HMI-EEG

▷Neurorrehabilitación motora basado en señales EEG

La Interfaz Humano-Computador (HMI) basada en señales EEG (Electroencefalografía) ha revolucionado la neurorehabilitación motora al permitir el control preciso de ortesis activas de mano a través de la actividad cerebral. Esta tecnología avanzada establece una conexión directa entre la mente y la máquina, permitiendo que las señales cerebrales del usuario sean interpretadas y utilizadas para controlar los movimientos de la ortesis.

Para aquellos pacientes que sufren problemas físicos debido a lesiones, accidentes vasculares o cerebrales, o incluso condiciones relacionadas con la edad, esta innovadora tecnología ofrece una nueva esperanza y mejora significativa en su calidad de vida. Al permitir que los usuarios controlen las ortesis activas de mano con precisión mediante señales EEG, se facilita la rehabilitación motora de manera efectiva y cómoda.

La HMI basada en EEG no solo mejora la funcionalidad física de los pacientes al restaurar el movimiento y la destreza de la mano, sino que también tiene un impacto positivo en su bienestar emocional y mental. Al recuperar la capacidad de realizar tareas cotidianas con mayor independencia, los pacientes recuperan la confianza en sí mismos y vuelven a participar activamente en la vida diaria.

Además, esta tecnología también ofrece la posibilidad de personalización, adaptándose a las necesidades específicas de cada paciente y permitiendo un enfoque de rehabilitación individualizado y efectivo. En última instancia, la HMI basada en señales EEG no solo mejora la función motora, sino que también restaura la autonomía y la dignidad de los pacientes, brindándoles una mejor calidad de vida y una mayor esperanza para el futuro.

Publicaciones:

• Asanza, V., Lorente-Leyva, L. L., Peluffo-Ordóñez, D. H., Montoya, D., & Gonzalez, K. (2023). MILimbEEG: A Dataset of EEG Signals related to Upper and Lower Limb Execution of Motor and Motor Imagery Tasks. Data in Brief, 109540.
• GitHub
• Dataset

• Asanza, V.; Peláez, E.; Loayza, F.; Lorente-Leyva, L.L.; Peluffo-Ordóñez, D.H. Identification of Lower-Limb Motor Tasks via Brain–Computer Interfaces: A Topical Overview. Sensors 2022, 22, 2028. https://doi.org/10.3390/s22052028
•  GitHub

• Asanza, V., Avilés-Mendoza, K., Trivino-Gonzalez, H., Rosales-Uribe, F., Torres-Brunes, J., Loayza, F. R., ... & Tinoco-Egas, R. (2021). SSVEP-EEG Signal Classification based on Emotiv EPOC BCI and Raspberry Pi. IFAC-PapersOnLine, 54(15), 388-393.
• Read More

• V. Asanza, A. Constantine, S. Valarezo and E. Peláez, "Implementation of a Classification System of EEG Signals Based on FPGA," 2020 Seventh International Conference on eDemocracy & eGovernment (ICEDEG), Buenos Aires, Argentina, 2020, pp. 87-92, doi: 10.1109/ICEDEG48599.2020.9096752.
•  Read More

• Asanza, V., Pelaez, E., & Loayza, F. (2017, October). Supervised pattern recognition techniques for detecting motor intention of lower limbs in subjects with cerebral palsy. In Ecuador Technical Chapters Meeting (ETCM), 2017 IEEE (pp. 1-5). IEEE.
•  Read More

• Asanza, V., Pelaez, E., & Loayza, F. (2017, October). EEG signal clustering for motor and imaginary motor tasks on hands and feet. In Ecuador Technical Chapters Meeting (ETCM), 2017 IEEE (pp. 1-5). IEEE.
•  Read More

• Asanza, V., Ochoa, K., Sacarelo, C., Salazar, C., Loayza, F., Vaca, C., & Peláez, E. (2016, October). Clustering of EEG occipital signals using k-means. In Ecuador Technical Chapters Meeting (ETCM), IEEE (pp. 1-5). IEEE.
•  Read More

Control de órtesis basado en señales EEG:

Sensor:

Preprocesamiento:

Detección:

Control de Prótesis: