Brain-Computer-Interfaces (BCIs) provide a novel way of communication by interpreting different types of brain states. This principle of reading minds makes BCIs a challenging but at the same time fascinating topic among the different disciplines of electrophysiology and biomedical-signal-processing. This work describes the development of a non-invasive BCI approach using steadystate- visual-evoked-potentials (SSVEP) as a mental strategy. SSVEP based BCIs require an external visual stimulation, which in this work is transmitted by a LCD-screen. Consequently, a visual reactive BCI is integrated as a plug-in into the open source project MNE-CPP, which provides an extensive library for brain monitoring and processing. MNE-Scan, as a standalone software from MNE-CPP, contains the necessary real-time source localization and is used as a framework for the BCI. Moreover, an expansion with a screen keyboard device shows the BCI’s practicability. The work’s result delivers a functioning SSVEP BCI approach with an average detection accuracy of 86 %. However, it is shown, that a transition from a BCI on sensor level to a BCI on source level is challenging and requires a certain pre-development, whereby a first approach of the BCI only was realized on sensor level in this work. / Tesis

The aim of this Master's Thesis was to develop a naturally controllable BCI that can predict motion trajectories from the imagination of motor execution. The approach to reach this aim was to nd a correlation between movement and brain data, which can subsequently be used for the prediction of movement trajectories only by brain signals. To nd this correlation, an experiment was carried out, in which a participant had to do triggered movements with its right arm to four di erent targets. During the execution of the movements, the kinematic and EEG data of the participant were recorded. After a preprocessing stage, the velocity of the kinematic data in x and y directions, and the band power of the EEG data in di erent frequency ranges were calculated and used as features for the calculation of the correlation by a multiple linear regression. When applying the resulting regression parameter to predict trajectories from EEG signals, the best accuracies were shown in the mu and low beta frequency range, as expected. However, the accuracies were not as high as necessary for control of an application. / El objetivo de esta Tesis de Maestría fue desarrollar un interfaz cerebro computador controlable naturalmente que pueda predecir trayectorias de movimiento imaginadas. El enfoque para alcanzar este objetivo fue encontrar una correlación entre el movimiento y los datos cerebrales que puedan ser utilizados posteriormente para la predicción de las trayectorias de movimiento sólo por medio de señales cerebrales. Para encontrar esta correlación, se realizó un experimento, en cual un participante tuvo que realizar movimientos desencadenados con su brazo derecho a cuatro puntos diferentes. Durante el examen de los movimientos, se registraron los datos cinemáticos y de EEG del participante. Después de una etapa de pre-procesamiento, se calcularon las velocidades en las direcciones x y y, de los datos cinemáticos, y la potencia de la banda, de los datos EEG en diferentes rangos de frecuencia, y se utilizaron como características para el cálculo de la correlación mediante con una regresión lineal múltiple. Al aplicar el parámetro de regresión resultante para predecir trayectorias a partir de señales de EEG, las mejores precisiones estuvieron en el rango de frecuencia mu e inferior en beta, como se esperaba. Sin embargo, los resultados no fueron suficientemente precisos como para usarlas para el control de una aplicación. / Tesis

Una de las tecnologías actuales que está causando gran impacto en la vida de las personas con discapacidad motora severa es el Interfaz Cerebro-Máquina(BMI, por sus siglas en inglés), sistema que permite convertir pensamiento o intención de movimiento de una persona en medios de comunicación y comandos de control de dispositivos, logrando independencia para el usuario. Sin embargo, los equipos actuales dependen de una PC que realice el procesamiento de las señales cerebrales, lo que dificulta que el sistema sea portable y de bajo costo. La presente tesis estudia y propone el uso de un sistema embebido (microcomputadora) como alternativa al uso de la PC en el BMI. Las microcomputadoras a diferencia de las PC comunes, son diseñadas para ciertos propósitos específícos, esto presenta una reducción de costo y mayor portabilidad del equipo. Con ello se pretende contribuir al desarrollo de esta nueva tecnología en el Perú haciéndolo accesible para personas de escasos recursos, lo que impactaría en la mejora de calidad de vida de las personas con discapacidad motora severa. Los resultados muestran que el sistema embebido Odroid-xu4(que cuesta 20 veces menos y es 45 veces mas liviano) puede realizar el entrenamiento de los algoritmos y el procesamiento en tiempo real de señales EEG con la misma tasa de acierto que la laptop, tardando aproximadamente 9 veces más; sin embargo estos tiempos son mínimos para aplicaciones del interfaz cerebro-máquina por lo que se demuestra que el Odroid-xu4 puede ser usado como equipo de procesamiento para una BMI portable, confiable y de bajo costo. / Tesis

