Miles de personas en el mundo son afectadas por enfermedades causantes de parálisis tales
como esclerosis lateral amiotrófica, lesiones en la médula espinal y distrofia muscular. En los
últimos años, investigadores han buscado desarrollar soluciones tecnológicas para asistir a
estos pacientes. En el 2012, una mujer con tetraplejia, causada por un paro cerebral, fue capaz
de acercar una botella a su boca y beber de ella, utilizando señales EEG invasivas [1].
Recientemente, en el 2016, ahora mediante sensores EEG no invasivos, se realizaron pruebas
en 13 sujetos sanos para mover un brazo robot en dos dimensiones [2]. Buscando colaborar
en el desarrollo de robots asistenciales, el presente trabajo propone el diseño e
implementación de las funciones de 'agarre' y 'levante' en el brazo robot Kinova, donde las
señales de activación provendrán de señales EEG y el algoritmo de traducción estará basados
en modelos de deep learning.
Los modelos de deep learning mencionados serán basados en la solución propuesta por Alex
Barachant y Rafael Cycon para la clasificación de señales EEG [3]. El dataset que se utilizará
para el entrenamiento se toma del repositorio WAY-EEG-GAL financiado por la unión
europea [4]. A pesar de que las señales EEG corresponden a movimientos físicos reales, los
cuales no pueden ser realizados por los pacientes con las enfermedades antes mencionadas,
este trabajo busca brindar un aporte a la literatura médica e ingenieril y al avance de las
aplicaciones de interfaz cerebro-computador. Adicionalmente, se busca proponer el método
para evaluar el desempeño en una prueba experimental del algoritmo referido, lo cual no se
ha abordado en la literatura presente hasta el momento.
Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/17104 |
Date | 24 September 2020 |
Creators | Neyra Pérez, Juan Manuel |
Contributors | Villota Cerna, Elizabeth Roxana |
Publisher | Pontificia Universidad Católica del Perú, PE |
Source Sets | Pontificia Universidad Católica del Perú |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/bachelorThesis |
Format | application/pdf |
Rights | Atribución-CompartirIgual 2.5 Perú, info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-sa/2.5/pe/ |
Page generated in 0.002 seconds