Control de una silla de ruedas en un entorno virtual mediante una interfaz cerebro - computadora

Abstract

RESUMEN: En este proyecto se realizó el diseño e implementación de un control de una silla de ruedas. Fue establecido en un entorno basado en realidad virtual. El control se implementó mediante señales cerebrales electroencefalográficas (EEG) aplicadas a un conjunto de algoritmos de machine learning y redes neuronales. El proceso consistió en cuatro etapas: 1. Organización de las señales EEG. 2. Extracción de rasgos característicos. 3. Aplicación de los algoritmos de clasificación. 4. Prueba de desempeño en el entorno virtual. Las señales EEG con las que se trabajó fueron basadas en cuatro acciones motoras provenientes de dos diferentes sujetos. Se utilizo el paradigma de visualización motora. Estas señales EEG se obtuvieron de una base de datos proporcionada por la Universidad Tecnológica de Graz. Para la extracción de rasgos característicos se realizó mediante la aplicación del algoritmo conocido como Common Spatial Pattern (CSP) en conjunto con el cálculo del valor de la media cuadrática (RMS) y la varianza. Los algoritmos de clasificación utilizados fueron K-Nearest Neighbors (KNN), Perceptrón Multicapa, Maquinas de Soporte Vectorial (MSV) y Redes Neuronales Morfológicas Dendríticas (RNMD) para dos y cuatro clases. Para cuatro clases se utilizó una red de clasificadores binarios. Se eligieron los clasificadores con mejor desempeño y se implementó el control del modelo de una silla de ruedas virtual. El entorno virtual fue creado en el motor de videojuegos Unity. Se obtuvieron porcentajes de clasificación del 79.44 %(sujeto 1) y del 67.50 %(sujeto 2).

ABSTRACT: In this project the design and implementation of a control of a wheelchair was carried out. It was established in an environment based on virtual reality. The control was implemented by brain electroencephalographic (EEG) signals applied to a set of machine learning algorithms and neural networks. The process consisted of four stages: 1. Organization of EEG signals. 2. Extraction of features. 3. Application of classification algorithms. 4. Performance test in the virtual environment. The EEG signals with which we worked were based on four motor actions from two different subjects. The motor visualization paradigm was used. These EEG signals were obtained from a database provided by the Technological University of Graz. For the extraction of characteristic features, it was carried out by applying the algorithm known as the Common Spatial Pattern (CSP) in conjunction with the calculation of the value of the root mean square (RMS) and the variance. The classification algorithms used were K-Nearest Neighbors (KNN), Multilayer Perceptron (MLP), Support Vector Machines (SVM) and Dendrite Morphological Neural Networks (DMNN) for two and four classes. For four classes, a network of binary classifiers was used. The classifiers with the best performance were chosen and the control of the model of a virtual wheelchair was implemented. The virtual environment was created in the Unity video game engine. Classification percentages of 79.44 % (subject 1) and 67.50 % (subject 2) were obtained.