A nivel mundial, se estima que más de mil millones de personas viven con alguna discapacidad física o mental, lo que representa alrededor del 15% de la población global y esta cifra sigue en aumento. Existe un grupo de enfermedades que afectan la capacidad física motriz, las cuales llegan a postrar a pacientes en cama y a necesitar asistencia de por vida ya que la lesión imposibilita el movimiento desde el cuello hacia abajo. Ante esta problemática, se están desarrollando Interfaces Cerebro Computador, las cuales son usadas como una manera alternativa de comunicación y control para pacientes con discapacidad motriz. Sin embargo, estudios demuestran que aún no se han logrado diseñar dispositivos que logren satisfacer las necesidades reales de este tipo de pacientes. En este contexto, el presente trabajo presenta el diseño de una interfaz cerebro computador, el cual se compone por un casco de adquisición de señales cerebrales, un sistema de procesamiento de señales y el control de un dispositivo robótico con forma de mano humanoide. El diseño del headset posee las siguientes características: i) Portable y basados en estándares antropométricos de medidas de cabeza; ii) Mecanismo de sujeción y reposicionamiento de electrodos basado en el sistema internacional 10-20 de posicionamiento de electrodos. La etapa de procesamiento de señales se realizó mediante una simulación usando el software OpenVibe, el cual es un software especializado para interfaces cerebro computador y permite realizar una programación mediante bloques. Asimismo, se demostró el control de una mano robot humanoide mediante un experimento, en el cual se logró comunicar el software de procesamiento de señales con un controlador Arduino, el cual comanda los servomotores que permiten mover la mano. Finalmente, la implementación del presente proyecto tiene un costo de S/.14948.92, teniendo en cuenta el costo de diseño, costo de componentes tanto mecánicos como electrónicos, costo de fabricación e imprevistos. / Tesis

Brain-Computer-Interfaces (BCIs) provide a novel way of communication by interpreting different types of brain states. This principle of reading minds makes BCIs a challenging but at the same time fascinating topic among the different disciplines of electrophysiology and biomedical-signal-processing. This work describes the development of a non-invasive BCI approach using steadystate- visual-evoked-potentials (SSVEP) as a mental strategy. SSVEP based BCIs require an external visual stimulation, which in this work is transmitted by a LCD-screen. Consequently, a visual reactive BCI is integrated as a plug-in into the open source project MNE-CPP, which provides an extensive library for brain monitoring and processing. MNE-Scan, as a standalone software from MNE-CPP, contains the necessary real-time source localization and is used as a framework for the BCI. Moreover, an expansion with a screen keyboard device shows the BCI’s practicability. The work’s result delivers a functioning SSVEP BCI approach with an average detection accuracy of 86 %. However, it is shown, that a transition from a BCI on sensor level to a BCI on source level is challenging and requires a certain pre-development, whereby a first approach of the BCI only was realized on sensor level in this work. / Tesis

Invertir largas horas en realizar una actividad académica sin tomar descansos, resulta siempre en una caída de rendimiento. Esto fue confirmado por un estudio realizado por la revista Harvard Business Review, el cual afirma que estar realizando una misma actividad durante largos periodos puede generar problemas como estrés, ansiedad, problemas de memoria, entre otros (Carmichael, 2015), que impiden que se continúe adecuadamente con las actividades que se están realizando. Asimismo, los descansos que se toman no son efectivos, pues parte de ese tiempo es ocupado, por ejemplo, para preparar alimentos o revisar el celular, no tomando un respiro para retomar las labores de la mejora manera. Ante esta problemática, el objetivo principal del presente trabajo se basa en la realización del diseño conceptual óptimo de un sistema integrado por una máquina automática para cocción de un alimento saludable sin necesidad de ser supervisada por un usuario, como lo son los granos de maíz y su sistema de activación mediante una interfaz cerebro-computador (BCI), para decodificar la actividad cerebral y detectar el momento en que se produce una caída de rendimiento, enviando un comando a la máquina para su activación, para así comenzar con el procedimiento de preparación, dando un aviso al usuario para que tome el descanso una vez que el alimento esté listo. La metodología del diseño empleada para la realización del presente trabajo de investigación está basada en la norma VDI 2206, para el diseño de sistemas mecatrónicos.

