Desarrollo de casco de electroencefalografía (EEG) para apoyo en diagnóstico de trastorno del espectro autista (TEA)

• Autor: Gallo Torres, Dante Jim Randal
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/30409
• Enlace del recurso: http://hdl.handle.net/20.500.12404/30409
• Nivel de acceso: acceso abierto
• Materia: Electroencefalografía; Trastornos del espectro autista--Diagnóstico; Mecatrónica--Aplicaciones médicas; https://purl.org/pe-repo/ocde/ford#2.03.01

Se desarrolló un sistema mecatrónico de lectura de electroencefalografía (EEG) no invasiva en el cuero cabelludo, diseñado para operar con 8 canales y siguiendo el estándar internacional 10-20 para la colocación de electrodos. El sistema es compatible tanto con electrodos de espuma, adecuados para pacientes con cabello corto o sin él, como con electrodos de cucharilla, destinados a pacientes con cabello abundante o cráneos pequeños. El sistema integra tres dominios principales. En el dominio electrónico, se diseñó una placa que amplifica y filtra las señales EEG, permitiendo su procesamiento mediante un microcontrolador Arduino. El filtrado implementado descarta señales con frecuencias superiores a 100 Hz, aunque no elimina completamente las señales de 60 Hz derivadas de artefactos físicos. En el dominio de la interfaz gráfica, se desarrolló una aplicación en Python que permite visualizar señales de 8 canales en un archivo ejecutable de 98 MB. La interfaz incluye un filtro digital que clasifica las señales en bandas de frecuencia (delta, theta, alfa, beta y gamma) y está optimizada para análisis posterior, con configuraciones iniciales ajustables para registros instantáneos. En el dominio mecánico, el diseño del casco se basó en el modelo de OpenBCI. El sistema fue evaluado utilizando datos simulados precargados en Arduino, lo que permitió validar su capacidad para procesar y visualizar señales EEG de manera adecuada. Estas pruebas demostraron que el sistema cumple con los objetivos establecidos, ofreciendo una solución funcional para la captura y análisis de señales EEG. La interfaz gráfica permitió diferenciar las bandas de frecuencia y facilitó el análisis de los datos simulados, evidenciando su potencial para aplicaciones futuras. Se concluye que este sistema representa un avance significativo como base para desarrollos posteriores, con interés médico en su validación bajo estándares clínicos y la posibilidad de ampliar sus funcionalidades en el diagnóstico y monitoreo neurológico.