Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Prototipo a escala de una cama hospitalaria antiescaras para pacientes con lesiones medulares controlada por potenciales evocados en estado estacionario (SSVEP) María José León Amaya Jorge Leonardo Díaz Barragán Universidad El Bosque Facultad de Ingeniería, Programa de Bioingeniería Bogotá D.C., Colombia 2020 Prototipo a escala de una cama hospitalaria antiescaras para pacientes con lesiones medulares controlada por potenciales evocados en estado estacionario (SSVEP) María José León Amaya Jorge Leonardo Díaz Barragán Tesis o trabajo de grado presentada(o) como requisito parcial para optar al título de: Bioingeníero Director(a): Armando Alcides Quiñones Quiñones Bogotá D.C., Colombia . 2020 Dedicatoria Dedicamos este proyecto a: Nuestros padres Adriana Amaya y Humberto León, Ligia Barra- gán y Roberto Díaz por mostrarnos el camino hacia la superación, por su amor, trabajo y sacrificio en todos estos años, gracias a ustedes hemos logrado llegar hasta acá y convertirnos en Bioingenieros profesionales con valores éticos y morales. A nuestros hermanos Juan David León, Angie Lorena Díaz, por las palabras y consejos de motivación, por no dejarnos rendir en los momentos mas críticos del proyecto y sobre todo por su tiempo de escucha y paciencia. Una mención especial para Jeison Steven Díaz, que desde el cielo nos cuida, es la razón principal por la que he mantenido fuerzas para seguir en pie y por quien desarrollamos este proyecto de grado, hermano te amo. A nuestro tutor Armando Quiñones por su compromiso y exigencia con este trabajo, sin ti no hubiéramos logrado estos resultados, por mostrarnos el mundo de las BCI y demostrarnos que la mente todo lo puede. Y finalmente a todas las personas que nos apo- yaron y han hecho que el trabajo se realice con éxito en especial a aquellos que nos abrieron las puertas y compartieron sus conocimientos. Contenido Lista de figuras VIII Lista de tablas XI Siglas XI Lista de ecuaciones XIV 1 Introducción al contenido 1 1.1 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Cuerpo principal 5 2.1 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 Árbol del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3 Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.4 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.4.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.4.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.5 Levantamiento de requerimientos del sistema . . . . . . . . . . . . . . . . . . 9 2.5.1 Requerimientos para el prototipo de cama hospitalaria . . . . . . . . 9 2.5.2 Requerimientos para la Interfaz cerebro computadora . . . . . . . . . 10 3 Marco Referencial 11 3.1 Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 3.2 Marco Teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.2.1 ¿Qué es la movilidad? . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.2.2 Lesiones Medulares (LM) . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.2.3 Úlceras por presión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.4 Electroencefalografía . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.2.5 Interfaz cerebro computadora . . . . . . . . . . . . . . . . . . . . . . 23 3.2.6 Potenciales visuales relacionados a eventos de estado estacionario (SS- VEP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.2.7 Pre-procesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2.8 Procesamiento de la señal . . . . . . . . . . . . . . . . . . . . . . . . 29 Contenido vii 3.2.9 Análisis de Correlación canónica (CCA) . . . . . . . . . . . . . . . . 31 3.2.10 Transformada Discreta de Fourier (DFT) . . . . . . . . . . . . . . . . 32 3.2.11 Densidad Espectral de potencia . . . . . . . . . . . . . . . . . . . . . 33 3.2.12 Transformada de Hilbert (TH) . . . . . . . . . . . . . . . . . . . . . . 34 3.2.13 Análisis Estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.2.14 Clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 3.2.15 Validación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.2.16 Cama Hospitalaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.2.17 Cambios Posturales para la prevención de las UPP . . . . . . . . . . 51 3.3 Marco normativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4 Metodología propuesta, Resultados y análisis 52 4.1 Base de datos de AVI SSVEP . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4.2 Pre-procesamiento de la señal . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.3 Procesamiento de la señal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 4.4 Extracción de características . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.4.1 Análisis estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5 Clasificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 4.5.1 Validación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 4.5.2 Medidas de rendimiento del clasificador . . . . . . . . . . . . . . . . . 79 4.6 Diseño de la Interfaz de Usuario . . . . . . . . . . . . . . . . . . . . . . . . . 81 4.7 Diseño del Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.7.1 Diseño Físico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 4.7.2 Diseño Electrónico y mecánico . . . . . . . . . . . . . . . . . . . . . . 90 4.7.3 Ensamble del prototipo . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5 Resultados Finales y Análisis 100 5.1 Determinar las características discriminantes por medio de señales de encefa- lografía obtenidas a partir de bases de datos de BCI asociadas a SSVEP con presencia de lesiones medulares. . . . . . . . . . . . . . . . . . . . . . . . . . 100 5.2 Implementar y evaluar un método de clasificación a partir de las características obtenidas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5.3 Diseñar y construir un prototipo a escala de cama hospitalaria para modificar el punto de apoyo a través de los comandos mentales clasificados. . . . . . . 103 5.4 Evaluar por medio de pruebas los movimientos realizados por la cama hospi- talaria con respecto a los comandos entregados por el clasificador. . . . . . . 105 6 Conclusiones y Recomendaciones 107 6.1 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 6.2 Recomendaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 Bibliografía 109 7 Anexos 119 Lista de Figuras 2-1 Árbol del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 3-1 Conexión de la médula espinal con el cerebro. . . . . . . . . . . . . . . . . . 13 3-2 Paraplejia y tetraplejia [de Neurorrehabilitación., 2019] . . . . . . . . . . . . 14 3-3 Tipos de lesiones medulares [Huete García A., 2014] . . . . . . . . . . . . . . 14 3-4 Nivel de afectación [Huete García A., 2014] . . . . . . . . . . . . . . . . . . . 14 3-5 Posiciones comunes de las UPP [Ortohispania, 2016] . . . . . . . . . . . . . . 17 3-6 Organismo sin UPP [Rodriguez C., 2017] . . . . . . . . . . . . . . . . . . . . 18 3-7 Organismo con UPP [Rodriguez C., 2017] . . . . . . . . . . . . . . . . . . . . 18 3-8 Sistema Internacional 10-20. A. Vista Perfil; B. Vista Superior [Martínez, 2009] 21 3-9 Proceso de transmisión de información de una neurona a otra. [J., 1990]. . . 22 3-10Diagrama de Bloques para el desarrollode una BCI. [P., 2019] . . . . . . . . 23 3-11 Señal con SCP [Vivar S., 2017] . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3-12 Señal con ERD/ERS [Vivar S., 2017] . . . . . . . . . . . . . . . . . . . . . . 24 3-13Curvas temporales con p300 [Vivar S., 2017] . . . . . . . . . . . . . . . . . . 25 3-14 Señal con SSVEP [Gentiletti et al., 2007] . . . . . . . . . . . . . . . . . . . . 25 3-15Estímulo patrones de único gráfico [Aguilar, 2016]. . . . . . . . . . . . . . . . 26 3-16Forma de estímulos por patrones invertidos [Aguilar, 2016]. . . . . . . . . . . 26 3-17Ejemplo de estímulos visuales que parpadean a diferentes frecuencias de 7 Hz, 14 Hz y 21 Hz [Aguilar, 2016]. . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3-18Diagrama de Bloques-Filtro FIR . . . . . . . . . . . . . . . . . . . . . . . . . 28 3-19Diagrama de bloque-Filtro IIR . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3-20Modelo funcional de los SSVEP en una BCI [Garcia-Molina et al., 2010]. . . 30 3-21Análisis de Correlación Canónica [Guangyu B., 2009] . . . . . . . . . . . . . 31 3-22Transformada Discreta de Fourier [Bermúdez Cicchino, 2018] . . . . . . . . . 32 3-23Densidad Espectral de Potencia [Technologies, 2019] . . . . . . . . . . . . . . 34 3-24Transformada de Hilbert VS Señal original [Camona, 2012] . . . . . . . . . . 35 3-25Histograma [de México., nd] . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3-26Boxplot [Ballesteros, 2015] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3-27Evaluación de linealidad entre características [Martines, 2009] . . . . . . . . 39 3-28Clasificación Binaria [V., 2019] . . . . . . . . . . . . . . . . . . . . . . . . . . 40 3-29Clasificación Multiclase [V., 2019] . . . . . . . . . . . . . . . . . . . . . . . . 41 3-30Regresión Logística [Martinez., 2020] . . . . . . . . . . . . . . . . . . . . . . 42 3-31Análisis de discriminantes [Fernandez., 2011] . . . . . . . . . . . . . . . . . . 42 3-32Árbol de decisión [Learning., 2019] . . . . . . . . . . . . . . . . . . . . . . . 43 3-33Estructura red neuronal [Matich., 2001] . . . . . . . . . . . . . . . . . . . . . 44 Lista de Figuras ix 3-34Máquina de Soporte Vectorial [Betancourt., 2005] . . . . . . . . . . . . . . . 45 3-35Máquina de Soporte Vectorial [Colmenares, nd] . . . . . . . . . . . . . . . . 46 3-36Validación para Kn iteraciones [Ronald, 2018] . . . . . . . . . . . . . . . . . 47 3-37Cama hospitalaria rígida [Ronald, 2018] . . . . . . . . . . . . . . . . . . . . . 47 3-38Cama hospitalaria articulada [Quesada, 2011] . . . . . . . . . . . . . . . . . 