Mostrar el registro sencillo del ítem
dc.contributor.advisor | Hornero Sánchez, Roberto | es |
dc.contributor.advisor | Martínez Cagigal, Víctor | es |
dc.contributor.author | Franzoni Uriarte, Chiara | |
dc.contributor.editor | Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación | es |
dc.date.accessioned | 2018-11-27T09:03:22Z | |
dc.date.available | 2018-11-27T09:03:22Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://uvadoc.uva.es/handle/10324/32957 | |
dc.description.abstract | Desde que Hans Berger descubrió el electroencefalograma (EEG) en 1929, las ondas cerebrales comenzaron a estudiarse con la finalidad de ayudar al diagnóstico de ciertas enfermedades. En la segunda mitad del siglo XX se describió por primera vez un sistema Brain-Computer Interface (BCI) como una forma de comunicación entre el cerebro y el medio sin la intervención de nervios ni músculos. Estos sistemas permiten el control de dispositivos mediante la clasificación de ciertas características de la actividad cerebral, que reflejen la intención del usuario. La investigación de sistemas BCI se ha centrado principalmente en desarrollar poderosas técnicas de procesamiento de señales y aprendizaje de máquina, para clasificar con precisión la intención del usuario. No obstante, incluso con los mejores algoritmos, el buen manejo de ciertos sistemas BCI depende significativamente de cómo los usuarios puedan modular voluntariamente su actividad neuronal. Aprender a manejar estos sistemas requiere de un repetido entrenamiento cognitivo con retroalimentación (NFT). El objetivo de este trabajo se centra en diseñar y desarrollar una plataforma BCI de NFT para Android. Tras realizar una revisión del estado del arte, se concluye que la mejor manera de llevar a cabo el entrenamiento es mediante la imaginación motora (MI), que se basa en los ritmos sensoriomotores (SMR) como señal de control. La finalidad del NFT es mejorar ciertas capacidades cognitivas de los usuarios. En la arquitectura de la aplicación se distinguen dos partes fundamentales: procesado y feedback. El procesado de señal se realiza en un ordenador mediante BCI2000, que traduce el EEG del usuario en señales de control de la aplicación. Posteriormente, se envían por Bluetooth al dispositivo móvil donde se presenta el feedback al usuario. La aplicación fue evaluada por cuatro sujetos sanos en tres sesiones de entrenamiento. Los resultados obtenidos fueron bastante prometedores ya que los cuatro sujetos presentaron diferencias significativas en las potencias relativas de las bandas de frecuencia de los SMR. Tras el entrenamiento, los sujetos de estudio completaron un cuestionario de satisfacción que permitió conocer su opinión del sistema implementado y realimentar el proyecto con sus sugerencias. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject.classification | Brain Computer Interface | es |
dc.subject.classification | Imaginación motora | es |
dc.subject.classification | Ritmos sensoriomotores | es |
dc.title | Diseño y desarrollo de una plataforma de entrenamiento cognitivo mediante un sistema Brain Computer Interface para dispositivos Android | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería de Tecnologías Específicas de Telecomunicación | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Grado UVa [28700]
![Attribution-NonCommercial-NoDerivatives 4.0 International](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)