Motor imagery-based brain-computer interface by implementing a frequency band selection
Correu electrònic de l'autorhussainbarcelonagmail.com
Tipus de documentTreball Final de Grau
Data2022-07-04
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 4.0 Internacional
Abstract
Les interfícies cervell-ordinador basades en imaginacions motores (MI-BCI) són una promesa per a
revolucionar la manera com els humans interactuen amb les màquines o el programari, realitzant
accions només amb el pensament. Els pacients que pateixen discapacitats de moviment crítiques,
com l'esclerosi lateral amiotròfica (ALS) o la tetraplegia, podrien utilitzar aquesta tecnologia per
controlar una cadira de rodes, pròtesis robòtiques o qualsevol altre dispositiu que els permeti
interactuar de manera independent amb el seu entorn.
L'objectiu d'aquest projecte és ajudar les comunitats afectades per aquests trastorns amb el
desenvolupament d'un mètode que sigui capaç de detectar, amb la màxima precisió possible, la
intenció d'executar moviments (sense que es produeixin) en les extremitats superiors del cos. Això es
farà mitjançant senyals adquirits amb un electroencefalograma (EEG), el seu condicionament i
processament, i la seva posterior classificació amb models d'intel·ligència artificial. A més, es
dissenyarà un filtre de senyal digital per mantenir les bandes de freqüència més característiques de
cada individu i augmentar significativament l’exactitud del sistema.
Després d'extreure les característiques estadístiques, freqüencials i espacials més discriminatòries, va
ser possible obtenir una exactitud del 88% en les dades de validació a l'hora de detectar si un
participant estava imaginant un moviment de la mà esquerra o de la dreta. A més, es va utilitzar una
xarxa neuronal convolucional (CNN) per distingir si el participant estava imaginant un moviment o no,
la qual cosa va aconseguir una exactitud del 78% i una precisió del 90%. Aquests resultats es
verificaran mitjançant la implementació d'una simulació en temps real amb l'ús d'un braç robòtic. Las interfaces cerebro-computadora basadas en imaginaciones motoras (MI-BCI) son una promesa
para revolucionar la forma en que los humanos interactúan con las máquinas o el software,
realizando acciones con tan solo pensar en ellas. Los pacientes que sufren discapacidades críticas del
movimiento, como la esclerosis lateral amiotrófica (ALS) o la tetraplejia, podrían usar esta tecnología
para controlar una silla de ruedas, prótesis robóticas o cualquier otro dispositivo que les permita
interactuar de manera independiente con su entorno.
El objetivo de este proyecto es ayudar a las comunidades afectadas por estos trastornos con el
desarrollo de un método que sea capaz de detectar, con la mayor precisión posible, la intención de
ejecutar movimientos (sin que se produzcan) en las extremidades superiores del cuerpo. Esto se hará
mediante señales adquiridas con un electroencefalograma (EEG), su acondicionamiento y
procesamiento, y su posterior clasificación con modelos de inteligencia artificial. Además, se diseñará
un filtro de señal digital para mantener las bandas de frecuencia más características de cada
individuo y aumentar significativamente la exactitud del sistema.
Después de extraer características estadísticas, frecuenciales y espaciales discriminatorias, fue
posible obtener una exactitud del 88% en los datos de validación a la hora de detectar si un
participante estaba imaginando un movimiento con la mano izquierda o con la derecha. Además, se
utilizó una red neural convolucional (CNN) para distinguir si el participante estaba imaginando un
movimiento o no, lo que logró un 78% de exactitud y un 90% de precisión. Estos resultados se
verificarán implementando una simulación en tiempo real con el uso de un brazo robótico. Motor Imagery-based Brain-Computer Interfaces (MI-BCI) are a promise to revolutionize the way
humans interact with machinery or software, performing actions by just thinking about them.
Patients suffering from critical movement disabilities, such as amyotrophic lateral sclerosis (ALS) or
tetraplegia, could use this technology to control a wheelchair, robotic prostheses, or any other device
that could let them interact independently with their surroundings.
The focus of this project is to aid communities affected by these disorders with the development of a
method that is capable of detecting, as accurately as possible, the intention to execute movements
(without them occurring) in the upper extremities of the body. This will be done through signals
acquired with an electroencephalogram (EEG), their conditioning and processing, and their
subsequent classification with artificial intelligence models. In addition, a digital signal filter will be
designed to keep the most characteristic frequency bands of each individual and increase accuracy
significantly.
After extracting discriminative statistical, frequential, and spatial features, it was possible to obtain an
88% accuracy on validation data when it came to detecting whether a participant was imagining a
left-hand or a right-hand movement. Furthermore, a Convolutional Neural Network (CNN) was used
to distinguish if the participant was imagining a movement or not, which achieved a 78% accuracy
and a 90% precision. These results will be verified by implementing a real-time simulation with the
usage of a robotic arm.
MatèriesQuadriplegia, Brain-computer interfaces, Esclerosi lateral amiotròfica, Tetraplegia, Interfícies cervell-ordinador
TitulacióGRAU EN ENGINYERIA BIOMÈDICA/GRAU EN ENGINYERIA ELECTRÒNICA INDUSTRIAL I AUTOMÀTICA (Pla 2020)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Informe TFG Ali Abdul Ameer.pdf | 11,66Mb | Visualitza/Obre | ||
Code.rar | 71,77Mb | application/x-rar-compressed | Visualitza/Obre |