Show simple item record

dc.creatorCortines Torre, Evaes_ES
dc.date.accessioned2022-03-04T15:30:14Z
dc.date.available2022-03-04T15:30:14Z
dc.date.issued2022
dc.identifier.urihttps://hdl.handle.net/2454/42441
dc.description.abstractEl ictus es la principal causa de discapacidad motora en el mundo y en más del 85% de los casos provoca déficits motores. La fisioterapia es el método de rehabilitación más ampliamente utilizado. Sin embargo, las personas post-ictus con parálisis más severa suelen presentar una recuperación limitada o nula en respuesta a estas terapias tradicionales, ya que requieren de un movimiento residual como premisa para su aplicación. Las interfaces cerebro ordenador (BCI de sus siglas en inglés, Brain- Computer Interface) han surgido como único medio de terapia de rehabilitación motora en los pacientes con parálisis más severa, ya que no requieren movimiento residual activo. Las BCI decodifican las señales cerebrales, las analizan y finalmente las traducen en comandos que puedan controlar un dispositivo externo, como puede ser el caso de brazos robóticos o electroestimulación funcional (FES). A diferencia de las terapias clásicas, incorporan estrategias de retroalimentación al sistema nervioso, que restablecen los circuitos neuronales dañados mediante mecanismos de neuroplasticidad y hacen que se produzca un aprendizaje motor. Las señales cerebrales pueden ser adquiridas mediante técnicas invasivas o no invasivas como la electroencefalografía (EEG), método más ampliamente utilizado. Este trabajo propone la implementación de una BCI basada en un clasificador lineal capaz de realizar la decodificación continua de la intención de movimiento y de generar comandos para el control de dispositivos, que puedan ser utilizados en terapias de rehabilitación motora. Para ello, se implementará un decodificador y se evaluará su comportamiento sobre dos conjuntos de datos de sujetos sanos grabados en Bitbrain (Zaragoza).es_ES
dc.format.mimetypeapplication/pdfen
dc.language.isospaen
dc.subjectElectroencefalograma (EEG)es_ES
dc.subjectInterfaz cerebro-ordenadores_ES
dc.subjectElectrodos secoses_ES
dc.subjectElectrodos basados en aguaes_ES
dc.subjectConjunto de datos BCIes_ES
dc.subjectClasificadores linealeses_ES
dc.subjectDecodificación continuaes_ES
dc.subjectMotor imageryes_ES
dc.titleDecodificación de la actividad electroencefalográfica para la detección de intención de movimiento en tiempo reales_ES
dc.typeTrabajo Fin de Máster/Master Amaierako Lanaes
dc.typeinfo:eu-repo/semantics/masterThesisen
dc.date.updated2022-03-03T10:30:01Z
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicaciónes_ES
dc.contributor.affiliationIndustria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoaeu
dc.description.degreeMáster Universitario en Ingeniería Biomédica por la Universidad Pública de Navarraes_ES
dc.description.degreeIngeniaritza Biomedikoko Unibertsitate Masterra Nafarroako Unibertsitate Publikoaneu
dc.rights.accessRightsAcceso abierto / Sarbide irekiaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen
dc.contributor.advisorTFEMalanda Trigueros, Armandoes_ES
dc.contributor.advisorTFELópez Larraz, Eduardoes_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record


El Repositorio ha recibido la ayuda de la Fundación Española para la Ciencia y la Tecnología para la realización de actividades en el ámbito del fomento de la investigación científica de excelencia, en la Línea 2. Repositorios institucionales (convocatoria 2020-2021).
Logo MinisterioLogo Fecyt