48 3-39Posiciones de Cama hospitalaria Articulada . . . . . . . . . . . . . . . . . . 49 3-40Colchón en espuma [V. Tobay, 2019] . . . . . . . . . . . . . . . . . . . . . . 50 3-41Colchón antiescaras de espuma [V. Tobay, 2019] . . . . . . . . . . . . . . . . 50 3-42Colchón alternating [V. Tobay, 2019] . . . . . . . . . . . . . . . . . . . . . . 51 3-43Posición decúbito lateral [B. Elorriaga, 1996] . . . . . . . . . . . . . . . . . . 51 4-1 Metodología del proyecto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4-2 a. Posición de los electrodos para la toma de los datos de EEG. b. Posición de sujeto con respecto a la pantalla LCD. [Vilic, 2013]. . . . . . . . . . . . . 53 4-3 Frecuencias utilizadas para desencadenar respuesta de SSVEP . . . . . . . . 54 4-4 Porcentaje de cantidad de datos por cada señal de SSVEP [Vilic, 2013]. . . . 55 4-5 Señal de entrada VS señal filtrada . . . . . . . . . . . . . . . . . . . . . . . 57 4-6 Respuesta en magnitud del filtro Butherworth IIR . . . . . . . . . . . . . . 57 4-7 Ventaneo usado en el algoritmo para visualizar el SSVEP . . . . . . . . . . 58 4-8 frecuencias con SSVEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 4-9 Ejemplo de gráfica de Centroide . . . . . . . . . . . . . . . . . . . . . . . . 61 4-10Centroide, frecuencia de 6 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4-11Centroide, frecuencia de 6.5 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . 62 4-12Centroide, frecuencia de 7 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . 63 4-13Centroide, frecuencia de 7.5 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . 63 4-14Centroide, frecuencia de 8.2 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . 64 4-15Aplicación de la transformada de Hilbert en las observaciones . . . . . . . . 65 4-16Ejemplo de gráfica de Cruce en Cero . . . . . . . . . . . . . . . . . . . . . . 66 4-17Ejemplo de gráfica de Cruce en Cero . . . . . . . . . . . . . . . . . . . . . . 66 4-18Gráficas de Cruce en Cero. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4-19Gráficas de Frecuencia transformada de Hilbert. . . . . . . . . . . . . . . . . 69 4-20Histogramas para cada característica seleccionada. . . . . . . . . . . . . . . . 71 4-21Boxplot de Centroide VS CCA . . . . . . . . . . . . . . . . . . . . . . . . . . 73 4-22Boxplot de CCA VS Cruce en Cero . . . . . . . . . . . . . . . . . . . . . . . 74 4-23Boxplot de Centroide VS F. Hilbert . . . . . . . . . . . . . . . . . . . . . . . 74 4-24Boxplot de Centroide VS Cruce en Cero . . . . . . . . . . . . . . . . . . . . 75 4-25Matriz de Boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 4-26Matriz de Diagramas de Dispersión . . . . . . . . . . . . . . . . . . . . . . . 77 4-27Diagramas de Dispersión 3D características CCA, Cruce en Cero y F.Hilbert 78 4-28Gráfica. Error mínimo clasificador . . . . . . . . . . . . . . . . . . . . . . . . 79 4-29Primera pestaña de la Interfaz Gráfica . . . . . . . . . . . . . . . . . . . . . 82 4-30 Segunda pestaña de la Interfaz Gráfica . . . . . . . . . . . . . . . . . . . . . 83 4-31 Interfaz Conectada y Desconectada. . . . . . . . . . . . . . . . . . . . . . . . 83 4-32 Segunda pestaña de la Interfaz Gráfica . . . . . . . . . . . . . . . . . . . . . 84 x Lista de Figuras 4-33Botón verde o rojo para demostrar la conexión o desconexión de Matlab-Arduino 84 4-34Vistas Diseño Cama hospitalaria Fusion 360. . . . . . . . . . . . . . . . . . . 88 4-35Convertidor reductor DC/DC conectados a los servomotores . . . . . . . . . 93 4-36Driver TB6600 para el control del NEMA 17 . . . . . . . . . . . . . . . . . 93 4-37Conexiones del arduino Nano y los motores . . . . . . . . . . . . . . . . . . 94 4-38Esquemático del sistema electrónico . . . . . . . . . . . . . . . . . . . . . . . 94 4-39Cinemática de un pistón [Patiño, 2014] . . . . . . . . . . . . . . . . . . . . . 95 4-40Mecanismo para el cambio de punto de apoyo. . . . . . . . . . . . . . . . . . 95 4-41Ángulo de punto de apoyo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 4-42Cilindros de madera para los nuevos cambios de apoyo . . . . . . . . . . . . 96 4-43Unión Motor paso a paso con base de la cama . . . . . . . . . . . . . . . . . 97 4-44Unión de los servomotores y barillas enroscada de metal . . . . . . . . . . . . 98 4-45Unión Somier y base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 4-46Caja Circuito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 4-47Pruebas de comandos mentales con prototipo. . . . . . . . . . . . . . . . . . 99 5-1 Diagrama de Flujo Primer Objetivo . . . . . . . . . . . . . . . . . . . . . . 101 5-2 Diagrama de Flujo Segundo Objetivo . . . . . . . . . . . . . . . . . . . . . . 102 5-3 Diagrama de Flujo Producto Final . . . . . . . . . . . . . . . . . . . . . . . 103 5-4 Prototipo Construido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 5-5 Pruebas de comandos mentales con prototipo. . . . . . . . . . . . . . . . . . 104 5-6 Software y Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Lista de Tablas 3-1 Distribución anatómica de las UPP. [Yepes D., 2009] . . . . . . . . . . . . . 17 3-2 Tabla resumida de Lilliefors. Distribución normal con parámetros estimados, n= cantidad de muestras y el es el nivel de significancia para poder comparar el resultado del p-valorobtenido por la prueba de Lilliefors [Molin, 1998] . . 37 4-1 Prueba 1 y 2, Frecuencias de los estímulos . . . . . . . . . . . . . . . . . . . 55 4-2 Señales de EEG con ruido : en tiempo (Parte superior de cada gráfica) y en frecuencia (Parte inferior de cada gráfica) . . . . . . . . . . . . . . . . . . . . 56 4-3 Tabla resultados resumidos para el análisis de correlación canónica . . . . . . 60 4-4 Centroides, varianza y STD . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4-5 Posición cruce en cero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 4-6 Frecuencia transformada de Hilbert . . . . . . . . . . . . . . . . . . . . . . . 70 4-7 Resultados Prueba de Lilliefors . . . . . . . . . . . . . . . . . . . . . . . . . 72 4-8 Resultados Prueba Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 4-9 Coeficientes de correlación de Spearman . . . . . . . . . . . . . . . . . . . . 76 4-10Cantidad de datos utilizados por observación . . . . . . . . . . . . . . . . . . 78 4-11Resultado de precisión por cada clasificador . . . . . . . . . . . . . . . . . . 78 4-12Resultado de Matriz de Confusión . . . . . . . . . . . . . . . . . . . . . . . . 80 4-13Resultado de Matriz de Confusión . . . . . . . . . . . . . . . . . . . . . . . . 81 4-14Tabla Pruebas de tiempo total del algoritmo . . . . . . . . . . . . . . . . . . 85 4-15Medidas Antropométricas a escala 1:1 y 1:4 . . . . . . . . . . . . . . . . . . 86 4-16Dimensiones Cama hospitalaria a escala 1:1 y 1:4 . . . . . . . . . . . . . . . 87 4-17Matriz de decisión para seleccionar el material de la cama hospitalaria . . . . 89 4-18Matriz de decisión para seleccionar los actuadores . . . . . . . . . . . . . . . 89 4-19Matriz de decisión para seleccionar los actuadores . . . . . . . . . . . . . . . 90 4-20 Lista de Materiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5-1 Precisión de las pruebas de clasificación . . . . . . . . . . . . . . . . . . . . . 101 Siglas AD Análisis de discriminantes. AVI Base de datos de Adnan Vilic. BCI Interfaz cerebro - computadora. CCA Análisis de correlación canónica. DFT Transformada Discreta de Fourier. EEG Electroencefalografía. ERD-ERS Imaginación motora. ET Eye tracking. FDR Tasa de descubrimiento falso. FMI Funciones de Modos Intrínsecos. FNR Tasa de Falsos Negativos. ICA Análisis de componentes independientes. ITR Índice de transferencia de datos. LM Lesiones medulares. MVS Máquina de Soporte Vectorial. PPV Valor predictivo positivo. PSD Densidad Espectral de potencia. RL Regresión Logística. SCP Potenciales corticales lentos. SNC Sistema nervioso central. Acronyms xiii SSVEP Potenciales evocados visuales a eventos de estado estacionario. TH Transformada de Hilbert. TPR Tasa de Verdaderos Positivos. UPP Úlceras por presión. Lista de ecuaciones 3-1 Filtro digital FIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3-2 Función de transferencia del Filtro digital FIR . . . . . . . . . . . . . . . . . . 27 3-3 Filtro digital IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3-4 Función de transferencia del Filtro digital IIR . . . . . . . . . . . . . . . . . . . 28 3-5 Análisis de Correlación canónica (CCA) . . . . . . . . . . . . . . . . . . . . . . 31 3-6 Señales de referencia para CCA . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3-7 Valor máximo obtenido de CCA . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3-8 Transformada discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3-9 Transformada discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3-10 Inversa de la transformada discreta de Fourier . . . . . . . . . . . . . . . . . . . 33 3-11 Densidad espectral de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3-12 Promedio de la energía PSD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3-13 Promedio de PSD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3-14 Transformada de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3-15 Límite definido para la transformada de Hilbert . . . . . . . . . . . . . . . . . . 35 3-16 Transformada de Hilbert Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3-17 Prueba de Lilliefors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3-18 resolver la ecuación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3-19 Evaluar prueba de Liliefors cuando n>50 . . . . . . . . . . . . . . . . . . . . . 37 3-21 Test de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3-22 Test de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3-23 Coeficiente de correlación de Spearman . . . . . . . . . . . . . . . . . . . . . . . 