Identificación de potenciales eléctricos relacionados a eventos seleccionados por pacientes con enfermedades neurodegenerativas empleando transformada Wavelet

• Autor: Cabezas Huerta, Franklin Alfredo
• Formato: tesis de maestría
• Fecha de Publicación: 2023
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/27040
• Enlace del recurso: http://hdl.handle.net/20.500.14076/27040
• Nivel de acceso: acceso abierto
• Materia: Potenciales eléctricos; Transformada Wavelet; Máquinas de Soporte Vectorial; Enfermedades neurodegenerativas; https://purl.org/pe-repo/ocde/ford#2.02.02

Una Interfaz Cerebro - Computador es una tecnología que permite a las personas comunicarse, activar y controlar dispositivos electrónicos, usando señales cerebrales, las cuales son adquiridas y procesadas por un computador, ayudando principalmente a pacientes con enfermedades neurológicas, neuromusculares o neurodegenerativas, quienes, debido a la enfermedad, han perdido la capacidad de hablar, caminar o realizar movimientos musculares. En esta tesis se propone un método de extracción de características y clasificación de señales, aplicado a una base de datos que contiene señales cerebrales de 4 personas (2 sanas y 2 con enfermedades neurodegenerativas), la primera persona enferma padecía Esclerosis Múltiple y la segunda persona enferma padecía Esclerosis Lateral Amiotrófica. Estas señales contienen en ciertos tramos ondas P300 no observables a simple vista, que surgieron como respuesta a estímulos deseados inesperados. El método propuesto consiste en el empleo de la Transformada Wavelet Discreta para el análisis y extracción de características de las señales medidas por 3 electrodos (1 activo y 2 de referencia), usando como función wavelet madre a la familia Daubechies de orden 4 con 5 niveles de descomposición y Máquinas de Soporte Vectorial, empleando un kernel de función de base radial (RBF) para generar un hiperplano óptimo que permita realizar la clasificación de las señales cerebrales como contenedoras o no contenedoras de ondas P300. Con la detección de las ondas P300 se han identificado las imágenes elegidas por los participantes, es decir, la detección de estas ondas permitió conocer las voluntades de los participantes mediante las señales cerebrales. Al aplicar el método propuesto se evidenció que los coeficientes wavelet obtenidos representan a las señales cerebrales analizadas y se identificaron las señales cerebrales que contienen o no ondas P300 con valores promedio de 75.42% de exactitud, 76.67% de sensibilidad y 74.17% de especificidad.