DSpace Repository

Interfícies cervell-ordinador basades en EEG per a la neurorehabilitació

Show simple item record

dc.contributor Universitat de Vic - Universitat Central de Catalunya. Departament d'Enginyeries
dc.contributor.author Dinarès Ferran, Josep
dc.date.accessioned 2019-09-18T15:02:23Z
dc.date.available 2019-09-18T15:02:23Z
dc.date.created 2019-07-15
dc.date.issued 2019-07-15
dc.identifier.uri http://hdl.handle.net/10854/5958
dc.description Programa de Doctorat: Ciències Experimentals i Tecnologies
dc.description.abstract Una interfície cervell-ordinador, o Brain-Computer Interface (BCI), és un sistema que permet el control de dispositius externs només amb la intenció humana. La capacitat que tenen aquests sistemes de llegir i processar l’activitat del cervell els ha fer uns bons candidats per aplicar-los en el camp de la neurorehabilitació de pacients amb ictus o trastorns de la consciència (Disorders of Consciousness). La base de funcionament del BCI és la detecció de patrons en l’EEG. El paradigma és el seguit d’instruccions que ha de segui l’usuari per generar aquests patrons. Les aplicacions que s’estan desenvolupament en el camp de la neurorehabilitació es basen principalment en fer servir dos paradigmes relacionats amb dos patrons: la imatge motora pel patró ERD/ERS i el paradigma oddball pel patró P300. Una de les conseqüències de l’ictus és la pèrdua de mobilitat d’alguna extremitat. Els BCI basats en la imatge motora poden capturar la intenció de moviment del pacient i activar un dispositiu d’estimulació elèctrica funcional. Aquest dispositiu està connectat a la superfície del braç del pacient a través d’uns elèctrodes, i quan s’activi l’estimulació, provocarà el moviment de l’extremitat afectada. En els pacients de DoC, moltes vegades és difícil determinar el nivell de consciència que tenen, i per avaluar-lo, es fa servir els BCI basats en el paradigma oddball, que consisteix en la presentació d’un estímul repetitiu al pacient, que fa que es generi un tipus de resposta en el seu EEG, i de cop i volta es presentar un estímul totalment diferent, que en cas que hi hagi consciència, la resposta de l’EEG del pacient serà diferent, apareixent el patró P300. El control del BCI per part del pacient és bàsic perquè les teràpies siguin profitoses, i per aconseguir-ho és necessari que el BCI s’adapti a les característiques particular del pacients i de l’entorn en un procés de calibratge previ a la sessió efectiva. Aquest calibratge consisteix en recollir mostres del patró, i com més mostres millor és l’adaptació però més llarg és el temps de calibratge, comportant cansament al pacient i fent que la sessió efectiva acabi sent més curta. En aquest treball s’han aportat millores en el control dels BCIs descrits, i també s’ha desenvolupat un nou mètode que permet superar el compromís del calibratge creant senyals EEG artificials. Els bons resultats d’aquest nou mètode permeten definir línies futures de recerca per millorar el control del BCI per part del pacient, perquè així puguin aprofitar millor les sessions de neurorehabilitació i guanyar qualitat de vida. es
dc.description.abstract A Brain-Computer Interface (BCI) is a system that allows controlling an external device using only the human intentions. Its ability to read and process the brain activity has made them good candidates for its application in the neurorehabilitation of stroke and Disorders of Consciousness (DoC) patients. The BCI’s basis is the detection of patterns in the EEG. The paradigm is the list of instructions that the user must follow to generate these patterns. The applications that are being developed in the field of neurorehabilitation are mainly based on using two paradigms related to two patterns: the motor imagery for the ERD / ERS pattern, and the oddball paradigm for the P300 pattern. One of the consequences of stroke is the loss of mobility of some limb. The motor imagery based BCIs can capture the patient’s intention of movement and activate a functional electrical stimulation (FES) device. This device is connected to the patient’s arm through two electrodes, and when the stimulation is activated it will cause the movement of the affected limb. In DoC patients, it is often difficult to assess their level of consciousness. The oddball paradigm BCIs can be used to evaluate the patient consciousness, which involves the presentation of a repetitive stimulus to the patient that provokes a response in the EEG. Suddenly, the BCI presents a totally different stimulus and if the patient is aware, his EEG will be different and a P300 pattern will appear. Patient’s BCI control is essential in order to get effective therapy. To achieve this control, it is necessary that the BCI adapts to the patient’s brain features and to the environment before the session using a calibration process. This process consists of collecting samples from the pattern, then the more samples collected, the longer the calibration time, and the better the adaptation. This longer calibration time can produce tiredness to the patient and a reduction of the rehabilitation session time. In this work, improvements have been introduced in the control of the BCI described, and a new method has been developed to overcome the trade-off in the calibration process by creating artificial EEG signals. The good results of this method lead to the definition of future research to improve the control of BCI by the patients, hence they can take better advantage of neurorehabilitation sessions and enhance their quality of life. es
dc.format application/pdf es
dc.format.extent 143 p. es
dc.language.iso cat es
dc.rights Tots els drets reservats es
dc.subject.other Interfície cervell-ordinador es
dc.subject.other Neurorehabilitació es
dc.subject.other EEG es
dc.title Interfícies cervell-ordinador basades en EEG per a la neurorehabilitació es
dc.type info:eu-repo/semantics/doctoralThesis es
dc.embargo.terms 12 mesos es
dc.rights.accesRights info:eu-repo/semantics/embargoedAccess es
dc.contributor.director Solé-Casals, Jordi

Files in this item

Show simple item record

Search RIUVic


Advanced Search

Browse

Statistics