Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP
A brain-computer interface (BCI) is a system that establishes direct communication between the brain and a computer by recording the electrical activity of the brain. It makes use of Steady State Visual-Evoked Visual Evoked Potentials (SSVEP). The data obtained from the signals with respect to visua...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Trabajo de grado (Pregrado y/o Especialización) |
| Language: | spa |
| Published: |
Universidad Antonio Nariño
2023
|
| Subjects: | |
| Online Access: | http://repositorio.uan.edu.co/handle/123456789/8406 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1812647003362951168 |
|---|---|
| author | Rivera Larrañaga, Johnny Esteban |
| author2 | Pastás Guaitarilla, Iván Andrés |
| author_facet | Pastás Guaitarilla, Iván Andrés Rivera Larrañaga, Johnny Esteban |
| author_sort | Rivera Larrañaga, Johnny Esteban |
| collection | DSpace |
| description | A brain-computer interface (BCI) is a system that establishes direct communication
between the brain and a computer by recording the electrical activity of the brain. It makes use of
Steady State Visual-Evoked Visual Evoked Potentials (SSVEP). The data obtained from the
signals with respect to visual stimulation are filtered and used to train an artificial intelligence
model, which identifies and classifies the user's activity intention, responsible for issuing control
commands. The detection of brain neural activity is performed through OpenBCI, making use of
the SSVEP protocol, the signals are stored and subsequently processed in Python interpreted
programming language. For the acquisition of EEG signals, the user is instrumented by placing
electrodes and the OpenBCIsystem, the impedance of the electrodes is determined and it is verified
that they are in the required magnitude. They are recorded in 3 channels located in the occipital
region: PO3, PO4, and OZ with a sampling frequency of 250 Hz and with a Notch filter to
normalize response peaks that change with impedance. The visual stimuli are generated by an
application using the Psychtoolbox-3 toolbox, running in the Matlab environment, where the EEG
signal processing and command identification is performed by the method of filter bank. At the
end of this project, it is expected to validate what has been done in a virtual environment in Unity
3D that simulates an apartment with the furniture where a wheelchair is located so that it can be
guided by the user through the classification of EEG signals using the SSVEP mental strategy and
the use of the OpenBCI system, As observed later on, where the user sees the stimulus on a screen
to which the wheelchair is directed, it will move in that direction. It should be noted that the system
due to some interference in the signal acquisition can identify movement towards another
direction, such as towards the left and can randomly take it upwards, downwards or to the right.
All this is due to errors that may occur when taking the subject’s signal, but in general it can be
said that despite the fact that the interface may throw certain errors, it has a percentage of successes
above the range considered adequate, thus correctly implementing the interface. |
| format | Trabajo de grado (Pregrado y/o Especialización) |
| id | repositorio.uan.edu.co-123456789-8406 |
| institution | Repositorio Digital UAN |
| language | spa |
| publishDate | 2023 |
| publisher | Universidad Antonio Nariño |
| record_format | dspace |
| spelling | repositorio.uan.edu.co-123456789-84062024-10-09T22:39:52Z Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP Rivera Larrañaga, Johnny Esteban Pastás Guaitarilla, Iván Andrés Interfaz cerebro computador Silla de ruedas virtual Inteligencia Artificial 56.23 R621i Brain Computer Interface Virtual Wheelchair Artificial Intelligence A brain-computer interface (BCI) is a system that establishes direct communication between the brain and a computer by recording the electrical activity of the brain. It makes use of Steady State Visual-Evoked Visual Evoked Potentials (SSVEP). The data obtained from the signals with respect to visual stimulation are filtered and used to train an artificial intelligence model, which identifies and classifies the user's activity intention, responsible for issuing control commands. The detection of brain neural activity is performed through OpenBCI, making use of the SSVEP protocol, the signals are stored and subsequently processed in Python interpreted programming language. For the acquisition of EEG signals, the user is instrumented by placing electrodes and the OpenBCIsystem, the impedance of the electrodes is determined and it is verified that they are in the required magnitude. They are recorded in 3 channels located in the occipital region: PO3, PO4, and OZ with a sampling frequency of 250 Hz and with a Notch filter to normalize response peaks that change with impedance. The visual stimuli are generated by an application using the Psychtoolbox-3 toolbox, running in the Matlab environment, where the EEG signal processing and command identification is performed by the method of filter bank. At the end of this project, it is expected to validate what has been done in a virtual environment in Unity 3D that simulates an apartment with the furniture where a wheelchair is located so that it can be guided by the user through the classification of EEG signals using the SSVEP mental strategy and the use of the OpenBCI system, As observed later on, where the user sees the stimulus on a screen to which the wheelchair is directed, it will move in that direction. It should be noted that the system due to some interference in the signal acquisition can identify movement towards another direction, such as towards the left and can randomly take it upwards, downwards or to the right. All this is due to errors that may occur when taking the subject’s signal, but in general it can be said that despite the fact that the interface may throw certain errors, it has a percentage of successes above the range considered adequate, thus correctly implementing the interface. Una interfaz cerebro-computadora BCI (del inglés, Brain Computer Interface), es un sistema que establece comunicación directa entre el cerebro y un ordenador registrando la actividad eléctrica del cerebro. Se hace uso de potenciales evocados visuales en estado estacionario SSVEP (del inglés, Steady State Visual-Evoked). Los datos obtenidos a partir de las señales EEG con respecto a la estimulación visual son filtrados y usados para entrenar un modelo de inteligencia artificial, que identifica y clasifica la intención de actividad del usuario, responsable de emitir comandos de control. La detección de la actividad neuronal cerebral se realiza a través de OpenBCI, haciendo uso del protocolo SSVEP, las señales son almacenadas y posteriormente procesadas en lenguaje de programación interpretado Python. Para la adquisición de las señales EEG se instrumenta el usuario ubicando electrodos y el sistema OpenBCI, se determina la impedancia de los electrodos y se verifica que se encuentran en la magnitud requerida. Se registran en 3 canales ubicados en la región occipital: PO3, PO4 y OZ con una frecuencia de muestreo de 250 Hz y con un filtro Notch para normalizar picos de respuesta que cambian con la impedancia. Los estímulos visuales se generan mediante una aplicación utilizando el Toolbox Psychtoolbox-3, que se ejecuta en el entorno de Matlab, donde posteriormente el procesamiento de las señales EEG y la identificación del comando se realiza mediante el método de banco de filtros. El proyecto ya finalizado valida lo realizado en un entorno virtual en Unity 3D que simula un apartamento con el mobiliario donde se encuentra una silla de ruedas para que pueda ser guiada por el usuario a través de la clasificación de las señales EEG utilizando la estrategia mental SSVEP y el uso del sistema OpenBCI, como se observa más adelante en donde el usuario al ver en una pantalla el estímulo al que se le direccione la silla de ruedas se moverá en esa dirección, cabe aclarar que el sistema por cuestión de alguna interferencia en la toma de las señales puede identificar el movimiento hacia otro lado, como puede ser que se haga con un estímulo hacia la izquierda y lo puede tomar aleatoriamente hacia arriba, abajo o derecha, todo esto debido