Página principal > Extracción y selección de características para un sistema brain computer interface (BCI) mediante algoritmos genéticos (AG) > premis
Universidad de Zaragoza Custodiado por la Biblioteca de la Universidad de Zaragoza Premis-plugin for CDSInvenio, developed by Miguel Martín Miguel Martín González
oai:zaguan.unizar.es:9224 2017-08-31
spa Mallea Lobera, Diego Ignacio Mínguez Zafra, Javier Civera Sancho, Javier Extracción y selección de características para un sistema brain computer interface (BCI) mediante algoritmos genéticos (AG) https://zaguan.unizar.es/record/9224/files/TAZ-TFM-2012-914.pdf Los sistemas Brain Computer Interface (BCI) son una tecnología basada en la adquisición y procesamiento de señales cerebrales para el control de diversos dispositivos. Estos sistemas establecen el camino para interactuar con el exterior mediante nuestro pensamiento, transformándolo en acciones reales en nuestro entorno. Usualmente estos sistemas se enfocan en reconocer eventos que tienen su reflejo en el electroencefalograma (EEG). Dichos eventos representan distintos estados mentales, que deberán identificarse como distintas clases mediante un sistema de clasificación. En un sistema BCI, tras la adquisición de las señales cerebrales se realiza un procesado, o extracción de características, cuya clasificación determina la clase a la que pertenece dicha señal. Para la clasificación de las señales EEG se pueden utilizar infinidad de características, con un coste de procesamiento y fiabilidad dispares. Por ello, la selección de las más discriminativas es imprescindible a la hora de diseñar BCIs funcionales. En el presente proyecto se implementarán y ampliarán los métodos empleados en trabajos previos [1], con el fin de ampliar los resultados de clasificación obtenidos hasta la fecha. Para ello se implementará un sistema, basado en algoritmos genéticos (AG), que permitirá realizar la selección de las características óptimas para la clasificación de señales EEG correspondientes a dos estados mentales distintos. Este sistema se validara con un problema de clasificación de dos clases, formadas por los estados mentales de los eventos de reposo y movimiento de la mano derecha. Como parte práctica del proyecto se colaborará en sesiones de experimentación para la adquisición de señales EEG en pacientes de lesión medular, en colaboración con el Hospital Miguel Servet de Zaragoza. Referencias: [1] Corralejo R, Hornero R, Álvarez D. Feature selection using a genetic algorithm in a motor imagery-based Brain Computer Interface, Biomedical Engineering Group, GIB, Dpto TSCIT, University of Valladolid, Paseo Belén 15, 47011 Valladolid, Spain. rebeca.corralejo@uva.es 2014-11-27 9224 20170831220420.0 TAZ-TFM-2012-914 spa Mallea Lobera, Diego Ignacio Extracción y selección de características para un sistema brain computer interface (BCI) mediante algoritmos genéticos (AG) Zaragoza Universidad de Zaragoza 2012 by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ Los sistemas Brain Computer Interface (BCI) son una tecnología basada en la adquisición y procesamiento de señales cerebrales para el control de diversos dispositivos. Estos sistemas establecen el camino para interactuar con el exterior mediante nuestro pensamiento, transformándolo en acciones reales en nuestro entorno. Usualmente estos sistemas se enfocan en reconocer eventos que tienen su reflejo en el electroencefalograma (EEG). Dichos eventos representan distintos estados mentales, que deberán identificarse como distintas clases mediante un sistema de clasificación. En un sistema BCI, tras la adquisición de las señales cerebrales se realiza un procesado, o extracción de características, cuya clasificación determina la clase a la que pertenece dicha señal. Para la clasificación de las señales EEG se pueden utilizar infinidad de características, con un coste de procesamiento y fiabilidad dispares. Por ello, la selección de las más discriminativas es imprescindible a la hora de diseñar BCIs funcionales. En el presente proyecto se implementarán y ampliarán los métodos empleados en trabajos previos [1], con el fin de ampliar los resultados de clasificación obtenidos hasta la fecha. Para ello se implementará un sistema, basado en algoritmos genéticos (AG), que permitirá realizar la selección de las características óptimas para la clasificación de señales EEG correspondientes a dos estados mentales distintos. Este sistema se validara con un problema de clasificación de dos clases, formadas por los estados mentales de los eventos de reposo y movimiento de la mano derecha. Como parte práctica del proyecto se colaborará en sesiones de experimentación para la adquisición de señales EEG en pacientes de lesión medular, en colaboración con el Hospital Miguel Servet de Zaragoza. Referencias: [1] Corralejo R, Hornero R, Álvarez D. Feature selection using a genetic algorithm in a motor imagery-based Brain Computer Interface, Biomedical Engineering Group, GIB, Dpto TSCIT, University of Valladolid, Paseo Belén 15, 47011 Valladolid, Spain. rebeca.corralejo@uva.es Máster Universitario en Ingeniería Biomédica Derechos regulados por licencia Creative Commons sistema brain computer interface (bci) electroencefalograma (eeg) extracción de características algoritmos genéticos (ag) clasificación Mínguez Zafra, Javier dir. Civera Sancho, Javier dir. Universidad de Zaragoza Informática e Ingeniería de Sistemas Ingeniería de Sistemas y Automática 503131@celes.unizar.es 2394303 https://zaguan.unizar.es/record/9224/files/TAZ-TFM-2012-914.pdf Memoria (spa) oai:zaguan.unizar.es:9224 driver trabajos-fin-master TAZ TFM EINA URI https://zaguan.unizar.es/record/9224 SUPPORTED 0 MD5 https://zaguan.unizar.es/record/9224/files/TAZ-TFM-2012-914.md5 0 image/x.djvu 6 http://djvu.sourceforge.net/abstract.html DJVU/6 Profile information Lizardtech Document Express Enterprise 5.1 0 URI https://zaguan.unizar.es/record/9224/files/TAZ-TFM-2012-914.pdf disk Minimum View Print Visualization of DJVU requires specific software, like DjVu Browser Plugin URI http://creativecommons.org/licenses/by-nc/3.0 URI http://creativecommons.org/licenses/by-nc/3.0 license URI http://creativecommons.org/licenses/by-nc/3.0 You are free to adapt, copy, transmite or distribute the work under the following conditions: (1) You must attribute the work in the manner specified by the author or licensor (but not in any way that suggests that they endorse you or your use of the work). (2) You may not use this work for commercial purposes (3) For any reuse or distribution, you must make clear to others the license terms of this work (4) Any of the above conditions can be waived if you get permission from the copyright holder (5) Nothing in this license impairs or restricts the author's moral rights This object is licensed under Creative Common Attribution-NonCommercial 3.0 (further details: http://creativecommons.org/licenses/by-nc/3.0/). Universidad de Zaragoza Automatizacion de Bibliotecas Edif. Matematicas, Pedro Cerbuna 12, 50009 Zaragoza auto.buz@unizar.es