39 3-24 Relación Logística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3-25 Parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3-26 Sigma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3-27 Análisis Discriminante Punto de Corte . . . . . . . . . . . . . . . . . . . . . . 42 3-28 Modelo Matemático Análisis Discriminante . . . . . . . . . . . . . . . . . . . . 43 3-29 Modelo Matemático - Árbol de decisión . . . . . . . . . . . . . . . . . . . . . . 43 3-30 Máquina de Soporte Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 3-31 Maximiza el margen entre las clases (MVS) . . . . . . . . . . . . . . . . . . . . 45 3-32 Evaluar la separabilidad de los datos (MVS) . . . . . . . . . . . . . . . . . . . . 46 3-33 Variables de relajación MSV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 1 Introducción al contenido 1.1. Resumen En Colombia hay 40 pacientes con Úlceras por presión (UPP), para una prevalencia de un 14.1% [Corral, 2018]. Las UPP aparecen en un 65% de los pacientes hospitalizados, estos al no poder adoptar distintas posiciones muestran una incidencia en la tasa de desarrollo de una nueva UPP que oscila entre 7,7% y 26,9% diarias [de Salud y Protección Social, 2016], si no es tratado a tiempo las UPP ocasionan a los pacientes un aumento en la tasa de morbi- mortalidad hospitalaria del 23% al 27% [Arango Salazar C., 2017]. Se evidencia que si estas son prevenidas a tiempo y con un mejor cuidado el 95% de los pacientes mejoran [de Salud y Protección Social, 2016]. Por lo anterior el resultado de este trabajo de grado es demostrar que personas con tetra- plejia pueden cambiar su punto de presión o apoyo de manera autónoma sin ayuda externa (enfermera o familiar), por medio de una Interfaz cerebro - computadora (BCI) controlada por Potenciales evocados visuales a eventos de estado estacionario (SSVEP) siendo estos es- tímulos parpadeantes a diferentes frecuencias (6 Hz, 7 Hz, 7.5 Hz y 8.2), con el f̄ın de prevenir las UPP en la zona lumbar (superior e inferior) y mejorar su calidad de vida, evidenciado en un prototipo a escala de cama hospitalaria. Esto se logro por la unión de dos metodologías. La metodología para el software la cual cons- ta de un pre-procesamiento, procesamiento de la señal para extraer características específicas (centroide, correlación canónica, cruce en cero y la frecuencia máxima de la transformada de hilbert), uso de un clasificador (Máquina de Soporte Vectorial) y validación cruzada donde se obtuvo una precisión del 97%, 99% de especificidad y 97% de sensibilidad para detectar de manera correcta a que estimulo parpadeante esta visualizando los pacientes con el fin de generar comandos mentales. Los cuales serán entregados a los diferentes actuadores para generar el nuevo punto de apoyo en el prototipo. Como resultado final se obtiene una interfaz con los cuatro estímulos parpadeantes, al selec- cionar uno de ellos el algoritmo va a desarrollar la metodología mencionada anteriormente. La metodología de hardware dondese desarrollo un prototipo a escala de cama hospitalaria mediante impresiones 3D con PLA, dos servomotores para generar los diferentes movimien- tos para producir nuevos puntos de presión o apoyo y un motor paso-paso para generar el movimiento de RCP anti-trendelemburg y trendelemburg. Como resultado final se obtuvo un prototipo funcional a escala (1:4) de una cama hospi- talaria controlada por un sistema BCI por estímulos parpadeantes con SSVEP para que los 2 1 Introducción al contenido pacientes con lesiones medulares (tetraplejia) cambien el punto de presión de su zona de apoyo con el fin de prevenir las UPP en la zona lumbar. cabe resaltar que la señal utilizada para la elaboración de este proyecto de grado es de la base de datos de AVI SSVEP [Vilic, 2013] 1.2. Abstract In Colombia, 65% of all patients on hospital beds suffer from pressure ulcers (PU). Due to the difficulty in mobility, patients have difficulty adapting their positions. The onset of new Pus can range between 7.7% to 26.9% daily [de Salud y Protección Social, 2016 ]. PUs that have not been addressed in a timely manner have caused mortality rates to increase from 23% to 27% [Arango Salazar C., 2017]. However, if PUs are treated, or prevented in time, 95% of patients experience a full recovery. Prevention of PUs can occur by responding to prolonged amounts of pressure on a particular skin area. Detection of PUs are currently performed by nurses or care-giving tasks at their discretion, and often goes unnoticed when patients are non-verbal or have severe motor deficits [de Salud y Protección Social, 2016]. This motivated the design of an automated PU prevention system that can autonomously alter a patient’s position and alleviate potential skin harm using brain-computer interface (BCI), without the physical intervention of a caregiver. The BCI responds to steady state evoked potentials (SSVEPs) in response to visual stimuli blinking at different frequencies; 6 Hz, 7 Hz, and 8.2 Hz. SSVEPs resonating at each frequency would alter pressure points through linear actuators locating in the lumbar and posterior thoracic regions of the bed which move the patient accordingly. The functionality of the proposed system involves the union between two components; me- chanical intervention to manipulate the position of a patient in response to the BCI’s in- terpretation to the SSVEPs. Extracting information from evoked potentials involves signal processing and statistical interpolation using Fourier and Hilbert transforms and applying canonical correlations, respectively. The resulting information characterizes the resonant fre- quency of the SSVEP corresponding to the input visual stimuli. A support vector machine model was trained using cross-validation based on these characteristics into the 3 blinking frequencies with a precision of 97%, specificity of 99% and sensitivity of 97%. The predic- tion of the SVM prompted the appropriate mechanical actuator to move the patient. The mechanical hardware prototype was developed using PLA 3D printed materials. Two ser- vomotors generate torque to actuate and manipulate pressure release from a specific region on the patient’s surface. A stepper motor was used to generate the anti-trendelemburg CPR movement and trendelemburg. As a final result, a functional prototype was obtained at scale (1: 4) of a hospital bed controlled by a BCI system by blinking stimuli with SSVEP so that patients with spinal cord injuries (tetraplegia) change the pressure point of their support zone with in order to prevent PUs in the lumbar area. It should be noted that the signal used for the preparation 1.3 Introducción 3 of this degree project is from the AVI SSVEP database Palabras Claves Tetraplejia, Úlceras por presión (UPP), Potenciales evocados visuales a eventos de estado estacionario (SSVEP), Interfaz cerebro - computadora (BCI), prototipo de cama hospitalaria. Key Words Tetraplegia, pressure ulcers (UP), Steady state visually evoked potencial (SSVEP), Brain computer interface (BCI), hospital bed prototype. 1.3. Introducción El 50% de las lesiones traumáticas se producen a nivel cervical ocasionando una tetraple- jia [Huete García A., 2014], esta genera una deficiencia neuromotora la cual incide en la movilidad en los pacientes generando Úlceras por presión de estadios 1,2,3 y 4 en el organis- mo. Las zonas mas afectadas son la zona del isquión, trocánteres y sacro con 31%, 26% y 18% respectivamente, estos están situadas en la zona lumbar superior e inferior [Murua Ara- baolaza, 2015]. Las UPP se definen como heridas o lesiones en la piel o tejido adyacente, que surgen como resultado de la presión, fuerzas de corte y fricción, bajo áreas de prominencia ósea [Mota D., 2016], que aparecen en un 65% de los pacientes hospitalizados que padecen inmovilidad por causa de la tetraplejia. Hoy en día existen tratamientos con dependencia de otro factor sea humano o ayuda de soporte las 24h del día para realizar un cambio de posición y variar la presión o una movilidad mínima de su organismo(Tzuc-Guardia, A., Vega-Morales, E.amp; Collí-Novelo, L., 2015). En el área de hospitalización, una auxiliar de enfermería es asignada a 6 pacientes generando que el tiempo requerido por cada paciente sea insuficiente para la prevención y tratamiento de las UPP [Lombo J., 2013]. Teniendo en cuenta el impacto de la aparición de las UPP en los pacientes con tetraple- jia y la falta de tratamientos autónomos para la prevención de las mismas, se realizo un prototipo a escala de cama hospitalaria la cual es manipulada por el paciente por medio de una BCI controlada por SSVEP. Estos potenciales evocados se encuentran en la corteza cerebral en la zona occipital del cerebro. La función de este potencial es sincronizar el área cerebral encargada en el procesamiento visual con el parpadeo de una imagen que oscila a una frecuencia determinada en un rango de 6 Hz a 25 Hz [Aguilar, 2016] para poder cambiar el punto de presión o apoyo en la zona lumbar (inferior y superior) cuando este lo desee usando señales de electroencefalografía. Por lo tanto, la estructura de este documento se encuentra dividida de la siguiente forma. En el primer capítulo se encuentra la introducción al contenido, en el segundo capítulo el cuerpo principal, en el tercer capítulo se expondrá un marco referencial compuesto por estado del arte y marco teórico, el primero de ellos expondrá lo que se ha realizado hasta al 4 1 Introducción al contenido momento respecto a técnicas usadas para procesamiento de señales de SSVEP, clasificación de las mismas y aplicaciones en la vida real y entorno académico, en el segundo explicara los elementos prácticos y teóricos usados en el documento para facilitar su entendimiento. En el cuarto capítulo se expondrá la metodología del software y hardware usada para el desarrollo del presente trabajo de grado, los resultados y análisis de los mismos,en el quinto capitulo resultados finales por cada objetivo y su respectivo análisis, en el sexto capitulo se encuentra las conclusiones y recomendaciones del proyecto. 2 Cuerpo principal 2.1. Planteamiento del problema La tetraplejía se define como la parálisis total o parcial de las extremidades superiores e inferiores del cuerpo humano, ocasionadas por algún tipo de accidente traumático a nivel de la médula espinal o lesión medular (LM) [Forner Valero V., 2011], este trauma depende de dos factores: el lugar de la lesión a lo largo de la médula espinal y la gravedad de la le- sión [OMS, 2013], por ejemplo al momento de producirse una lesión aguda en la vértebra T1 o en una más alta se origina deficiencia neuromotora que afecta al tronco y los cuatro miembros con una pérdida funcional considerable por debajo de la ubicación de la lesión [Kansas, 2016]. Dentro de las comorbilidades que más afectan a los pacientes con traumatismos de la mé- dula espinal están las Úlceras por presión, heridas definidas como una lesión de piel o tejido adyacente, que surgen como resultado de la presióno combinación de estos factores con fuerzas de corte y fricción, bajo áreas de prominencia ósea [Mota D., 2016], que aparecen en un 65% de los pacientes hospitalizados, estos al no poder adoptar distintas posiciones muestran una incidencia en la tasa de desarrollo de una nueva UPP que oscila entre 7,7% y 26,9% [de Salud y Protección Social, 2016], si esta no es tratada a tiempo las UPP ocasionan a los pacientes un aumento en la tasa de mortalidad hospitalaria del 23 al 27%, y el riesgo de muerte aumenta de 2 a 5 veces en los hogares de cuidado básico. El mejor cuidado de las UPP esta basada en su prevención, estimándose que al menos el 95% de las mismas son evitables [Arango Salazar C., 2017]. Con respecto a la relación que existe en el cuidado de los pacientes por parte de enfermera- auxiliares de enfermería, reporta la literatura que en el área de hospitalización, por cada auxiliar de enfermería hay 5.4 pacientes a su cuidado [Arango G., 2015], pero ellas también deben realizar labores como: recibir y entregar turno, tomar signos vitales, arreglar unidades de hospitalización, revisión órdenes médicas, arreglo y baño de pacientes, aseo y desinfección entre otras [A. Díaz, 2018], generando una carga alta de actividades para suplir las necesi- dades de los pacientes a su cargo y que requieren de su permanente atención, teniendo en cuenta la presencia de UPP. [Lombo J., 2013]. 2.2. Árbol del problema A continuación se muestra el árbol del problema, en el cual se puede identificar el problema central,objeto del presente estudio, sus causas y consecuencias 2-1. 6 2 Cuerpo principal Figura 2-1: Árbol del problema 2.3. Justificación Las Lesiones medulares (LM) presentan comorbilidades asociadas al sistema genitourinario, enfermedades en la piel (dermatológicas), enfermedades respiratorias, digestivas, circulato- rias y musculo-esqueléticas entre otras [Center, 2018]. La tasa anual de lesionados medulares varía bastante en los distintos países. Por ejemplo, en España se encontró tasas de 30 por 100.000 habitantes, en Estados Unidos de 17 por 100.000 habitantes, en Japón de 4 por 100.000 habitantes; en los países en desarrollo, se registran tasas más bajas de alrededor de 1,5 por 100.000 habitantes [García D., 2007], en Colombia hay 12 por 1.000 pacientes [Carva- jal C., 2015], donde se encuentran del total de los lesionados medulares, el 31,1% corresponde a tetraplejías incompletas, el 27% a paraplejias completas, el 21,4% a tetraplejías completas y el 20,5% a paraplejias incompletas [García D., 2007]. En las lesiones medulares una de las complicaciones agudas más frecuentes son las dermato- lógicas y dentro de ellas la aparición de úlceras en la zona lumbar. Las UPP se constituyen en un gran problema de salud debido a que deterioran la calidad de vida de los pacientes y su fa- milia, aumentando el costo social, y el consumo de recursos en salud [Rodriguez C., 2017],son de rápida aparición y cursan con un proceso de larga curación debido al gran compromiso que se puede generar en las estructuras musculares y tendinosas de un área corporal. La pre- 2.3 Justificación 7 valencia de estas oscila entre el 3% y el 50% en los servicios de Cuidados Intensivos (UCI), Medicina Interna y Neurología [Díez J., 2016]. Según los datos derivados de los diferentes estudios realizados a nivel internacional en el área de hospitalización la prevalencia de las UPP en Canadá 23-29%, Australia 6- 15%, Estados Unidos 8-15%, Estudio europeo (2007) Bélgica/Suiza/Inglaterra 21–23%, Italia 8%, Portugal 13%, entre otras, esta prevalencia se debe a las lesiones medulares o al sedentarismo en sus residencias u hospitales [Galvan J., 2016], en Colombia hay 40 pacientes con UPP en 282 camas, para una prevalencia de un 14.1% [González V., 2018]. Hoy en día existen tratamientos con dependencia de otro factor sea humano o ayuda de soporte para realizar un cambio de posición y variar la presión o una movilidad mínima de su organismo [Tzuc-Guardia A., 2015], en el área de hospitalización, una auxiliar de enfermería es asignada a 6 pacientes generando que el tiempo requerido por cada paciente sea insuficiente para la prevención y tratamiento de las UPP [Lombo J., 2013]. Teniendo en cuenta esta problemática se identificó posibles consecuencias en la aparición de úlceras como: infecciones cutáneas, dolor intenso, ardor, mal cuidado del paciente, fatiga, incomodidad e irritación y sangrado en fase aguda [Rodriguez C., 2017]. Los pacientes que padecen de lesiones medulares son más propensos a presentar UPP a un 28.7% en el área de hospitalización [Murua Arabaolaza, 2015], en las partes del isquión, trocánteres y sacro con 31%, 26% y 18% respectivamente estos están situadas en la parte de la espalda con mayor intensidad en la zona lumbar y del sacro [Murua Arabaolaza, 2015]. La incomodidad que soportan los pacientes a causa de las UPP está dado por el grado de dolor que ellos sientan dependiendo del estadio donde se encuentre la UPP, entre mayor este el estadio la sensación será más desagradable [Arango Salazar C., 2017], teniendo en cuenta lo anterior, la mayoría de las personas que sufren una LM declaran o gesticulan que sufren dolor crónico, principalmente dolor neuropático (descrito con frecuencia como sensación de quemadura, de ardor, de pinchaduras con agujas en la piel) principalmente en zonas donde está soportando su peso en un apoyo [Center, 2016]. Los pacientes con lesiones medulares que sufren de tetraplejía completa, tienen inmovilidad en los miembros superiores e inferiores [Kansas, 2016] y diferentes grados de sensibilidad dependiendo del traumatismo en la LM, aparte de esto, estos pacientes son conscientes a los estímulos externos dolorosos [Center, 2016], este tipo de pacientes deben tener personas que cuiden de ellos las 24 horas del día [Lombo J., 2013]. Por lo tanto, este trabajo de grado propone un prototipo a escala de cama hospitalaria que supla las limitaciones del movimiento autónomo que el paciente a su voluntad requiera hacer en un momento del día, con el fin de que él pueda utilizar el órgano que aun funciona a ca- balidad : el cerebro, y a partir de este genere comandos mentales ligados a estímulos visuales usados para modificar el punto de apoyo por los transductores conectadas a el prototipo y así permitir distintos movimientos en el prototipo a escala de cama hospitalaria y así evitar la aparición de UPP, para ello es necesario realizar un sistema automático a partir de una interfaz cerebro-computadora [Ferrin C., 2019]. Los métodos que se usan para generar los comandos mentales son: Interfaz cerebro - computadora (BCI), Potenciales corticales lentos (SCP), Imaginación motora (ERD-ERS) y P300 [Setare A., 2013]. Para poder definir qué 8 2 Cuerpo principal método usar se realizaron revisiones bibliográficas de los métodos mencionados anteriormen- te y se identificó por parte del estado del arte que el mejor método para usar es el SSVEP por el tiempo de entrenamiento al usuario y el Índice de transferencia de datos (ITR), ya que el tiempo de entrenamiento al paciente es en minutos siendo menor a los reportados en los demás métodos por ejemplo el SCP y el ERD/ERS es necesario semanas de entrenamiento para un correcto funcionamiento del método, siendo esto tedioso para los pacientes, aparte del tiempo también con el ITR siendo el más óptimo en el método de los SSVEP [Setare A., 2013]. Aparte de la revisión bibliográfica de los métodos anteriores se decidió comparar con el Eye tracking (ET) ya que en el estado del arte se encontró que es un método muy parecido en su precisión, pero a partir de esa revisión se decidió usar el método de SSVEP ya que es de fácil adquisición, por ejemplo en costos tiene una gran diferencia un equipo de Electroence- falografía (EEG) puede costar 3.000 dólares [OpenBCI, nd] mientras el equipo de la técnica de ET tiene un costo de más de 10.000 dólares [J., nd], en cuanto a la metodología de las dos técnicas el ET necesita una distancia (60 cm) puntual entre la persona y elestímulo visual, la persona debe optar una posición paralela con respecto al dispositivo para realizar la lectura , si esta cambia de posición y no se encuentra en esta distancia y tampoco en el área del es- tímulo la precisión cambia, la calibración del equipo da una medida errónea, mientras que la técnica del EEG no se necesita estar a una distancia, ni en el área del estímulo [Imotions., nd]. La anterior propuesta hace parte del campo de acción de un Bioingeniero ya que se busca diseñar y desarrollar una solución creativa a un problema de la salud humana por medio de conocimientos de electrónica, mecánica e informática con el fin de proponer soluciones de alta tecnología para la asistencia y automatización a problemas de salud humana lo cual se alinea con el foco misional de Bioingeniería. Por lo anterior, el proyecto propone el desarrollo de un prototipo a escala de cama hospitalaria antiescaras, de ayuda y soporte en la asistencia de pacientes con lesiones medulares, suministrando una herramienta de apoyo que aumenta la seguridad del paciente, mejore la calidad de vida en pacientes en el contexto clínico y el hogar. 2.4. Objetivos 2.4.1. Objetivo General Dado lo anterior, se plantea desarrollar un prototipo funcional a escala (1:4) de una cama hospitalaria controlada por un sistema BCI para que los pacientes con lesiones medulares cambien el punto de presión de su zona de apoyo con el fin de prevenir las úlceras por presión. 2.4.2. Objetivos Específicos Determinar las características discriminantes por medio de señales de encefalografía obtenidas a partir de bases de datos de BCI asociadas a SSVEP con presencia de lesiones medulares. 2.5 Levantamiento de requerimientos del sistema 9 Implementar y evaluar un método de clasificación a partir de las características obte- nidas. Diseñar y construir un prototipo a escala de cama hospitalaria para modificar el punto de apoyo a través de los comandos mentales clasificados. Evaluar los movimientos realizados por la cama hospitalaria con respecto a los coman- dos entregados por el clasificador. 2.5. Levantamiento de requerimientos del sistema 2.5.1. Requerimientos para el prototipo de cama hospitalaria Funcionales El prototipo de cama hospitalaria debe ser eléctrica. El prototipo de cama hospitalaria debe contar con un panel controles de posiciones pre establecidas para la ayuda del profesional de la salud. El prototipo de cama hospitalaria debe ser rígida construida de un material de alta resistencia a golpes y no sea corrosivo. El prototipo de cama debe soportar hasta 50 kg de peso dimensiones acotadas a la escala (1:4). El ángulo para generar la posición de Trendelengurb y Antitrendelenburg debe ser máximo de 11o de inclinación. El ángulo para generar un nuevo cambio de punto de presión o de apoyo debe ser máximo de 30o. No funcionales La cama va a realizar cuatro movimientos que cambiaran los puntos de presión que ejerce esta al paciente, los cuales son: 2 movimientos de empuje hacia arriba en el área lumbar, 30o con respecto a la base de la cama. 2 movimientos de empuje hacia arriba en la zona del sacro 30o con respecto a la base de la cama. El prototipo de cama debe permitir realizar la posición de reanimación cardiopulmonar (RCP). El prototipo de cama debe permitir realizar la posición vascular, elevación de pies o Trendelenburg . El prototipo de cama hospitalaria debe tener las siguientes dimensiones: de largo de 52 cm, ancho de 25.5 cm y alto de 29.25 cm, dimensiones acotadas a la escala (1:4). 10 2 Cuerpo principal 2.5.2. Requerimientos para la Interfaz cerebro computadora Funcionales El estímulo visual deben comprender el rango de frecuencias entre 6 Hz y 9.3 Hz. La interfaz cerebro computadora debe funcionar con o sin internet. La BCI debe generar un punto de presión en la cama hospitalaria. La BCI debe procesar las señales de manera automática y generar una respuesta au- tomática. La cama hospitalaria va a funcionar por señales de SSVEP extraídas de bases de datos de terceros (señales de EEG). No funcionales Los pacientes con enfermedades neurodegenerativas no pueden usar la interfaz BCI. La BCI debe presentar una interfaz gráfica donde se evidencien los estímulos con las frecuencias determinadas. La BCI diseñada debe tener una respuesta comparable con las BCI del estado del arte. La BCI debe tener un rendimiento comparable con respecto a los trabajos encontrados en el estado del arte. El algoritmo debe tener una disponibilidad completa de las veces que se quiere usar. 3 Marco Referencial 3.1. Estado del arte La utilización de las señales cerebrales para controlar a voluntad un sistema conectado a un computador se logra mediante las interfaces cerebro-computador, a medida que pasa el tiempo a partir de este método se han desarrollado varias aplicaciones como: En el 2013 miembros de la institución IEEE propusieron un control de las posiciones para una cama hospitalaria a partir de una BCI utilizando un paradigma de potenciales evo- cados visuales de estado estacionario, para el entrenamiento de su algoritmo y validar el funcionamiento de la cama, fueron citados 15 sujetos sanos, el modelo usado para clasificar el comando que debía ser enviado al controlador de la cama fue usado en el dominio del tiempo,teniendo en cuenta la frecuencia y la fase de la señal enviada por el estímulo visual, se realizaban distintos filtros pasa bandas, dependiendo del comando que se realiza, cada señal se dirigía a todos los filtros, a cada señal resultante se le realiza un promedio donde se saca el error cuadrático medio, para ser comparadas entre ellas y al final dar un resultado de que comandó fue él recibió por la señal SSVEP, obteniendo al final una precisión del 92,4% y un tiempo en el cual se efectuaba el comando de 5 segundos [Shyu K.-K., 2013]. En el 2014 científicos del MIT realizaron una comparación entre dos métodos usados en la BCI, los cuales fueron SSVEP y el seguimiento ocular usadas para el control de un robot, se emitió un consenso determinando la usabilidad de las técnicas donde estadísticamente no encontraron diferencias significativas una de la otra, según cuestionarios realizados a los participantes del artículo, encontraron que la técnica SSVEP es mas cómoda y genera menos molestias en su uso, por el contrario, la técnica de seguidor de los ojos ocasiona en los usua- rios más inconformidad, además se especificó que este método presentó errores clasificando algún comando o patrón, cosa que no pasó con el SSVEP [Kishore S., 2014]. En el 2014 miembros de la institución IEEE, desarrollaron un estudio sobre la comparación de diferentes técnicas de clasificación de comandos para señales que poseen SSVEP, para ello fueron usados los siguientes clasificadores: Máquina de soporte vectorial, el espectro máximo de la transformada de Fourier y redes neuronales artificiales, obteniendo resultados de pre- cisión de 88.55%, 79,58% y 81.93%, respectivamente. La motivación del estudio era buscar el mejor tipo de clasificación para las señales con SSVEP, y concluyeron que la técnica que mejor se adopto a 10 sujetos de prueba fue la máquina de soporte vectorial [Rajesh S, 2014a]. En el 2016 un grupo de investigación del Instituto Nacional de Astrofísica Óptica y Elec- 12 3 Marco Referencial trónica, por medio de la clasificación de estímulos visuales logran controlar el vuelo de un dron, esto lo realizaron gracias a la obtención de señales electroencefalográficas evocadas del movimiento de los ojos detonado por la observación de algún estímulo visual, Para esto se generó una base de datos de dos distintos grupos , uno para entrenar y otro como grupo prueba para el algoritmo de clasificación con el fin de entrenar una red neuronal, dependiendo de la clasificación, se manda una instrucción o punto de ubicación a un dron controlado. El clasificador obtenido tiene una precisión del 71.2% lo cual fue suficiente para los propósitos del trabajo realizado y en medida de que el dron llevó a cabo las acciones determinadassin mayor dificultad, como futuras mejoras proponen mejorar la clasificación y complementar con un detector de falsos positivos pues enviar un comando erróneo al dron puede ser catas- trófico [Zecua E., 2016]. En el 2016 un grupo de investigación de la Universidad de Ciencia y Tecnología de China Oriental, Shanghai liderado por Haiqiang Wang, presentó distintos métodos de extracción de características para el paradigma de BCI enfocado a SSVEP, las técnicas utilizadas fueron las siguientes: regresión lineal multivariante (MLR), CCA, análisis de correlación canónica mul- tipunto (MCCA) y el análisis de características comunes (CFA). Los resultados basados en datos de EEG de diez sujetos se obtuvo que la MLR obtiene un menor gasto computacional, de igual modo se observa que MLR y CFA cuentan con una presión superior al 90% depen- diendo a los datos de entrenamiento MLR. En general el método basado en MLR superó significativamente a otros métodos competitivos en términos de precisión de clasificación, datos de entrenamiento requeridos y tiempo de cálculo para una ventana de tiempo corto. Esta superioridad indica que el método MLR propuesto promete mejorar el rendimiento en tiempo real de BCI basado en SSVEP [Wang H. and A., 2016]. En el 2017 Takeshi Sakurada y su grupo de investigación desarrollaron un traje de asistencia de terapia ocupacional basado en el BCI control por SSVEP, con el objetivo de realizar mo- vimientos útiles utilizando las propias manos del sujeto mediante la preparación de un traje de asistencia de terapia ocupacional, a partir de bases datos entrenaron el software, utili- zando un algoritmo de clasificación supervisado a las máquinas de soporte vectorial, luego de entrenar su algoritmo, realizaron las pruebas de y precisión tiempo de respuesta en 12 pacientes sanos, obteniendo un 88% y 3 segundos respectivamente, sin entrenar ni capacitar a los sujetos, también usaron como prueba 3 pacientes con LM y lograron operar el sistema sin capacitación [Sakurada T., 2013]. Teniendo en cuenta los trabajos anteriormente mencionados se puede evidenciar que los sistemas de BCI enfocados a la metodología SSVEP, no se han aplicado a sistemas de camas hospitalarias, por lo cual se optó por extraer los métodos aplicados en los anteriores trabajos para construir una metodología aplicada al diseño de la BCI del prototipo de una cama hospitalaria con el fin de evaluar su funcionalidad sobre esta. 3.2 Marco Teórico 13 3.2. Marco Teórico 3.2.1. ¿Qué es la movilidad? La movilidad es la capacidad de moverse en todo el rango posible, desde lo más básico como rodar o levantarse de la cama, a deambular, salir o utilizar los medios de transporte [M., 2015], al perderse la movilidad la vida cotidiana de las personas se complica a tal punto que aumenta el índice de morbimortalidad de la persona, esto puede ocurrir en personas que presentan lesiones medulares. La médula espinal forma parte del Sistema nervioso central (SNC) y constituye la vía principal por la que el cerebro recibe información del resto del organismo y envía las órdenes que regulan los movimientos [de Neurorrehabilitación., 2019], como se puede observar en la (figura 3-1). Figura 3-1: Conexión de la médula espinal con el cerebro. [de Neurorrehabilitación., 2019] 3.2.2. Lesiones Medulares (LM) Cuando la conexión nerviosa se ve interrumpida existe la lesión medular (LM) generando una parálisis de la movilidad en las extremidades superiores, inferiores y/o tronco, los síntomas a presentar son la ausencia de toda sensibilidad por debajo de la zona afectada, falta de con- trol sobre los esfínteres, alteraciones del sistema nervioso vegetativo y riesgo de sufrir otras complicaciones (úlceras de decúbito, espasticidad, procesos renales, etc.) [de Neurorrehabi- litación., 2019]. El 50% de las lesiones traumáticas se producen a nivel cervical ocasionando una tetraplejia, a continuación van las lesiones dorsales y las lumbosacras. El nivel C5 es el más frecuente seguido por el C6, T12 , C7 y L1 [Huete García A., 2014]. Las LM se pueden clasificar en compleja o parcial, por ejemplo como se observa en la (figura 3-2) Existen 4 tipos de LM 3-2 estas se les conoce con el nombre de monoparesia donde solo afecta una extremidad, diplejia donde afecta las dos extremidades inferiores, hemiplejia la cual afecta la totalidad de medio cuerpo del paciente y tetraplejia donde se ve la inmovilidad total de todas la extremidades del organismo [de Neurorrehabilitación., 2019]). Una LM a nivel cervical se conoce como una tetraplejia, la lesión se produce en los segmentos cervicales de la médula espinal (C1-C8), la cual ocasiona la pérdida de la movilidad voluntaria en las extremidades superiores e inferiores y del tronco [de Neurorrehabilitación., 2019]. La LM a nivel torácico y lumbar se conoce como una paraplejia cuando la lesión ocurre por debajo de los segmentos cervicales, que se manifiesta por una falta de movilidad y parálisis 14 3 Marco Referencial total o parcial de las extremidades inferiores, y de la parte del tronco sub-lesional [de Neu- rorrehabilitación., 2019], también existe un nivel de afectación en el organismo según la vertebra afectada.3-4 . Figura 3-2: Paraplejia y tetraplejia [de Neurorrehabilitación., 2019] Figura 3-3: Tipos de lesiones medulares [Huete García A., 2014] Figura 3-4: Nivel de afectación [Huete García A., 2014] 3.2 Marco Teórico 15 Causas y Signos Una gran variedad de causas o factores de riesgo conllevan a las LM como lo son traumatis- mo con un 53.5% (accidente laboral, deportivo, fortuito, de tráfico, etc.), una enfermedad (tumoral, infecciosa, vascular, etc.) o de origen congénito (espina bífida). Los signos más comunes en personas con presencia de LM son [Bender del Busto J., 2002]: Falta de control de esfínteres. Dolor neuropático. Espasticidad. Alteración de la esfera sexual. Alteraciones en la piel, aparición de UPP. Alteración de la función respiratoria. Diagnóstico El diagnóstico depende según el nivel de lesión y lo constituye el segmento de función sensitiva y motora normal, localizado por encima del segmento más rostral afectado. Una misma lesión puede tener distintos niveles motores y sensitivos y diferir además en ambos hemicuerpos [Huete García A., 2014]. Grado A (lesión completa): No existe un sistema sensitivo o motor en los segmentos del sacro. Grado B (lesión incompleta): No existe una función motora, pero si sensitiva por debajo de la lesión. Grado C (lesión incompleta): Existe una preservación parcial sensitiva y motora. Grado D (lesión incompleta): Se presenta una sensibilidad normal. Grado E (normalidad neurológica): Si hay presencia de una función sensitiva y motora son normales. También se puede diagnosticar la presencia de LM por medio de exámenes como radiografía, tomografía computarizada y resonancia magnética con el fín de evaluar la función sensorial y motora de la persona que presenta un traumatismo [Clinic., 2015]. 16 3 Marco Referencial Tratamiento para personas con LM Hay tratamientos para poder mejorar la espasticidad de las personas que sufren de algún trauma en la médula espinal. Las LM traen consigo varias complicaciones como lo son en- fermedades cutáneas, osificación heterotópica, trombosis venosa profunda, alteración en la vejiga, en el intestino, respiratorias y cardiovasculares entre otras. Por lo anterior se debe hacer un tratamiento específico a medida que aparecen estas consecuencias en la vida de la persona, los tratamientos son lo siguientes: Tratamiento de UPP: Por medio de un personal externo mover al paciente cada 2 o 3 horas, y limpieza en las zonas afectadas. Tratamiento con fármacos o mecánicas: mecánicas se refiere a movimiento continuos y con fármacos se ha demostrado que con antinflamatorios (rofecoxib, indometacina) ha disminuido la presencia de trombosis, osificación heterotópica, o para la las alteraciones de vejiga se usan fármacos anticolinérgicos. Tratamiento Quirúrgicos: se realizan cuando hay alteraciones intestinales [MuruaAra- baolaza, 2015]. Como consecuencia a la pérdida de movilidad se presentan UPP en cualquier extremidad pero una de las más dolorosas se localizan en la zona lumbar, estas son causadas por el cizallamiento, la fricción, la humedad, y la presión [Bender del Busto J., 2002]. 3.2.3. Úlceras por presión Las Úlceras por presión (UPP) son áreas en el cuerpo donde la piel es lesionada por perma- necer en una misma posición durante un periodo excesivo de tiempo, el riesgo de presentar UPP es mayor si la persona se encuentra recluido en una cama, se moviliza en silla de ruedas o no puede realizar ninguna cambio de posición frente al punto de apoyo del organismo [Ro- driguez C., 2017]. Se pueden clasificar por estadios según la evolución de estas presentes en el organismo, los estadios son los siguientes: Estadio I: Se observa la alteración de enrojecimiento cutáneo que no desaparece al presionar la piel, posee una consistencia del tejido que pueden ser edema o induración, y tienen sensaciones de dolor y escozor, en pieles oscuras, puede presentar tonos rojos, azules o morados. Estadio II: Se conoce como la pérdida parcial del espesor en la piel (epidermis, dermis o ambas), en este estadio se puede observa los inicios de una UPP con aspecto de ampolla o cráter superficial. Estadio III: Pérdida total del grosor de la piel que conlleva a lesiones o necrosis del tejido subcutáneo. Estadio IV: Pérdida integral del espesor de la piel con daño extenso en el organismo, se evidencia una necrosis en el músculo, hueso o estructuras de sostén (tendón, cápsula articular, entre otros.) [Rodriguez C., 2017]. 3.2 Marco Teórico 17 En los hospitales se evidencia que los pacientes ancianos con fractura de fémur tienen una incidencia del 66%, los pacientes tetrapléjicos con una prevalencia del 60% y los pacientes críticos con una incidencia variable entre el 6-33% y una prevalencia del 41% que presentan UPP, estas cifras son notables en el estadio III y IV [y Cajal, 2005]. Las posiciones en el cuerpo del paciente donde suelen presentarse más las UPP se muestran en la figura 3-5., la incidencia que presentan las UPP en los distintos sitios anatómicos se representan en la tabla.3-1 , obteniendo como resultado úlceras más frecuentemente sobre el hueso sacro y la espalda baja (lumbar) (26,4%), para pacientes con medía de edad de 57 años [Yepes D., 2009]. Sitio Número de pacientes(%) Sacro 20(26,3) Interglúteo 17(22,3) Talón 9(11,8) Oreja 6(7,8) Muslo 5(6,5) Trocánter 4(5,26) Occipital 4(5,26) Otra 4(5,26) Antebrazo 3(3,9) Nariz 3(3,9) Espalda alta 1(1,3) Tabla 3-1: Distribución anatómica de las UPP. [Yepes D., 2009] Figura 3-5: Posiciones comunes de las UPP [Ortohispania, 2016] Un paciente que no presenta UPP en su organismo se observa como en la figura 3-6.sin 18 3 Marco Referencial enrojecimiento, sin imperfecciones cutáneas, no presenta mal olor, etc. Mientas que una persona que si tiene UPP presenta enrojecimiento, ampollas o cráteres con o sin líquido, mal olor, inflamación, entre otras, como se observa en la figura 3-7. Figura 3-6: Organismo sin UPP [Rodriguez C., 2017] Figura 3-7: Organismo con UPP [Rodriguez C., 2017] Para poder prevenir las UPP se requiere de los siguientes pasos [Cutimed, 2018]: Valoración del riesgo. Cuidados de la piel, donde se va a valorar el estado de la piel, la limpieza y los cuidados que se realiza el paciente, manejo de presión por parte de movimientos, cambios pos- turales (decúbito supino, decúbito lateral, posición sentada, posición decúbito prono), se tiene que tener en cuenta las superficies de contacto según el riesgo del paciente los pacientes con riesgos bajos tiene superficies rígidas, los que tienen riesgos medios su punto de apoyo son superficies dinámicas o estáticas y los pacientes con riesgos altos las superficies deben ser en su totalidad dinámicas. Nutrición. Llevar una dieta equilibrada y un peso adecuado favorece la cicatrización y reduce el riesgo de UPP. Para poder saber cuando una persona presenta UPP es necesario saber los síntomas, causas, el diagnóstico y los tratamientos pertinentes para poder ayudarlo. Sintomatología Según los estudios que se han realizado a personas con UPP se puede evidenciar los siguientes síntomas [Rodriguez C., 2017]: Cambios inusuales en el color o la textura de la piel. Hinchazón. Sensación de pesadez. 3.2 Marco Teórico 19 Dolor. Drenaje similar al pus. Una región de la piel que se siente más fría o cálida al tacto que otras. Zonas sensibles. Estos síntomas pueden ser leves o graves dependiendo en qué estadio se encuentran las UPP en la persona. Siendo estos síntomas más leves en el estadio 1 y 2, intermedios en el estadio 3 y graves en el estadio 4. Causas Las causas que generan las UPP en pacientes con inmovilidad son [Hernández, 2018]: Presión: Es una fuerza que actúa de manera perpendicular a la zona cutánea conse- cuente a la gravedad, provocando una compresión tisular entre el organismo y el punto de apoyo. La presión capilar oscila entre 16 y 32 mm de mercurio si se supera los 32 mm de mercurio la presión sanguínea se va a obstruir provocando hipoxia. Fricción:Se genera una fuerza que actúa de manera tangencial paralela a la piel, esto produce roces, por movimientos bruscos o arrastres del cuerpo. Fuerza externa de pinzamiento vascular: Es la combinación entre los efectos de presión y fricción. Diagnóstico Para ayudar al especialista en saber en qué estadio se encuentran las UPP y brindar el mejor tratamiento, se realiza un diagnóstico a partir de los síntomas, como el siguiente: El médico va a realizar un examen físico en la piel detalladamente para determinar si tienes UPP, el nivel de daño (estadio) y el nivel de dolor. Según los síntomas presentados el médico define en qué estadio se encuentran la enfermedad, con el fín de encontrar el mejor tratamiento, y se va a solicitar solicitar análisis de sangre para evaluar la salud del paciente en general [Clinic., 2015]. Tratamiento Hay tratamientos no quirúrgicos los cuales se aplican a los estadios 1 y 2, para los estadios 3 y 4 es necesario realizar tratamiento quirúrgicos. Tratamiento no Quirúrgico: Entre 70-90% de las UPP se consideran superficiales (Grado I o II) que pueden cicatrizar sin necesidad de ser sometidas a un procedimiento quirúrgico. Los resultados de este tipo de tratamiento dependen de su etapificación. Los estadios I y II tienen mejor respuesta a este tratamiento, el 60% de los casos a 6 meses de seguimiento se recuperan. Este porcentaje cae a 40% para el estadio III y a 10% para el estadio IV. Para este tratamiento se debe hacer [Prado A., nd]: 20 3 Marco Referencial Un seguimiento en la infección y el método más oportuno es la biopsia bacteriológica cuantitativa, junto a la sulfadiazina de plata, gentamicina y metronidazol. Aseo y desbridamiento del tejido necrótico, el aseo se realiza con suero fisiológico para remover cualquier tipo de bacteria de la herida, y el desbridamiento limpia el tejido necrótico de la herida por medio de cirugía (agresivo), mecánico, autolítico, por presión negativa y/o de manera enzimática. Eliminación de la presión puede ser de manera estática (espuma, gel o agua) y dinámica (fuente de energía eléctrica). Elección del apósito, hay diferentes tipos, dependiendo del estadio de la UPP. Para el estadio I se debe proteger la zona cutánea y evitar daño progresivo, para el estadio II se debe mantener el interior de la UPP húmeda y el tejido perilesional se debe mantener seco, minimizando el dolor y para los estadios III y IV se tiene que mantener el interior de la UPP húmeda, tambien se recomienda debridar el tejido necrótico, absorber exudado, proteger tejido de granulación y mantener tejido perilesional seco, minimizando el dolor. Tratamiento Quirúrgico: Los principios básicos del tratamiento quirúrgico descritos por Con- way y Griffith (1956) son [Prado A., nd]: Extirpación completa de la úlcera, bursa (pseudocápsula de epitelio inflamatorio que recubre la superficie ulcerada enestadíos avanzados), tejido cicatricial circun- dante y calcificaciones. Resección total de prominencias óseas y tejido óseo infectado. Hemostasia cuidadosa y evaluación de posibles daños rectales y urinarios. Uso de drenajes aspirativos no menos de 10 días postoperatorios. Obliteración de todo espacio muerto y cobertura cutánea. Diseño cuidadoso para no comprometer la irrigación de futuros colgajos. Sutura por planos y sin tensión y alejada de las zonas de apoyo. 3.2.4. Electroencefalografía La electroencefalografía (EEG) es una técnica usada para registrar la actividad eléctrica del cerebro a partir de electrodos conectados en el cuero cabelludo, actualmente para tener una mayor facilidad para captar el registro eléctrico se usan gorros que se construyen en malla elástica, donde se insertan electrodos de plata clorurada colocados en las posiciones convencionales del Sistema Internacional 10-20 [IENSA, nd], ver figura. 3-8. 3.2 Marco Teórico 21 Figura 3-8: Sistema Internacional 10-20. A. Vista Perfil; B. Vista Superior [Martínez, 2009] Este sistema internacional 10-20 está basado en la ubicación electrodo en un área del córtex cerebral especifica, cada posición del electrodo esta nombrado por letras (para identificar cada lóbulo, F :frontal, T: temporal, C: central, P: parietal y O: occipital) y números (para identificar los hemisferios del cerebro, con número par se habla del hemisferio derecho e im- par para el hemisferio izquierdo) [Martínez, 2009]. Para entender el funcionamiento de como los electrodos captan la señal eléctrica del ce- rebro, se debe hablar de la fisiología de este fenómeno: Neurotransmisor La transmisión de los impulsos nerviosos entre dos neuronas tiene lugar en el final de cada célula nerviosa llamado sinapsis. Las sinapsis se establecen normalmente entre la parte ter- minal de un axón y el cuerpo o las dendritas de otra neurona. La estructura sináptica está formada por la membrana presináptica, la hendidura sináptica y la membrana postsinápti- ca [J., 1990].(figura 3-9). Las múltiples sinapsis son las estructuras que permiten la comunicación entre los aproxi- madamente 28 mil millones de neuronas del SNC. Se producen entre un terminal del axón y una dendrita de otra neurona. La comunicación entre dos neuronas se realiza mediante señales químicas y eléctricas y se lleva a cabo en los botones sinápticos, situados en cada extremo de las ramificaciones del axón mostrada en la figura 7, [J., 1990]. En el interior de cada botón sináptico existen espacios donde se depositan una sustancia química llamada neurotransmisores, que ayudan a enviar información de una célula a otra. Las neuronas transmiten esta información en modo de ondas eléctricas que se originan por consecuencia de un cambio transitorio de la permeabilidad en la membrana plasmática. La 22 3 Marco Referencial propagación de este se debe a la existencia del potencial de membrana entre la parte interna a externa de la célula [J., 1990]. Figura 3-9: Proceso de transmisión de información de una neurona a otra. [J., 1990]. Potencial de acción El potencial de membrana es el resultado de la separación de cargas positivas y negativas a través de una membrana celular da valores de 60 a 70mV. Esta separación se realiza en el exterior de la membrana de una célula del sistema nervioso en reposo, esto es posible debido ya que la bicapa lipídica actúa como una barrera para la difusión de los iones y da lugar a la generación de un diferencial que obtiene los valores anteriormente mencionados . [S., 2003]. Cuando una célula está en reposo, el potencial de membrana se conoce como potencial de reposo. Por convención se toma el potencial externo como cero, por lo que teniendo en cuenta que el interior tiene un exceso de carga negativa, el potencial de membrana en este caso toma valor negativo de -60 a -70 mV, el potencial de reposo también corresponde con un estado donde la neurona está sin estimular, cuando es estimulada se produce una explosión de actividad eléctrica conocido como potencial de acción. Ante el estímulo, el potencial de reposo toma valores más positivos, pero solo cuando alcanza un valor umbral, de – 55 mV, se produce el disparo de un potencial de acción [S., 2003]. El proceso se describe teniendo en cuenta el funcionamiento de los canales iónicos. Ante el estímulo se abren primero los canales de sodio permitiendo el ingreso al interior de la célula lo que conduce a la despolarización. Cuando los canales de sodio comienzan a cerrarse se abren los de potasio, permitiendo la salida del mismo con lo que se revierte la despolari- zación anterior. Con esto se regresa al valor de potencial inicial (-70mV) es decir ocurre la repolarización, esto dura aproximadamente una milésima de segundo, y luego de un periodo refractario, la célula puede volver a repetir dicho proceso [J., 2000]. Esta actividad eléctrica es generada por estímulos procedentes de órganos receptores, ya sea oídos, ojos, tacto,entre otros, O también pueden tener una relación con otros nervios. Toda esta actividad eléctrica, puede ser medida obteniendo con ello la EEG. [J., 2000]. En el presente trabajo se utiliza una BCI para la prevención de UPP en personas que hayan presentado una lesión medular que ocasione una tetraplejia completa. 3.2 Marco Teórico 23 3.2.5. Interfaz cerebro computadora La Interfaz cerebro - computadora (BCI) es una interfaz asistida por computador que permite la interacción directa entre el cerebro y el entorno de un sujeto, a través de actuadores enlazados al computador. Esta se basan en la característica del cerebro de emitir señales eléctricas al momento de realizar o pensar en una acción, y gracias a la captación de estas señales, poder generar comandos de computador que controlen sistemas como sillas de ruedas o dispositivo para mejorar la calidad de vida de los pacientes, con el fin de promover de su auto-cuidado y autogestión [P., 2019].. Los sistemas BCI tienen diversas aplicaciones, pero su objetivo principal es brindar a personas con discapacidades motrices la posibilidad de transmisión de su intención a través de la modulación de las señales eléctricas en su actividad cerebral [Moreno I., 2019]. Este tipo de interfaz surge de la necesidad de establecer un nuevo canal de comunicación entre un sujeto y su entorno; que no dependa de sus vías nerviosas o musculares [Moreno I., 2019].Existe un paso a paso para desarrollar una BCI, ver figura 3-10 Figura 3-10: Diagrama de Bloques para el desarrollo de una BCI. [P., 2019] Hoy en día los métodos mas usados para realizar una BCI son los siguientes, estos tiene un diagrama de bloques : 24 3 Marco Referencial Potenciales corticales lentos Son voltajes lentos, los cuales oscilan entre 1 a 2 Hz, existen dos tipos los negativos los cuales están relacionados al movimiento y los positivos ayudan a la reducción de la activación cortical [Vivar S., 2017].