Diseño de un algoritmo modular para evaluar la conectividad funcional en señales EEG durante el desarrollo de tareas cognitivas utilizando MATLAB

• Autor: Peralta Arroyo, Joaquin Antonio
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/4218
• Enlace del recurso: https://hdl.handle.net/20.500.12867/4218
• Nivel de acceso: acceso abierto
• Materia: Electroencefalograma; Procesos cognitivos; https://purl.org/pe-repo/ocde/ford#2.02.01

En el Perú, el número de personas con discapacidades que les impiden comunicarse con su entorno cercano va en aumento; pero, aún no existen instituciones locales que se dediquen a investigar con la intención de brindar solución o palear dichas dolencias. La complejidad y diversidad del entrelazado neuronal del cerebro humano dificulta el desarrollo de una herramienta universal que permita detectar cada uno de los procesos cognitivos existentes. No obstante, la comunidad científica interesada en la materia trabaja para llegar a una pronta solución. La presente tesis muestra el desarrollo de un algoritmo modular que, utilizando el programa MATLAB, permite evaluar la conectividad funcional entre seis regiones cerebrales humanas C3, C4, P3, P4, O1, O2 durante el desarrollo de las tareas mentales de la relajación y de la multiplicación; enfocado en la banda Alpha [7-13]Hz. Se ha desarrollado el módulo de preprocesamiento digital de señales EEG que utiliza el programa MATLAB; el módulo cuantificador de información transmitida que emplea el algoritmo Información Cross – Mutual y finalmente para hallar sincronización de actividad en distintas zonas cerebrales; se ha desarrollado el módulo validador estadístico que utiliza la prueba de hipótesis estadística Wilcoxon signed – rank que da solidez a los resultados obtenidos en el módulo previo. Con la simulación del algoritmo diseñado se evaluó la conectividad funcional y se verificó la eficiencia del algoritmo CMI para la detección de actividad neuronal durante el desarrollo de tareas mentales.