebral. A pesar de las limitaciones técnicas y logísticas durante el desarrollo, el proyecto permitió construir y validar un sistema BCI funcional, ofreciendo una base metodológica sólida y adaptable para futuros estudios experimentales en neurociencia y decodificación cerebral.
Author: Alzate Márquez, Mateo
Language: Spanish
Subfield: Cognitive Neuroscience
Field: Neuroscience
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W7116215109