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