Descripción del Proyecto
Este proyecto investiga y desarrolla una interfaz cerebro-computadora (BCI, Brain-Computer Interface) basada en la adquisición y procesamiento de señales de electroencefalografía (EEG) para el control no invasivo de dispositivos electrónicos y robóticos. La interfaz permite a usuarios con discapacidades motoras severas, como parálisis cerebral o esclerosis lateral amiotrófica (ELA), comunicarse e interactuar con su entorno mediante la interpretación de patrones de actividad cerebral asociados a la imaginación motora y los potenciales evocados visuales de estado estacionario (SSVEP).
El sistema emplea un casco de EEG de 32 canales con electrodos secos que no requieren gel conductor, mejorando significativamente la usabilidad en comparación con los sistemas clínicos convencionales. Las señales EEG adquiridas son procesadas en tiempo real mediante algoritmos de filtrado espacial (CSP, Common Spatial Patterns) y clasificación basada en redes neuronales recurrentes LSTM (Long Short-Term Memory), logrando tasas de transferencia de información (ITR) competitivas con los sistemas invasivos más avanzados.
Este proyecto tiene un impacto social directo al proporcionar herramientas de tecnología asistiva accesibles y de bajo costo, contribuyendo a mejorar la calidad de vida de personas con discapacidades motoras en Panamá, donde el acceso a este tipo de tecnologías es actualmente muy limitado.
Objetivos Específicos
- Diseñar y construir un sistema de adquisición de EEG portátil de 32 canales con electrodos secos, amplificador de bioseñales de bajo ruido y comunicación inalámbrica Bluetooth 5.0.
- Desarrollar algoritmos de procesamiento de señales EEG en tiempo real para la extracción de características discriminativas de imaginación motora (mano izquierda, mano derecha, pies, lengua) y SSVEP a múltiples frecuencias.
- Implementar un clasificador basado en redes LSTM bidireccionales con atención temporal para la decodificación de intenciones del usuario con una precisión superior al 85{48ccec454e2169d77940fc89c04cb0050685c5391f1d3051987519bd70dcb290} en paradigma de imaginación motora de 4 clases.
- Integrar la BCI con una silla de ruedas motorizada y un brazo robótico de asistencia, validando el sistema con usuarios con y sin discapacidad motora en el Hospital Santo Tomás de la Ciudad de Panamá.
Metodología
El hardware de adquisición se basa en el amplificador de bioseñales ADS1299 de Texas Instruments (24 bits, 250 SPS por canal). Los electrodos secos son de tipo activo con preamplificador integrado, diseñados para reducir la impedancia de contacto sin gel conductor. El procesamiento de señales incluye: filtrado pasa-banda (0.5-40 Hz), rechazo de artefactos oculares y musculares mediante ICA (Independent Component Analysis), extracción de características CSP para imaginación motora y CCA (Canonical Correlation Analysis) para SSVEP. La clasificación se realiza mediante una red LSTM bidireccional de 2 capas con 128 unidades y mecanismo de atención, entrenada con el dataset BCI Competition IV-2a y datos propios recopilados en sesiones experimentales con 20 voluntarios sanos.
Resultados Esperados
Se espera alcanzar una precisión de clasificación del 87{48ccec454e2169d77940fc89c04cb0050685c5391f1d3051987519bd70dcb290} en imaginación motora de 4 clases y una ITR de 25 bits/minuto en el paradigma SSVEP. El sistema de control de silla de ruedas logrará navegación autónoma asistida por BCI en un entorno de interiores con una tasa de comandos correctos superior al 90{48ccec454e2169d77940fc89c04cb0050685c5391f1d3051987519bd70dcb290}. Se publicarán al menos tres artículos en revistas de ingeniería biomédica y procesamiento de señales. El prototipo será evaluado por el departamento de rehabilitación del Hospital Santo Tomás con al menos 5 pacientes con discapacidad motora.
Instituciones Vinculadas
- Universidad Tecnológica de Panamá (UTP)
- Hospital Santo Tomás, Departamento de Rehabilitación
- SENACYT
- Secretaría Nacional de Discapacidad (SENADIS)
- Universidad de Graz, Laboratorio de BCI (Austria)