Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG
Este proyecto surge de la necesidad de satisfacer los requerimientos de individuos que, han perdido la capacidad de comandar sus extremidades y se encuentren en rehabilitación. El objetivo de este proyecto es desarrollar un algoritmo capaz de identificar la intención de movimiento en las extremida...
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2019
|
| Subjects: | |
| Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/32539 |
| _version_ | 1785802357960867840 |
|---|---|
| author | Guachún Arias, Xavier Mauricio |
| author2 | Minchala Avila, Luis Ismael |
| author_facet | Minchala Avila, Luis Ismael Guachún Arias, Xavier Mauricio |
| author_sort | Guachún Arias, Xavier Mauricio |
| collection | DSpace |
| description | Este proyecto surge de la necesidad de satisfacer los requerimientos de individuos que, han perdido la capacidad de comandar sus extremidades y se encuentren en rehabilitación. El objetivo de este proyecto es desarrollar un algoritmo capaz de identificar la intención de movimiento en las extremidades superiores e inferiores, partiendo de señales electroencefalográficas (EEG). La adquisición de señales EEG se realiza en sujetos sin patología aparente y sujetos con patologías que dificulten su movilidad, para ello se emplea el dispositivo de adquisición Emotiv EPOC+. Se implementa una etapa de acondicionamiento y pre-procesamiento de la señal, con el fin de mejorar la relación señal a ruido (SNR). Posteriormente, se aplican análisis en frecuencia y frecuencia-tiempo mediante la transformada rápida de Fourier (FFT) y transformada discreta de wavelet (DWT), respectivamente, para extraer características relacionadas con la intención de movimiento. Para la clasificación de señales se experimenta con redes neuronales artificiales (ANN), sistemas de inferencia difusa (FIS) y sistemas adaptativos por inferencia neuro-difusa (ANFIS).
Como resultados, se tiene un conjunto de datos con 40 registros de extremidades superiores y 6 registros de extremidades inferiores, correspondiente a 10 sujetos (4 registros c/u) y 3 sujetos (2 registros c/u), respectivamente. Además, se infiere que caracterizar con DWT aporta mayor información de la señal EEG, facilitando el reconocimiento de patrones característicos. Finalmente, mediante el análisis de desempeño se obtienen rendimientos de 92.39%, 86.52%, 72.13 % y 94.73 % para los clasificadores neuronal, difuso, neuro-difuso y neuronal-difuso paralelo, respectivamente. |
| format | bachelorThesis |
| id | oai:dspace.ucuenca.edu.ec:123456789-32539 |
| institution | Universidad de Cuenca |
| language | spa |
| publishDate | 2019 |
| record_format | dspace |
| spelling | oai:dspace.ucuenca.edu.ec:123456789-325392020-08-03T17:14:27Z Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG Guachún Arias, Xavier Mauricio Minchala Avila, Luis Ismael Astudillo Salinas, Darwin Fabián Electronica Telecomunicaciones Extremidades Rehabilitacion Redes Neuronales Artificiales Señales Este proyecto surge de la necesidad de satisfacer los requerimientos de individuos que, han perdido la capacidad de comandar sus extremidades y se encuentren en rehabilitación. El objetivo de este proyecto es desarrollar un algoritmo capaz de identificar la intención de movimiento en las extremidades superiores e inferiores, partiendo de señales electroencefalográficas (EEG). La adquisición de señales EEG se realiza en sujetos sin patología aparente y sujetos con patologías que dificulten su movilidad, para ello se emplea el dispositivo de adquisición Emotiv EPOC+. Se implementa una etapa de acondicionamiento y pre-procesamiento de la señal, con el fin de mejorar la relación señal a ruido (SNR). Posteriormente, se aplican análisis en frecuencia y frecuencia-tiempo mediante la transformada rápida de Fourier (FFT) y transformada discreta de wavelet (DWT), respectivamente, para extraer características relacionadas con la intención de movimiento. Para la clasificación de señales se experimenta con redes neuronales artificiales (ANN), sistemas de inferencia difusa (FIS) y sistemas adaptativos por inferencia neuro-difusa (ANFIS). Como resultados, se tiene un conjunto de datos con 40 registros de extremidades superiores y 6 registros de extremidades inferiores, correspondiente a 10 sujetos (4 registros c/u) y 3 sujetos (2 registros c/u), respectivamente. Además, se infiere que caracterizar con DWT aporta mayor información de la señal EEG, facilitando el reconocimiento de patrones característicos. Finalmente, mediante el análisis de desempeño se obtienen rendimientos de 92.39%, 86.52%, 72.13 % y 94.73 % para los clasificadores neuronal, difuso, neuro-difuso y neuronal-difuso paralelo, respectivamente. This project arises from the need to satisfy the requirements of individuals who, have lost the ability to control their limbs and are in rehabilitation. The aim of this project is to develop an algorithm capable of identifying the intention of movement in the upper and lower extremities, starting from electroencephalographic signals (EEG). The acquisition of signals EEG is performed in subjects without apparent pathology and subjects with different pathologies that impede their mobility, for which the Emotiv EPOC+ acquisition device is used. A stage of conditioning and pre-processing of the signal is implemented, in order to improve the signal-to-noise ratio (SNR). Subsequently, frequency and time-frequency analyzes are applied by the fast Fourier transform (FFT) and the discrete wavelet transform (DWT), respectively; to extract characteristics related to the intention of movement. For the classification of signals, we experiment with artificial neural networks (ANN), fuzzy inference systems (FIS) and adaptive neuro-fuzzy inference systems (ANFIS). As a result of this project we have a data set with 40 records of upper extremities and 6 records of lower extremities, corresponding to 10 subjects (4 records per subject) and 3 subjects (2 records per subject), respectively. In addition, it is inferred that the characterization with DWT provides more information, which facilitates the recognition of patterns in the signals EEG. Finally, performance analysis yields 92.39 %, 86.52 %, 72.13 % and 94.73 % for the neural, fuzzy, neuro-fuzzy and parallel neural-fuzzy classifiers, respectively. Ingeniero en Electrónica y Telecomunicaciones Cuenca 2019-04-25T19:45:42Z 2019-04-25T19:45:42Z 2019-04-25 bachelorThesis http://dspace.ucuenca.edu.ec/handle/123456789/32539 spa TET;84 application/pdf application/pdf |
| spellingShingle | Electronica Telecomunicaciones Extremidades Rehabilitacion Redes Neuronales Artificiales Señales Guachún Arias, Xavier Mauricio Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title | Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title_full | Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title_fullStr | Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title_full_unstemmed | Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title_short | Detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales EEG |
| title_sort | detección de la intención de movimiento de extremidades superiores e inferiores a través del procesamiento de señales eeg |
| topic | Electronica Telecomunicaciones Extremidades Rehabilitacion Redes Neuronales Artificiales Señales |
| url | http://dspace.ucuenca.edu.ec/handle/123456789/32539 |
| work_keys_str_mv | AT guachunariasxaviermauricio detecciondelaintenciondemovimientodeextremidadessuperioreseinferioresatravesdelprocesamientodesenaleseeg |