Análisis de algoritmos para la caracterización de señales cerebrales EEG

García Herrera, Carlos Andrés

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