El presente trabajo de investigación aborda los problemas que presentan los actuales sistemas de rehabilitación de miembro superior, los cuales son, por ejemplo, la fatiga muscular y la excesiva necesidad de un terapista. Para ello se propuso un sistema de rehabilitación de miembro superior por medio del uso de la interfaz cerebro máquina, el cual ha sido ampliamente investigado en la última década por sus efectivos resultados. Para la realización de esta propuesta se propuso como objetivo general su elaboración, además se propusieron como objetivos específicos la selección de algoritmos de procesamiento de señales encefalográficas, la selección de los componentes de un prototipo de brazo robótico, el diseño de la interfaz gráfica de usuario, y, por último, la integración de los subsistemas desarrollados. Además, se propuso como alcance que la propuesta no contempla la selección del lector de señales encefalográficas. Para la elección del paradigma que se deseó usar en esta propuesta, se presentó el marco teórico de la interfaz cerebro computadora dentro del cual se identificó las distintas ventajas y desventajas de cada una de estas por lo que se determinó que el paradigma del ritmo sensoriomotor (SMR) es el que se usaría en esta propuesta debido a que por medio de este se puede capturar e identificar cuando un usuario imagina el movimiento de algún objeto, lo cual es de mucha ayuda para su realización. Por otro lado, para la generación de ideas acerca de cómo podría realizarse este sistema, se presenta una revisión del estado del arte acerca de los dispositivos de rehabilitación de miembro superior por medio de la interfaz cerebro máquina y, además, se identificaron las metodologías a seguir en el diseño de este sistema. Debido a que se tuvo una idea general de cómo realizar la propuesta con el estado del arte y la identificación de las metodologías a usar, se realizó una lista de exigencias y una estructura de funciones del sistema de rehabilitación. Estos se utilizaron para poder identificar 3 conceptos solución de las cuales, mediante un análisis técnico-económico, se pudo obtener un concepto solución ganador. Luego, se pudo realizar un diagrama de operaciones, una arquitectura de hardware y el diagrama de flujo del concepto solución ganador. Finalmente, se presentaron conclusiones y recomendaciones destacadas de esta propuesta.

The aim of this Master's Thesis was to develop a naturally controllable BCI that can predict motion trajectories from the imagination of motor execution. The approach to reach this aim was to nd a correlation between movement and brain data, which can subsequently be used for the prediction of movement trajectories only by brain signals. To nd this correlation, an experiment was carried out, in which a participant had to do triggered movements with its right arm to four di erent targets. During the execution of the movements, the kinematic and EEG data of the participant were recorded. After a preprocessing stage, the velocity of the kinematic data in x and y directions, and the band power of the EEG data in di erent frequency ranges were calculated and used as features for the calculation of the correlation by a multiple linear regression. When applying the resulting regression parameter to predict trajectories from EEG signals, the best accuracies were shown in the mu and low beta frequency range, as expected. However, the accuracies were not as high as necessary for control of an application. / El objetivo de esta Tesis de Maestría fue desarrollar un interfaz cerebro computador controlable naturalmente que pueda predecir trayectorias de movimiento imaginadas. El enfoque para alcanzar este objetivo fue encontrar una correlación entre el movimiento y los datos cerebrales que puedan ser utilizados posteriormente para la predicción de las trayectorias de movimiento sólo por medio de señales cerebrales. Para encontrar esta correlación, se realizó un experimento, en cual un participante tuvo que realizar movimientos desencadenados con su brazo derecho a cuatro puntos diferentes. Durante el examen de los movimientos, se registraron los datos cinemáticos y de EEG del participante. Después de una etapa de pre-procesamiento, se calcularon las velocidades en las direcciones x y y, de los datos cinemáticos, y la potencia de la banda, de los datos EEG en diferentes rangos de frecuencia, y se utilizaron como características para el cálculo de la correlación mediante con una regresión lineal múltiple. Al aplicar el parámetro de regresión resultante para predecir trayectorias a partir de señales de EEG, las mejores precisiones estuvieron en el rango de frecuencia mu e inferior en beta, como se esperaba. Sin embargo, los resultados no fueron suficientemente precisos como para usarlas para el control de una aplicación. / Tesis

