Resumen de Non-invasive brain-machine interfaces for mental tasks classification and upper-limb movement decoding
En esta tesis, se estudian distintas técnicas basadas en BMI (Brain-Machine Interfaces) para alcanzar una mejor comprensión de la comunicación cerebro-máquina y para servir como base de futuras herramientas de rehabilitación y asistencia para personas con discapacidad motora.
En un primer estudio, el concepto de mapeado EEG se ha aplicado a una BMI endógena en tiempo real basada la imaginación motora para obtener clasificadores precisos de dos tareas mentales. El clasificador se basa en una correlación de imágenes entre mapas EEG. Los parametros del clasificador se han optimizado para obtener una clasificación robusta y fiable. Este clasificador se ha probado en la clasificación en tiempo real de tareas mentales y posteriormente se ha empleado con éxito para controlar un robot planar asistivo en un entorno de alcance de objetivos. Para ello, se han diseñado varias estrategias de control del robot y se han probado en tiempo real para maximizar la fiabilidad del sistema BMI.
En un segundo estudio, se ha analizado la decodificación del movimiento del miembro superior aplicando técnicas de regresión lineal a las componentes EEG de baja frecuencia. Se han llevado a cabo distintos procedimientos experimentales para mostrar las posibilidades reales de usar métodos de regresión lineal para decodificar la cinemática del miembro superior a partir de señales EEG. Se ha estudiado la actividad neural asociada al movimiento real e imaginado del miembro superior para mostrar correlaciones significativas entre la cinemática real y decodificada. Adicionalmente, la decodificación continua de la cinemática del miembro superior se ha simplificado a una alternativa discreta para clasificar diferentes objetivos alcanzados mostrando ventajas prometedoras en relación a la precisión y fiabilidad del proceso. También se ha estudiado la influencia del movimiento del brazo realizado en relación a su velocidad, trayectoria y variabilidad. Finalmente, el método de decodificación se ha aplicado en tiempo real para detectar movimientos horizontales de la mano.
Esta investigación servirá de base a futuros estudios y proporciona metodologías útiles que se pueden emplear en aplicaciones asistivas o de rehabilitación de personas con discapacidad motora. Esta tesis ha permitido además avanzar en la comprensión de las correlaciones neuro-motoras y proporciona nuevos conocimientos para investigaciones futuras.
