Mostra el registre d'ítem simple

dc.contributorMartínez García, Herminio
dc.contributor.authorAbdul Ameer Abbas, Ali
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica
dc.date.accessioned2023-02-10T12:02:31Z
dc.date.available2023-02-10T12:02:31Z
dc.date.issued2022-07-04
dc.identifier.urihttp://hdl.handle.net/2117/382889
dc.description.abstractLes 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.
dc.description.abstractLas 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.
dc.description.abstractMotor 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.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsAttribution-NonCommercial-NoDerivs 4.0 International
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectÀrees temàtiques de la UPC::Enginyeria biomèdica
dc.subjectÀrees temàtiques de la UPC::Enginyeria electrònica
dc.subject.lcshQuadriplegia
dc.subject.lcshBrain-computer interfaces
dc.titleMotor imagery-based brain-computer interface by implementing a frequency band selection
dc.typeBachelor thesis
dc.subject.lemacEsclerosi lateral amiotròfica
dc.subject.lemacTetraplegia
dc.subject.lemacInterfícies cervell-ordinador
dc.identifier.slugPRISMA-169420
dc.identifier.slugPRISMA-169421
dc.rights.accessOpen Access
dc.date.updated2022-08-30T10:52:21Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola d'Enginyeria de Barcelona Est
dc.audience.degreeGRAU EN ENGINYERIA BIOMÈDICA/GRAU EN ENGINYERIA ELECTRÒNICA INDUSTRIAL I AUTOMÀTICA (Pla 2020)


Fitxers d'aquest items

Thumbnail
Thumbnail

Aquest ítem apareix a les col·leccions següents

Mostra el registre d'ítem simple