Análisis de algoritmos para la caracterización de señales cerebrales EEG
dc.contributor.advisor | Lancheros Cuesta, Diana Yaneth | |
dc.creator | García Herrera, Carlos Andrés | |
dc.creator.mail | carlos.garciahe@campusucc.edu.co | es |
dc.date.accessioned | 2022-02-16T13:25:55Z | |
dc.date.available | 2022-02-16T13:25:55Z | |
dc.date.issued | 2021 | |
dc.description | Este articulo tiene como fialidad en mostrar los distintos algoritmos usados para leer las señales eeg para usos ingenieriles. Se buscaron algunso algortimos complejos tanto faciles que son capaces de entender todas las señales transmitidas desde el cerebro a una maquina. | es |
dc.description.abstract | As technology advances, it is essential to find new techniques and procedures that facilitate our understanding of the functioning of our human brain, which is in charge of managing all the nervous part of our human body. This article aims to present the summary of the study of more than 30 researched articles published between 2009 and 2019, where the algorithms and procedures most used when studying the signals created by the electricity of our human brain will be mentioned. | es |
dc.format.extent | 13 p. | es |
dc.identifier.bibliographicCitation | Garcia Herrera, C. A. (2021). Análisis de algoritmos para la caracterización de señales cerebrales EEG [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/43981 | es |
dc.identifier.uri | http://hdl.handle.net/20.500.12494/43981 | |
dc.publisher | Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Electrónica, Bogotá | es |
dc.publisher.department | Bogotá | es |
dc.publisher.program | Ingeniería Electrónica | es |
dc.rights.accessRights | openAccess | es |
dc.rights.license | Atribución – Compartir igual | es |
dc.source.bibliographicCitation | Admoni, H., Mataric, M., & Scassellati, B. (2012). Robots for Use in Autism Research. Annual Review of Biomedical Engineering. Annual Review of Biomedical Engineering. | es |
dc.source.bibliographicCitation | Barón, D. F. (2011). Reconocimiento de Imaginación Motora de Señales EEG en el Dominio Temporal aplicando Modelos. INAOE, 1-103 | es |
dc.source.bibliographicCitation | Damodar Reddy Edla1, K. M. (2018). Clasificación de los datos de EEG para el análisis del estado mental humano mediante el clasificador de bosque aleatorio. Elsevier BV, 132, 1523-1532 | es |
dc.source.bibliographicCitation | Das, A. K. (2009). Algoritmo paralelo para analizar las señales cerebrales: aplicación. Springer Science + Business Media, 1-13. | es |
dc.source.bibliographicCitation | Egea, T. G. (2015). Analisis, decodificación y clasificación de la señal EEG en entornos tridimensionales. Universidad Politécnica de Cartagena, 14-15. | es |
dc.source.bibliographicCitation | Enas Khairullah, M. A. (2020). Brain-computer interface speller system design from electroencephalogram signals with channel selection algorithms. Elsevier BV, 141. | es |
dc.source.bibliographicCitation | Fan, S., Zhang, J., Blanco-Davis, E., Yang, Z., & Wang, J. &. (2018). Effects of seafarers' emotion on human performance using bridge simulation . Elsevier BV, 170, 111-119 | es |
dc.source.bibliographicCitation | Fürbass, F., Kural, M. A., Gritsch, G., Hartmann, M., & Kluge, T. &. (2020). An artificial intelligence based EEG algorithm for detection of epileptiform EEG discharges: Validation against the diagnostic gold standard . Elsevier BV, 131, 1174-1179 | es |
dc.source.bibliographicCitation | Gomez, L. C. (2017). Análisis de Señales de electroencefalografía (EEG) para evaluar actividad cognitiva durante el uso de videojuegos. España: Free Software Foundation | es |
dc.source.bibliographicCitation | Kadlhofer, M., & Steinbauer, G. (s.f.). Evaluating the impact of educational robotics on pupils’ technicaland. ScienceDirect | es |
dc.source.bibliographicCitation | Khairullah, E., & Arican, M. &. (2020). Brain-computer interface speller system design from electroencephalogram signals with channel selection algorithms. Elsevier BV, 141, 109690 | es |
dc.source.bibliographicCitation | Kitchenham, B. (2017). Procedures for Performing. Ann. Saudi Med, 79–83. | es |
dc.source.bibliographicCitation | Lancheros-Cuesta, D. (01 de 2010). Diseño e Implementación de un Módulo Didáctico para el Aprendizaje en la Construcción, Implementación y Manipulación de Robots. Formación Universitaria, 3-8 | es |
dc.source.bibliographicCitation | Lerga, J., & Saulig, N. &. (2017). Algorithm based on the short-term Rényi entropy and IF estimation for noisy EEG signals analysis . Elsevier BV, 80, 1-13. | es |
dc.source.bibliographicCitation | Lerga, J., & Saulig, N. &. (2017). Algorithm based on the short-term Rényi entropy and IF estimation for noisy EEG signals analysis . Elsevier BV, 80, 1-13. | es |
dc.source.bibliographicCitation | Lin, F.-R. &.-M. (2018). Detección de esfuerzo mental utilizando datos de EEG en contextos de e learning. Elsevier BV, 122, 63 | es |
dc.source.bibliographicCitation | Martínez Ortiz, A. (2015). Examining Students' Proportional Reasoning Strategy Levels as Evidence of the Impact of an Integrated LEGO Robotics and Mathematics Learning Experience. Journal of Technology Education, v26 n2, 46- 69 | es |
dc.source.bibliographicCitation | Martinez-Cagigal, V. S.-V.-P. (2019). Towards an accessible use of smartphone-based social networks through brain-computer interfaces. Elsevier BV, 120, 155-166 | es |
dc.source.bibliographicCitation | McDonald, S., & Howell, J. (2012). Watching, Creating and Achieving: Creative Technologies as a Conduit for Learning in the Early Years. British Journal of Educational Technology, v43 n4 , 641- 651 | es |
dc.source.bibliographicCitation | Michel, R. B. (2001). Measuring time-frequency information content using the Renyi entropies . Institute of Electrical and Electronics Engineers , 47, 1391-1409 | es |
dc.source.bibliographicCitation | Park, S.-M., Yu, X., Chum, P., & Lee, W.-Y. &.-B. (2017). Symmetrical feature for interpreting motor imagery EEG signals in the brain– computer interface. Elsevier BV, 129, 163-171. | es |
dc.source.bibliographicCitation | Raj, R., & Deb, S. &. (2018). Brain Computer Interfaced Single Key Omni Directional Pointing and Command System: a Screen Pointing Interface for Differently-abled Person. Elsevier BV, 133, 161-168. | es |
dc.source.bibliographicCitation | Rensong Liu, Z. Z. (2017). Identificación de señales de imágenes motoras anisómicas EEG basadas en algoritmos complejos. Addisson Salazar, 1-13. | es |
dc.source.bibliographicCitation | Rocha, M. &. (2018). Hidden Markov Models Bioinformatics Algorithms. Elsevier, 255-273 | es |
dc.source.bibliographicCitation | S. M. Fernandez-Fraga, 1. M.-F.-O.-A. (2018). Extracción de características de la señal EEG en sistemas BCI basado en potencialesevocados visuales en estado estable usando el algoritmo de optimizacion de colonias de hormigas. Seenith Sivasundaram, 1-20 | es |
dc.source.bibliographicCitation | Vasiljevic, G. A. (2019). The influence of graphical elements on user's attention and control on a neurofeedback-based game . Elsevier BV, 29, 10- 19 | es |
dc.source.bibliographicCitation | Wainer, J., Ferrari, E., Dautenhahn, K., & Robins, B. (2010). The effectiveness of using a robotics class to foster collaboration among groups of children with autism in an exploratory study. . Personal Ubiquitous Computing., 445–455. | es |
dc.source.bibliographicCitation | Williams, J. A., Cisse, F. A., Schaekermann, M., Sakadi, F., Tassiou, N. R., Hotan, G. C., . . . Vogel, A. C. (2019). EEG con teléfono inteligente e interpretación remota en línea para niños con epilepsia en la República de Guinea: calidad, características e implicaciones para la práctica. Elsevier BV, 71, 93-99 | es |
dc.subject | electroencefalograma | es |
dc.subject | algoritmos | es |
dc.subject | eeg | es |
dc.subject | Computador | es |
dc.subject | Frecuencia | es |
dc.subject | BCI | es |
dc.subject.other | eeg | es |
dc.subject.other | electrodes | es |
dc.subject.other | frequency | es |
dc.subject.other | BCI | es |
dc.subject.other | Hertz | es |
dc.subject.other | algorithm | es |
dc.subject.other | TFD | es |
dc.subject.other | Computer | es |
dc.subject.other | eeg signals | es |
dc.subject.other | NeuroSky | es |
dc.title | Análisis de algoritmos para la caracterización de señales cerebrales EEG | es |
dc.type | Trabajos de grado - Pregrado | es |
Archivos
Bloque original
1 - 3 de 3
Cargando...
- Nombre:
- 2021_Analisis_algoritmos_cerebrales.pdf
- Tamaño:
- 536.44 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Trabajo de grado
Cargando...
- Nombre:
- 2021_Analisis_algoritmos_cerebrales-Acta.pdf
- Tamaño:
- 68.8 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Acta de asesor
Cargando...
- Nombre:
- 2021_Analisis_algoritmos_cerebrales-Licencia.pdf
- Tamaño:
- 215.82 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Licencia de uso
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 4.23 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: