Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12267| Title: | RECONOCIMIENTO DE MOVIMIENTO OCULAR Y PARPADEO MEDIANTE ANÁLISIS EEG Y ARTEFACTOS |
| Authors: | RIVERA CALDERÓN, OSCAR GONZALO |
| metadata.dc.subject.other: | RECONOCIMIENTO DE MOVIMIENTO OCULAR Y PARPADEO MEDIANTE ANÁLISIS EEG Y ARTEFACTOS |
| Issue Date: | 2026-01-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Chihuahua |
| Description: | La comunicación permite a una persona interactuar con otras y/o con su entorno, sin embargo, existen quienes padecen de problemas en el habla y movilidad severa y suelen tener dificultades de comunicación, lo cual afecta su calidad de vida de manera significativa. La mayoría de las personas con este tipo de discapacidad no presentan problemas con los músculos de sus ojos y los pueden mover de manera voluntaria. Esta particularidad se ha utilizado para desarrollar interfaces cerebro computadora (ICC) basadas en medición de artefactos con el fin de generar una alternativa de comunicación para estos grupos vulnerables. Sin embargo, estas ICC son complicadas de utilizar ya que para su funcionamiento es necesario realizar movimientos oculares muy pronunciados y una gran cantidad de parpadeos voluntarios que tienden a desgastar los músculos de los ojos. Por lo tanto, en esta tesis se presenta el desarrollo de un sistema ICC que adquiere señales electroencefalográficas para detectar y reconocer patrones de parpadeo y movimientos oculares simples con ángulos visuales menores a 10° (mirada arriba, abajo, izquierda y derecha) y el uso de parpadeos voluntarios se acota considerablemente. Estas características brindan la posibilidad de una interacción menos desgastante. Para desarrollar el sistema de detección y reconocimiento, se realizó un análisis del estado del arte sobre sistemas ICC para análisis de artefactos. Posteriormente, se desarrolló una interfaz visual de múltiples elementos que permite estimular los artefactos de interés y así crear una base de datos artefactos en señales EEG de 14 sujetos. Como siguiente paso, se diseñó un algoritmo para detección y reconocimiento de artefactos que tiene las etapas de preprocesamiento, extracción de características, detección y reconocimiento. La primera etapa preprocesa las señales EEG crudas para eliminar frecuencias no deseadas. La extracción de características consiste en obtener los coeficientes de wavelet y valores estadísticos de la señal EEG filtrada. La detección de artefactos se modeló como una máquina de estados que realiza un conjunto de inferencias para determinar si la señal EEG contiene artefactos. Finalmente, el reconocimiento es una red neuronal modular para encontrar el tipo de artefacto que contiene la señal. La evaluación del sistema indicó una tendencia que entre mayor tiempo de interacción tenga el sujeto con el sistema, mayor será el desempeño. Esto debido a que al evaluar el sistema con los primeros artefactos el desempeño fue de 62% y con los artefactos de las últimas interacciones el desempeño promedio sube hasta 71%. Por esta razón, se realizó una segunda base de datos con cinco sujetos de prueba que interactuaron con el sistema durante cuatro días consecutivos y la evaluación del sistema marco un desempeño promedio de 87%. Además, durante la creación de la segunda base de datos también se probó el sistema en línea donde se observó una mejora en la interacción del sujeto con el sistema tras el paso de los días. Esto también se observó en el experimento final, donde los usuarios debían interactuar con el sistema para realizar un recorrido y en los últimos días el tiempo que les tomaba realizar el recorrido fue menor al que obtuvieron en su primer día de pruebas. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Maestría en Ciencias en Ingeniería Electrónica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis Rivera Calderon Oscar Gonzalo.pdf | 5.68 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