(figura 3-11) Figura 3-11: Señal con SCP [Vivar S., 2017] Imaginación motora (ERD-ERS) La actividad cerebral oscilatoria ocurre en varias regiones del cerebro y cambia sus caracte- rísticas de acuerdo con el estado de los sujetos; por ejemplo, entre estar dormido y despierto o entre concentrarse en el trabajo o relajarse. La actividad oscilatoria en el EEG se clasifica en diferentes bandas de frecuencia o ritmos. Las bandas observables típicamente son: delta (1-4 Hz), theta (4-8 Hz), alfa y mu (8-13 Hz), beta (14-30 Hz) y gamma (30-40 Hz). Entre éstos, el ritmo mu presenta un interés especial dado que la amplitud de las oscilaciones disminuye cuando se realiza o se imagina un movimiento [Vivar S., 2017].(figura 3-12) Figura 3-12: Señal con ERD/ERS [Vivar S., 2017] 3.2 Marco Teórico 25 P300 Un ERD que se usa frecuentemente en los BCI es el llamado P300, el cual es una deflexión positiva, donde en el EEG aparece máximo hasta 300 ms, se le pide al sujeto que observe una secuencia aleatoria de dos tipos de estímulos. Un tipo de estímulo (el raro u objetivo) aparece ocasionalmente en la secuencia,mientras que el otro tipo de estímulo (el normal o no objetivo) aparece con mayor frecuencia [Vivar S., 2017].(figura 3-13). Figura 3-13: Curvas temporales con p300 [Vivar S., 2017] 3.2.6. Potenciales visuales relacionados a eventos de estado estacionario (SSVEP) Por medio de las respuestas evocadas a estímulos visuales se desarrollaron las primeras interfaces cerebro computadoras, en este son datos registrados en el cuero cabelludo sobre la corteza visual, para estimar a partir de estos la dirección de la mirada del sujeto, y por medio de esta estimación, controlar el movimiento de un cursor sobre una pantalla [Gentiletti et al., 2007].(figura 3-14) Figura 3-14: Señal con SSVEP [Gentiletti et al., 2007] Los potenciales visuales relacionados a eventos de estado estacionario se centran en sin- 26 3 Marco Referencial cronización del área cerebral encargada en el procesamiento visual con el parpadeo de una imágenes a frecuencias determinadas. Cuando una persona focaliza su atención visual en uno de los estímulos visuales que se le muestra continuamente parpadeando a una frecuencia entre un rango de 6 Hz a 25 Hz, se produce una resonancia en la zona visual del cerebro, la zona occipital, generando señales de EEG a la misma frecuencia a la que se sometió el estímulo [Aguilar, 2016]. Existen tres tipos de estímulo parpadeantes para obtener la atención visual [Aguilar, 2016]:(fi- gura 3-17). Estímulos por luz: producen el estímulo mediante el parpadeo de LEDs, luces fluores- centes, luces de neón. Estímulos por gráfico único: Se representan en una pantalla apareciendo y desapare- ciendo del fondo de la misma con una frecuencia dada. La imagen parpadeante se trata de un único patrón como se ejemplifica en la Figura. 3-15. Estímulos por patrones invertidos: Se basan en el parpadeo en una pantalla de dos patrones distintos, usualmente representados en blanco y negro, la forma puede ser de tablero de ajedrez o líneas alternadas como puede apreciarse en la Figura.3-16. Figura 3-15: Estímulo patrones de único gráfico [Aguilar, 2016]. Figura 3-16: Forma de estímulos por patrones invertidos [Aguilar, 2016]. Figura 3-17: Ejemplo de estímulos visuales que parpadean a diferentes frecuencias de 7 Hz, 14 Hz y 21 Hz [Aguilar, 2016]. 3.2 Marco Teórico 27 3.2.7. Pre-procesamiento Filtro Digital El filtro es aquel que se aplica a un conjunto de datos ruidosos para poder extraer infor- mación valiosa de los datos. En el área de las señales, el filtrado es un proceso mediante el cual se modifica el contenido espectral de una señal, en términos generales un filtro se utiliza para describir un dispositivo que discrimina aquello que paso a través de él [Sierra, 2020], existen dos tipos de filtro el FIR y el IIR, este trabajo de grado uso el filtro IIR ya que utiliza retrasos para los valores a la entrada del filtro, al contar con una etapa de retroalimentación es más estable que el filtro FIR. Filtro digital FIR La base de los filtros FIR consiste en conectar a la entrada de la función a una serie de retardos. El primer retardo con sólo una muestra, el segundo con dos, el tercero con tres y así avanza hasta n cantidad de retardos. El Filtro FIR se conoce por amplificar o atenuar la salida del filtro, es un filtro pasa-bajas, pasa-altas, pasa-bandas, etc. [Willis, 1993]. Su respuesta es finita al impulso y se caracteriza por se un sistema no recursivo [Sierra, 2020]. Un filtro FIR de orden L se describe mediante la ecuación: y[n] = b0z(n) + b1z(n− 1) + b2z(n− 2) + .....+ bNz(n− L) (3-1) La función de transferencia para los filtros FIR tiene por lo tanto la siguiente ecuación: Y (z) = L−1∑ N=0 b[N ]z−N (3-2) Si a la entrada se le aplica un dato constante (DC), la salida no se vería afectada. En cada iteración la salida para cada muestra tendrá la mitad del valor de entrada, a esto se le añade a la mitad del valor de entrada de la muestra anterior 3-18. Dado que, tanto la muestra actual como la anterior tienen el mismo valor por ser un dato invariante en el tiempo , la función de transferencia del filtro arroja una ganancia unitaria en 0Hz [Willis, 1993], el diagrama de bloques que representa al filtro FIR, aquí se demuestra la acción de no retroalimentación del filtro y los retrasos aplicados. 28 3 Marco Referencial Figura 3-18: Diagrama de Bloques-Filtro FIR [Willis, 1993] Filtro digital IIR Un filtro digital IIR es aquel que tiene una respuesta infinita al impulso y que se caracterizan por tener una retroalimentación de la señal de salida. Donde la salida no solo se centra en la entrada actual y de las precedentes, sino también de las salidas anteriores, esto quiere decir que los filtros digitales IIR se tratan de un filtro recursivos. Su ecuación en diferencias se expresa como [Sierra, 2020]: y[n] = L−1∑ k=0 a[k]x[n− k] + L−1∑ k=1 b[k]y[n− k] (3-3) La función de transferencia para los filtros IIR tiene por lo tanto la siguiente ecuación 3-4: Y (z) = ∑L−1 n=0 a[k]z−n 1−∑L−1 k=1 b[n]z−n (3-4) Si pasamos un impulso por este filtro el primer valor de salida sería 1 ya que la entrada fue el impulso. Sin embargo, tras esta muestra ya no habría mas señal dado que el impulso tiene una duración de tan solo una muestra. Lo único que queda es computar la salida anterior (1) para la nueva salida como el 90% de su valor. La salida para la muestra número dos sería entonces 0.9, Repetimos este proceso y ahora calculamos el 90% de la salida anterior que fue 0.9 obteniendo una salida de 0.81. Seguimos realizando este proceso hasta que la salida tenga un valor constante de 0 [Willis, 1993]. el diagrama de bloques 3-19 que representa al filtro IIR, es ese se demuestra la acción de retroalimentación del filtro. 3.2 Marco Teórico 29 Figura 3-19: Diagrama de bloque-Filtro IIR [Willis, 1993] 3.2.8. Procesamiento de la señal La adquisición, el pre-procesamiento, la extracción de la señal y la visualización de la activi- dad se ve reflejada en la figura 3-20, es un modelo funcional representado en una BCI [Garcia- Molina et al., 2010] 30 3 Marco Referencial Figura 3-20: Modelo funcional de los SSVEP en una BCI [Garcia-Molina et al., 2010]. Las características que se deben tener en cuenta para hacer un buen proceso de extracción de características: Características en el dominio del tiempo: se relaciona con los cambios de amplitud de las señales cerebrales y ocurren sincronizadas a la presentación del estímulo o a las acciones del paciente. Una método que se utiliza frecuentemente es separar las señales de los artefactos o ruidos de la señal original, para ello se aplica un filtro pasa-bajas o pasa-banda, seguido opcionalmente de una reducción de la tasa de muestreo de la señal, también se puede realizar este paso por medio de la transformada de wavelet continua o discreta, otra medida que se utiliza es ver las cantidad de veces que el paciente ve el estimulo [Vivar S., 2017]. Características en el dominio de la frecuencia: se tienen que emplear técnicas que son invariantes a la evolución temporal de las señales; es decir, aplicar técnicas para evaluar su contenido espectral en una banda de frecuencia determinada. Por ejemplo, en sistemas basados en imaginación de movimientos, la potencia en las bandas de frecuencia del ritmo mu y beta, esto se puede realizar con la densidad espectral de potencia [Gysels E., 2005]. Características espaciales:Un método de extracción de características espaciales que puede ser utilizado, además de la selección de electrodos, consiste en aplicar algoritmos de filtrado espacial; por ejemplo, el filtro laplaciano, el algoritmo de patrones espaciales y Análisis de componentes independientes) [Vivar S., 2017]. Para el Procesamiento de estas señales de EEG se realizara un análisis de correlación canó- nica, que nos permite obtener una característica en el dominio del tiempo: 3.2 Marco Teórico 31 3.2.9. Análisis de Correlación canónica (CCA) La técnica consiste en encontrar varias combinaciones lineales de las variables X (señal EEG en tiempo) y el mismo número de
Compartir