a los errores que se puedan tener al momento de tomar la señal del sujeto, pero en general se puede decir que a pesar de que la interfaz puede arrojar ciertos errores tiene un porcentaje de aciertos por encima del rango que se considera adecuado siendo así de manera correcta la implementación de la interfaz. Ingeniero(a) Biomédico(a) Pregrado Presencial Proyecto 2023-08-09T15:46:54Z 2023-08-09T15:46:54Z 2023-06-08 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/8406 (4) (PDF) Evaluación de la carga de trabajo cognitiva basada en EEG para una máxima eficiencia. (n.d.). Retrieved April 15, 2023, from https://www.researchgate.net/publication/286371237_EEG_Based_Cognitive_Workload_A ssessment_for_Maximum_Efficiency/figures?lo=1 Acharya, J. N., Hani, A., Cheek, J., Thirumala, P., & Tsuchida, T. N. (2016). American Clinical Neurophysiology Society Guideline 2: Guidelines for Standard Electrode Position Nomenclature. Journal of Clinical Neurophysiology : Official Publication of the American Electroencephalographic Society, 33(4), 308–311. https://doi.org/10.1097/WNP.0000000000000316 Albanese, A., Bhatia, K., Bressman, S. B., Delong, M. R., Fahn, S., Fung, V. S. C., Hallett, M., Jankovic, J., Jinnah, H. A., Klein, C., Lang, A. E., Mink, J. W., & Teller, J. K. (2013). Phenomenology and classification of dystonia: A consensus update. Movement Disorders, 28(7), 863–873. https://doi.org/10.1002/MDS.25475 Alexander, J., & Guerrero, R. (n.d.). Simulador para el guiado de una silla de ruedas virtual en Unity 3D a través de señales EMG mediante el brazalete gForce ANALISIS DE SEÑALES TRIFASICAS MEDIANTE LENGUAJE LABVIEW | Guías, Proyectos, Investigaciones de Centrales Eléctricas | Docsity. (n.d.). Retrieved June 3, 2023, from https://www.docsity.com/es/analisis-de-senales-trifasicas-mediante-lenguajelabview/5419338/ Barrett, & E., K. (2013). Ganong fisiología médica (24a. ed.). 752. https://books.google.com/books/about/Ganong_fisiolog%C3%ADa_m%C3%A9dica_24a_e d.html?hl=es&id=mDuEBgAAQBAJ Blanco-Díaz, C. F., & Ruiz-Olaya, A. F. (2020a). Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario. Revista Ontare, 7, 11– 26. https://doi.org/10.21158/23823399.V7.N0.2019.2459 Blanco-Díaz, C. F., & Ruiz-Olaya, A. F. (2020b). Caracterización de señales de EEG relacionadas a potenciales evocados visuales en estado estacionario. Revista Ontare, 7. https://doi.org/10.21158/23823399.v7.n0.2019.2459 Brain Computer Interfaces: il cervello che si mette in moto. (n.d.). Retrieved May 8, 2023, from https://www.ingegneriabiomedica.org/news/biotech-support/brain-computer-interfacescervello-si-mette-moto/ Cabañero Gómez, L. (2017). Análisis de señales de electroencefalografía (EEG) para evaluar actividad cognitiva durante el uso de videojuegos. instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf application/pdf Colombia( Popayán, Cauca) Universidad Antonio Nariño Ingeniería Biomédica Facultad de Ingeniería Mecánica, Electrónica y Biomédica Popayán - Alto Cauca |
| spellingShingle | Interfaz cerebro computador Silla de ruedas virtual Inteligencia Artificial 56.23 R621i Brain Computer Interface Virtual Wheelchair Artificial Intelligence Rivera Larrañaga, Johnny Esteban Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title | Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title_full | Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title_fullStr | Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title_full_unstemmed | Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title_short | Implementación de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en UNITY utilizado SSVEP |
| title_sort | implementacion de una interfaz cerebro computadora para el control de una silla de ruedas dentro de de un ambiente virtual en unity utilizado ssvep |
| topic | Interfaz cerebro computador Silla de ruedas virtual Inteligencia Artificial 56.23 R621i Brain Computer Interface Virtual Wheelchair Artificial Intelligence |
| url | http://repositorio.uan.edu.co/handle/123456789/8406 |
| work_keys_str_mv | AT riveralarranagajohnnyesteban implementaciondeunainterfazcerebrocomputadoraparaelcontroldeunasilladeruedasdentrodedeunambientevirtualenunityutilizadossvep |