En la actualidad, se ha vuelto común que los estudiantes realicen actividades académicas durante largas horas sin tomar descansos, lo que los lleva a agotarse mentalmente y mermar su capacidad para aprender de manera efectiva. Debido a los cortos tiempos que tienen disponibles para prepararse algún alimento nutritivo, adquieren hábitos erróneos de alimentación en su día a día, comprometiendo a la vez su aprendizaje. Por esta razón, resulta importante conocer los momentos en que el rendimiento cognitivo es deficiente, para así dejar de realizar una actividad académica y tomar un descanso saludable, teniendo un periodo de desconexión total. El presente trabajo, propone entonces el diseño de una máquina automática de cocción de granos de maíz basada en un sistema de aire caliente, la cual opera sin requerir la supervisión del usuario; y su sistema de activación mediante una Interfaz cerebro-computador (BCI), la cual detecta el momento previo a un bajo rendimiento cognitivo durante sesiones de estudio para brindar un descanso saludable mediante la preparación de un alimento nutritivo de tal manera que el usuario pasará a recoger el alimento una vez que esté listo, dependiendo si se detecta un bajo rendimiento cognitivo o no. Para evaluar el desempeño cognitivo de las personas y realizar la activación de la máquina, se consideró el desarrollo de un método para evaluar las tendencias de tres estados mentales: atención, fatiga mental y estrés como los más representativos, en diferentes conjuntos de datos, el primero en experimentos en simuladores de manejo monótonos, y el segundo grabado con el dispositivo EEG g.Nautilus Pro durante sesiones de estudio específicamente para validar el método propuesto. Durante los primeros cinco minutos, que corresponden al periodo de calibración, se calculó un baseline, que permita re-referenciar los estados mentales asociados a dicha sesión, antes de aplicar un conjunto de reglas para enviar la señal de advertencia al usuario y producir la activación e indicándole cuando se haya terminado con el proceso de preparación para que se levante a recoger el alimento y descansar. Los resultados obtenidos para 62 sesiones dentro de un simulador de manejo monótono, cuya duración promedio por sesión fue de 78.5 22.4 minutos, y con un momento de detección promedio a los 35.3 18.9 minutos; y para 3 sesiones de estudio, con una duración promedio por sesión de 27.5 5 minutos y con un tiempo de detección promedio de 11.5 2.2 confirman la evidencia de que las actividades que demandan una carga cognitiva no pueden realizarse en periodos prolongados, ya que el rendimiento cognitivo no es constante, por lo que brindar un descanso para desconectarse resulta importante para recuperarse y volver con motivación para continuar con la actividad.

Una de las tecnologías actuales que está causando gran impacto en la vida de las personas con discapacidad motora severa es el Interfaz Cerebro-Máquina(BMI, por sus siglas en inglés), sistema que permite convertir pensamiento o intención de movimiento de una persona en medios de comunicación y comandos de control de dispositivos, logrando independencia para el usuario. Sin embargo, los equipos actuales dependen de una PC que realice el procesamiento de las señales cerebrales, lo que dificulta que el sistema sea portable y de bajo costo. La presente tesis estudia y propone el uso de un sistema embebido (microcomputadora) como alternativa al uso de la PC en el BMI. Las microcomputadoras a diferencia de las PC comunes, son diseñadas para ciertos propósitos específícos, esto presenta una reducción de costo y mayor portabilidad del equipo. Con ello se pretende contribuir al desarrollo de esta nueva tecnología en el Perú haciéndolo accesible para personas de escasos recursos, lo que impactaría en la mejora de calidad de vida de las personas con discapacidad motora severa. Los resultados muestran que el sistema embebido Odroid-xu4(que cuesta 20 veces menos y es 45 veces mas liviano) puede realizar el entrenamiento de los algoritmos y el procesamiento en tiempo real de señales EEG con la misma tasa de acierto que la laptop, tardando aproximadamente 9 veces más; sin embargo estos tiempos son mínimos para aplicaciones del interfaz cerebro-máquina por lo que se demuestra que el Odroid-xu4 puede ser usado como equipo de procesamiento para una BMI portable, confiable y de bajo costo. / Tesis