dc.contributor.advisor |
Torres Soto, María Dolores |
es_MX |
dc.contributor.advisor |
Torres Soto, Aurora |
es_MX |
dc.contributor.advisor |
Gallegos Acosta, Alexis Edmundo |
es_MX |
dc.contributor.author |
Martínez Díaz, Carlos Antonio |
es_MX |
dc.date.accessioned |
2023-06-02T14:23:14Z |
|
dc.date.available |
2023-06-02T14:23:14Z |
|
dc.date.issued |
2022-05-19 |
|
dc.identifier.other |
457404 |
|
dc.identifier.uri |
http://hdl.handle.net/11317/2529 |
|
dc.description |
Tesis (maestría en informática y tecnologías computacionales)--Centro de Ciencias Básicas |
es_MX |
dc.description.abstract |
Resumen
Una gran parte de la población mundial posee alguna discapacidad que complica la forma en que se relaciona en la sociedad. Estas personas se ven obligadas a convivir en un ambiente que no está diseñado para su realidad y esto provoca una situación de desigualdad y de exclusión.
Bajo este contexto es importante crear herramientas que disminuyan la brecha de desigualdad, creando ambientes que permitan la inclusión. Utilizando los conocimientos de inteligencia artificial y neurociencia, se crearon técnicas de Interfaces Cerebro-Computadora (Brain-Computer Interface, BCI) que ayuda a diseñar y construir herramientas adaptadas a sus condiciones.
Existen diferentes tipos de BCI, como son las enfocadas en rehabilitación motora para pacientes que sufren una lesión muscular, o la necesidad de controlar dispositivos robóticos como brazos y manos robóticas, otras BCI apoyan la comunicación entre otros tipos de herramientas. Las BCI brindan soporte a las personas a través de interfaces diseñadas para interactuar utilizando comandos mentales que le indican a la interfaz la acción que debe de realizar, por ejemplo, mover algún equipo como una silla de ruedas o utilizar algún tipo de software entre muchas otras.
Las técnicas de las BCI se encuentran en constante desarrollo desde su concepción en 1973. En esta área aún se pueden producir aportes que ayuden a su desarrollo, tanto en tecnologías que ayuden en su elaboración o en información acerca del funcionamiento y entendimiento del sistema nervioso central, de manera que se pueda simular la reacción que tendría este en un cuerpo mediante la emisión de ciertas señales específicas.
Para este trabajo de investigación se desarrolló una BCI que se enfoca en el control de un personaje de videojuegos a través de los comandos de habla imaginaria e intención de movimiento: “avanzar”, “saltar” y “pausar”, utilizando las herramientas que ofrece Python para la implementación de machine learning, junto con el dispositivo electroencefalográfico Emotiv Epoc + que cuenta con 14 nodos ubicados con base al estándar 10-20 para la extracción de las señales electroencefalográficas. A través de una red neuronal artificial se identifican los patrones que genera el electroencefalograma para seleccionar el comando que activará una de las acciones anteriormente mencionadas en el videojuego en tiempo real.
El propósito del desarrollo de esta aplicación es plantear las bases para la elaboración de una aplicación tipo software que funcione con instrucciones o comandos emitidos directamente desde el cerebro de una persona de manera que pueda ser utilizado sin importar las limitaciones físicas que el usuario pueda presentar.
Palabras clave: Interfaz cerebro-computadora, red neuronal artificial, electroencefalograma, inteligencia artificial, señales electroencefalográficas. |
es_MX |
dc.description.abstract |
Abstract
A large part of the world's population has a disability that complicates the way they relate in society. These people are forced to live in an environment that is not designed for their reality and this causes a situation of inequality and often exclusion.
In this context, it is important to create tools that reduce the inequality gap, creating environments that allow inclusion. Using knowledge of artificial intelligence and neuroscience, the techniques of Brain-Computer Interfaces (BCI) was created to help design and build tools adapted to their conditions.
There are different types of BCIs, such as those focused on motor rehabilitation for patients suffering a muscle injury, or the need to control robotic devices such as robotic arms and hands, as well as some that support communication and other types of tools. BCIs provide support to people through interfaces designed to interact using mental commands that tell the interface the action to perform, for example, move some equipment such as a wheelchair or use some type of software among many others.
BCI techniques is in constant development since its conception in 1973. In this area there are still contributions that can be produced to help its development, both in technologies that help in its development, or information about the operation and understanding of the central nervous system, so that you can simulate the reaction that would have this in a body by issuing certain specific signals.
For this research work, a BCI was developed that focuses on the control of a video game character through imaginary speech commands and movement intention: "move forward", "jump" and "pause", using the tools offered by Python for the implementation of machine learning, along with the Emotiv Epoc + electroencephalographic device that has 14 nodes located based on the 10-20 standard for the extraction of electroencephalographic signals.
Through an artificial neural network, the patterns generated by the electroencephalogram are identified to select the command that will activate the aforementioned actions in the video game in real time. The purpose of the development of this application is to lay the foundations for the development of a software application that works with instructions or commands issued directly from the brain of a person so that it can be used regardless of the physical limitations that the user may have.
Keywords: Brain-computer interface, artificial neural network, electroencephalogram, artificial intelligence, electroencephalographic signals. |
es_MX |
dc.language |
es |
es_MX |
dc.publisher |
Universidad Autónoma de Aguascalientes |
es_MX |
dc.subject |
Inteligencia artificial |
es_MX |
dc.subject |
Neurociencia computacional |
es_MX |
dc.subject |
Electroencefalografía |
es_MX |
dc.title |
Aprendizaje automático en la interpretación de señales electroencefalográficas |
es_MX |
dc.type |
Tesis |
es_MX |