Detección del movimiento motor imaginario de extremidades en señales de EEG usando medidas no lineales y algoritmos de inteligencia artificial.

Luis Fernando Xicotencatl López Lazo

Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2983

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Carlos Andrés Pérez Ramírez	es_ES
dc.creator	Luis Fernando Xicotencatl López Lazo	es_ES
dc.date	2021-07-04	-
dc.date.accessioned	2021-07-22T14:04:21Z	-
dc.date.available	2021-07-22T14:04:21Z	-
dc.date.issued	2021-07-04	-
dc.identifier	Procesamiento de bioseñales	es_ES
dc.identifier	Electroencefalograma	es_ES
dc.identifier	Movimiento motor Imaginario	es_ES
dc.identifier	Algoritmos no lineales	es_ES
dc.identifier	Redes neuronales	es_ES
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/2983	-
dc.description	Las señales de electroencefalograma (EEG) son comúnmente empleadas debido a la gran cantidad de información que contiene, así como a las aplicaciones que se les puede dar: desde el diagnóstico de enfermedades hasta su interpretación para su empleo en diferentes sistemas. Un ejemplo del punto anterior es el caso de las señales de movimiento motor imaginario (MI) que, gracias a sus características de origen, son las preferidas para ser empleadas en interfaces cerebro computadora (BCI), ya que con ellas puede realizarse el control y manipulación de prótesis y ortesis, por mencionar el ejemplo más evidente. Este trabajo de tesis propone una metodología para la clasificación de dichas señales empleando algoritmos de moderada carga computacional, sin que ello implique perder exactitud en el proceso (comparada con otras metodologías contemporáneas). De esta manera, este trabajo propone las bases de un trabajo futuro para el desarrollo de BCIs. En particular, se trabajaron señales de MI de mano derecha y pierna izquierda provenientes de una base de datos de 11 sujetos de prueba; de esta base de datos se tomaron las señales adquiridas del electrodo C3 y C4 (en el área de la corteza motora). A dichas señales se las descompuso en tiempo-frecuencia con la transformada wavelet por paquetes (WPT), posteriormente, se le extrajeron características con diferentes métodos para comparar su efectividad. Entre los métodos comparados, se encuentran métodos de dimensión fractal como lo son el algoritmo de Katz, el algoritmo de Higuchi, el algoritmo de conteo de cajas y el algoritmo de Sevcik. Así mismo se compararon métodos de entropías como lo son la entropía de Shannon, la entropía de aproximación y la entropía de permutación. Empleando el método de análisis de varianza (ANOVA) no paramétrico, se determinó el método de dimensión fractal de Higuchi como el mejor método de extracción de características. Haciendo uso de una red neuronal multicapa con 20 neuronas en la capa oculta se clasificaron los datos previamente adquiridos, obteniendo una exactitud del 91.7% clasificando movimiento de pierna izquierda y mano derecha.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.relation.requires	No	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.subject	CIENCIAS TECNOLÓGICAS	es_ES
dc.subject	OTRAS ESPECIALIDADES TECNOLÓGICAS	es_ES
dc.title	Detección del movimiento motor imaginario de extremidades en señales de EEG usando medidas no lineales y algoritmos de inteligencia artificial.	es_ES
dc.type	Tesis de licenciatura	es_ES
dc.creator.tid	CURP	es_ES
dc.creator.identificador	LOLL981224HDFPZS16	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Ingeniería Biomédica	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Licenciatura	es_ES
Aparece en las colecciones:	Ingeniería Biomédica

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
RI006028.pdf		1.66 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem