1. Universidad Antonio Nariño
  2. Trabajos de grado
  3. Pregrado
  4. Ingeniería biomédica
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/6579
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorJutnico Alarcon, Andrés Leonardo-
dc.creatorMoreno Arévalo, Brayan Sneider-
dc.date.accessioned2022-05-19T19:34:45Z-
dc.date.available2022-05-19T19:34:45Z-
dc.date.created2021-11-25-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/6579-
dc.description.abstractThe analysis of motor imagination and execution (MI-ME) is one of the main research challenges in the field of brain-computer interfaces (BCI) based on electroencephalography (EEG). EEG signals play an important role in the learning, rehabilitation, and assistance of complex motor skills. However, this type of signal presents a highly non-stationary nature and noise. Electroencephalography signals proper of sensory-motor activity, corresponding to execution defects and motor imagination, were analyzed. The present research aims to determine the differences that exist between motor imagination and motor execution from a proof of concept, in the movements of sitting and standing. A comparative study was carried out between a method based on desynchronization / synchronization (ERDs) and a new method based on autoregressive moving average models with exogenous input (ARMAX). In this research, the normalized root mean square error (NRMSE), the mean square error (RMSE) and the mean absolute error (MAE) are used as evaluation metrics, in addition to the classification percentages. The results found show that it is possible to estimate and classify the movements of standing and sitting for the tasks of execution and motor imagination from channels C3, Cz and C4 with a high % of precision. It is expected, in the long term, to contribute to improve the quality of life of people with motor functional diversity.es_ES
dc.description.tableofcontentsEl análisis de la imaginación y ejecución motora (MI-ME) es uno de los principales desafíos investigativos en el campo de las interfaces cerebro-computadora (BCI) basados en electroencefalografía (EEG). Las señales EEG juegan un papel importante en el aprendizaje, la rehabilitación y la asistencia de habilidades motoras complejas. Sin embargo, este tipo de señales presenta una naturaleza altamente no estacionaria y con elementos de ruido desconocido. Se analizaron las señales de electroencefalografía propias a la actividad sensorio-motora, correspondientes a las taras de ejecución e imaginación motora. El presente trabajo tiene como objetivo determinar las diferencias que existen entre la imaginaci´on motora y la ejecución motora a partir de una prueba de concepto, en los movimientos de ponerse de pie y sentarse. Se realizo un estudio comparativo entre un método basado en la desincronización / sincronización (ERDs) y un nuevo método basado en los modelos autorregresivos de media m´ovilcon entrada ex´ogena (ARMAX). En esta investigación son usadas como métricas de evaluación la Raíz normalizada del error cuadrático medio (NRMSE), el Error Cuadrático Medio (RMSE) y el Error absoluto medio (MAE), ademas de los porcentajes de clasificación. Los resultados encontrados muestran que es posible estimar y clasificar los movimientos ponerse de pie y sentarse para las tareas de ejecución e imaginación motora a partir de los canales C3, Cz y C4 con un alto % de precisión. Se espera, a largo plazo aportar para mejorar la calidad de vida de personas con diversidad funcional motora.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectImaginación motoraes_ES
dc.subjectEjecución motoraes_ES
dc.subjectInterfaces cerebro-computadoraes_ES
dc.subjectElectroencefalografíaes_ES
dc.subjectRehabilitaciónes_ES
dc.subjectHabilidades motoras-complejases_ES
dc.subjectPonerse de pie y sentarsees_ES
dc.subject.ddc620es_ES
dc.titleDiferencias entre la imaginación y ejecución motora durante los movimientos ponerse de pie y sentarse a través de modelos autorregresivoses_ES
dc.typeTesis - Trabajo de grado - Monografia - Pregradoes_ES
dc.publisher.programIngeniería Biomédicaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordMotor Imaginationes_ES
dc.subject.keywordMotor Executiones_ES
dc.subject.keywordBrain-Computer Interfaceses_ES
dc.subject.keywordElectroencephalographyes_ES
dc.subject.keywordRehabilitationes_ES
dc.subject.keywordComplex Motor Skillses_ES
dc.subject.keywordSit to Standes_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationJavier de la Torre Abaitua. Procesado de se˜nales eeg para un interfaz cerebro-m´aquina (bci). Master’s thesis, 2012.es_ES
dc.source.bibliographicCitationLeonardo Jos´e G´omez Figueroa. An´alisis de se˜nales EEG para detecci´on de eventos oculares, musculares y cognitivos. PhD thesis, Industriales, 2016.es_ES
dc.source.bibliographicCitationMikel P´erez Frutos. Adquisici´on y tratamiento de se˜nales eeg: caso de aplicaci´on en java. 2019.es_ES
dc.source.bibliographicCitationMATLAB. 9.9.0.1718557 (R2020b). The MathWorks Inc., Natick, Massachusetts, 2020.es_ES
dc.source.bibliographicCitationDong Liu, Weihai Chen, Kyuhwa Lee, Ricardo Chavarriaga, Fumiaki Iwane, Mohamed Bouri, Zhongcai Pei, and Jos´e del R Mill´an. Eeg-based lower-limb movement onset decoding: Continuous classification and asynchronous detection. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 26(8):1626–1635, 2018.es_ES
dc.source.bibliographicCitationSuman Dutta, Mandeep Singh, and Amod Kumar. Automated classification of nonmotor mental task in electroencephalogram based brain-computer interface using multivariate autoregressive model in the intrinsic mode function domain. Biomedical Signal Processing and Control, 43:174–182, 2018.es_ES
dc.source.bibliographicCitationAndrea Noelia Berm´udez Cicchino. T´ecnicas de procesamiento de EEG para detecci´on de eventos. PhD thesis, Universidad Nacional de La Plata, 2013es_ES
dc.source.bibliographicCitationTeng Ma, Hui Li, Lili Deng, Hao Yang, Xulin Lv, Peiyang Li, Fali Li, Rui Zhang, Tiejun Liu, Dezhong Yao, et al. The hybrid bci system for movement control by combining motor imagery and moving onset visual evoked potential. Journal of neural engineering, 14(2):026015, 2017.es_ES
dc.source.bibliographicCitationLaxmi Shaw, G Chanakya Vamsi, and Aurobinda Routray. Study of Kalman filter based noise estimation in artifactual EEG and their quantification. pages 1–5, 2017.es_ES
dc.source.bibliographicCitationH. Shahabi, S. Moghimi, and H. Zamiri-Jafarian. EEG eye blink artifact removal by EOG modeling and Kalman filter. In 2012 5th International Conference on BioMedical Engineering and Informatics, pages 496–500, 2012.es_ES
dc.description.degreenameIngeniero(a) Biomédico(a)es_ES
dc.description.degreelevelPregradoes_ES
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaes_ES
dc.audienceEspecializadaes_ES
dc.description.notesPresenciales_ES
dc.creator.cedula10561715495es_ES
dc.publisher.campusBogotá - Sures_ES
dc.description.degreetypeProyectoes_ES
Aparece en las colecciones: Ingeniería biomédica

Ficheros en este ítem:
Fichero Tamaño  
2021_BrayanSneiderMoreno5.19 MBVisualizar/Abrir
2021_BrayanSneiderMoreno_Acta
  Restricted Access		387.11 kBVisualizar/Abrir  Request a copy
2021_BrayanSneiderMoreno_Autorización
  Restricted Access		1.43 MBVisualizar/Abrir  Request a copy
Mostrar el registro sencillo del ítem


Ver Estadísticas de uso



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons