Uso de la transformada de Hilbert-Huang para el análisis de cambios de dirección durante la marcha a partir de señales electroencefalográficas

Abstract

Hoy en día, muchas personas sufren enfermedades o accidentes que acaban dañando su sistema nervioso llegando a perder la movilidad de distintas partes de su cuerpo, es por ello que las Interfaces Cerebro-Máquina (BMI) adquieren un papel muy importante, ya que permiten traducir las señales cerebrales encargadas de pensar en realizar el movimiento que la persona esta incapacitada para hacer y lo traduce a comandos que son enviados a exoesqueletos que se encargan de realizar dicho movimiento. De esta forma, las BMI permiten llevar a cabo una mejor rehabilitación y mejorar su calidad de vida. El objetivo de este trabajo es buscar aquellas señales cerebrales del electroencefalograma (EEG) que estén relacionadas con la intención de realizar un cambio de dirección durante la marcha haciendo uso de la Descomposición Empírica Modal (EMD) propuesta por Norden E. Huang [1] y que nos permite obtener las Funciones Intrínsecas de Modo (en inglés IMF), unas funciones obtenidas como resultado de someter a un proceso iterativo que aparece explicado en detalle en el apartado 3.3.4. a la función de la que partimos, en este caso la señal EEG de la que dichas IMF nos proporcionarán las distintas bandas de frecuencia de la señal en las que buscaremos patrones y potenciales relacionados a evento (ERP) que nos permita obtener los instantes en los que el sujeto piensa en cambiar de dirección. Tras llevar a cabo el trabajo, se han conseguido detectar y aislar patrones relacionados con los cambios de dirección en la señal de potencia instantánea (Imfinse) de la IMF 5 obtenida mediante la aplicación de la Descomposición Empírica Modal (EMD) a la señal de los electrodos seleccionados, para posteriormente, desarrollar un algoritmo capaz de detectar en torno al 70 % de los cambios de dirección realizados por los sujetos