1. Universidad Antonio Nariño
  2. Tesis y disertaciones académicas
  3. Doctorados
  4. Doctorado en Ciencia aplicada
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/8023
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorJutinico Alarcón, Andrés Leonardo-
dc.contributor.advisorOrjuela Cañón, Álvaro David-
dc.contributor.advisorReyes Guzmán, Edwin Alfredo-
dc.creatorTriana Guzmán, Nayid-
dc.date.accessioned2023-05-18T20:45:06Z-
dc.date.available2023-05-18T20:45:06Z-
dc.date.created2022-12-07-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/8023-
dc.description.abstractBrain-computer interface (BCI) systems based on electroencephalography (EEG) and motor imagination (MI), have shown promising advances for the motor rehabilitation of lower extremities. However, in the state of the art there has been little explored about the MR of the lower limb, especially little is known about MR for standing and sitting. By Therefore, this paper presents an EEG-based ICC system for MI interpretation of these types of movements. The purpose of this system is to restore some mobility to people with disorders severe neuromuscular disorders that cannot exert the force required to move the physical interface (mouse, keyboard, joystick, microphone, or other peripherals) that use standing devices to perform transition from sitting to bipedal positiones_ES
dc.description.tableofcontentsLos sistemas de interfaz cerebro-computadora (ICC) basados en electroencefalografía (EEG) e imaginación motora (IM), han mostrado avances prometedores para la rehabilitación motriz de las extremidades inferiores. Sin embargo, en el estado del arte ha sido poco explorado sobre la IM del miembro inferior, especialmente se sabe poco acerca de la IM para la bipedestación y la sedestación. Por lo tanto, este trabajo presenta un sistema de ICC basado en EEG para la interpretación de la IM de estos tipos de movimientos. El propósito de este sistema es devolver cierta movilidad a personas con trastornos neuromusculares graves que no pueden imprimir la fuerza que se requiere para mover la interfaz física (ratón, teclado, joystick, micrófono, u otros periféricos) que usan dispositivos bipedestadores para realizar la transición de la posición sedente-bípedaes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
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.subjectinterfaz cerebro-computadora (ICC)es_ES
dc.subjectcomputadora (ICC), electroencefalografía (EEG),es_ES
dc.subjectimaginación motora (IM), sentarse-pararse, procesamiento digital de señales, reconocimiento de patroneses_ES
dc.subject.ddc600es_ES
dc.titleSistema y método para la interpretación de la imaginación motora de los movimientos de ponerse de pie y sentarse basado en interfaz cerebro computadoraes_ES
dc.typeTesis - Trabajo de grado - Monografia - Doctoradoes_ES
dc.publisher.programDoctorado en Ciencia Aplicadaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordbrain-computer interface (BCI), electroencephalography (EEGes_ES
dc.subject.keywordmotor imagery (MI), sit-stand, digital signal processing, pattern recognitiones_ES
dc.type.spaTesis y disertaciones (Maestría y/o Doctorado)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationAbdulkader, S. N., Atia, A., & Mostafa, M.-S. M. (2015). Brain computer interfacing: Applications and challenges. Egyptian Informatics Journal, 16(2), 213–230. https://doi.org/10.1016/j.eij.2015.06.002es_ES
dc.source.bibliographicCitationAbiri, R., Borhani, S., Sellers, E. W., Jiang, Y., & Zhao, X. (2019). A comprehensive review of EEG-based brain–computer interface paradigms. Journal of Neural Engineering, 16(1), 1–43. https://doi.org/10.1088/1741-2552/aaf12ees_ES
dc.source.bibliographicCitationAggarwal, S., & Chugh, N. (2019). Signal processing techniques for motor imagery brain computer interface: A review. Array, 1–2, 1–12. https://doi.org/10.1016/j.array.2019.100003es_ES
dc.source.bibliographicCitationAggarwal, S., & Chugh, N. (2022). Review of Machine Learning Techniques for EEG Based Brain Computer Interface. Archives of Computational Methods in Engineering, 29(5), 3001–3020. https://doi.org/10.1007/s11831-021-09684-6es_ES
dc.source.bibliographicCitationAhn, M., Lee, M., Choi, J., & Jun, S. (2014). A Review of Brain-Computer Interface Games and an Opinion Survey from Researchers, Developers and Users. Sensors, 14(8), 14601–14633. https://doi.org/10.3390/s140814601es_ES
dc.source.bibliographicCitationAjiboye, A. B., Willett, F. R., Young, D. R., Memberg, W. D., Murphy, B. A., Miller, J. P., Walter, B. L., Sweet, J. A., Hoyen, H. A., Keith, M. W., Peckham, P. H., Simeral, J. D., Donoghue, J. P., Hochberg, L. R., & Kirsch, R. F. (2017). Restoration of reaching and grasping movements through brain-controlled muscle stimulation in a person with tetraplegia: a proof-of-concept demonstration. The Lancet, 389(10081), 1821–1830. https://doi.org/10.1016/S0140- 6736(17)30601-3es_ES
dc.source.bibliographicCitationAl-Fahoum, A. S., & Al-Fraihat, A. A. (2014). Methods of EEG Signal Features Extraction Using Linear Analysis in Frequency and Time-Frequency Domains. ISRN Neuroscience, 2014, 1–7. https://doi.org/10.1155/2014/730218es_ES
dc.source.bibliographicCitationAl-Saegh, A., Dawwd, S. A., & Abdul-Jabbar, J. M. (2021). Deep learning for motor imagery EEGbased classification: A review. Biomedical Signal Processing and Control, 63, 1–21. https://doi.org/10.1016/j.bspc.2020.102172es_ES
dc.source.bibliographicCitationAllison, B. Z., & Neuper, C. (2010). Could Anyone Use a BCI? In D. S. Tan & A. Nijholt (Eds.), Brain-Computer Interfaces: Applying our Minds to Human-Computer Interaction (1st ed., pp. 35–54). Springer, London. https://doi.org/10.1007/978-1-84996-272-8_3es_ES
dc.source.bibliographicCitationAlyasseri, Z. A. A., Khadeer, A. T., Al-Betar, M. A., Abasi, A., Makhadmeh, S., & Ali, N. S. (2019). The Effects of EEG Feature Extraction Using Multi-Wavelet Decomposition for Mental Tasks Classification. Proceedings of the International Conference on Information and Communication Technology - ICICT ’19, 139–146. https://doi.org/10.1145/3321289.3321327es_ES
dc.description.degreenameDoctor(a) en Ciencia Aplicadaes_ES
dc.description.degreelevelDoctoradoes_ES
dc.publisher.facultyDoctorado en Ciencia Aplicadaes_ES
dc.audienceEspecializadaes_ES
dc.description.notesPresenciales_ES
dc.creator.cedula13001825736es_ES
dc.publisher.campusBogotá - Circunvalares_ES
dc.description.degreetypeInvestigaciónes_ES
Aparece en las colecciones: Doctorado en Ciencia aplicada

Ficheros en este ítem:
Fichero Tamaño  
2022_NayidTrianaGuzman.pdf3.27 MBVisualizar/Abrir
2022_NayidTrianaGuzma_Autorizacion.pdf
  Restricted Access		525.75 kBVisualizar/Abrir  Request a copy
2022_NayidTrianaGuzma_Acta.pdf
  Restricted Access		536.26 kBVisualizar/Abrir  Request a copy
Mostrar el registro sencillo del ítem


Ver Estadísticas de uso



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.