Análisis de algoritmos para la caracterización de señales cerebrales EEG

dc.contributor.advisorLancheros Cuesta, Diana Yaneth
dc.creatorGarcía Herrera, Carlos Andrés
dc.creator.mailcarlos.garciahe@campusucc.edu.coes
dc.date.accessioned2022-02-16T13:25:55Z
dc.date.available2022-02-16T13:25:55Z
dc.date.issued2021
dc.descriptionEste 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.abstractAs 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.extent13 p.es
dc.identifier.bibliographicCitationGarcia 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/20.500.12494/43981es
dc.identifier.urihttp://hdl.handle.net/20.500.12494/43981
dc.publisherUniversidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería Electrónica, Bogotáes
dc.publisher.departmentBogotáes
dc.publisher.programIngeniería Electrónicaes
dc.rights.accessRightsopenAccesses
dc.rights.licenseAtribución – Compartir iguales
dc.source.bibliographicCitationAdmoni, 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.bibliographicCitationBarón, D. F. (2011). Reconocimiento de Imaginación Motora de Señales EEG en el Dominio Temporal aplicando Modelos. INAOE, 1-103es
dc.source.bibliographicCitationDamodar 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, 1523-1532es
dc.source.bibliographicCitationDas, A. K. (2009). Algoritmo paralelo para analizar las señales cerebrales: aplicación. Springer Science + Business Media, 1-13.es
dc.source.bibliographicCitationEgea, T. G. (2015). Analisis, decodificación y clasificación de la señal EEG en entornos tridimensionales. Universidad Politécnica de Cartagena, 14-15.es
dc.source.bibliographicCitationEnas Khairullah, M. A. (2020). Brain-computer interface speller system design from electroencephalogram signals with channel selection algorithms. Elsevier BV, 141.es
dc.source.bibliographicCitationFan, S., Zhang, J., Blanco-Davis, E., Yang, Z., & Wang, J. &. (2018). Effects of seafarers' emotion on human performance using bridge simulation . Elsevier BV, 170, 111-119es
dc.source.bibliographicCitationFürbass, 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, 1174-1179es
dc.source.bibliographicCitationGomez, L. C. (2017). Análisis de Señales de electroencefalografía (EEG) para evaluar actividad cognitiva durante el uso de videojuegos. España: Free Software Foundationes
dc.source.bibliographicCitationKadlhofer, M., & Steinbauer, G. (s.f.). Evaluating the impact of educational robotics on pupils’ technicaland. ScienceDirectes
dc.source.bibliographicCitationKhairullah, E., & Arican, M. &. (2020). Brain-computer interface speller system design from electroencephalogram signals with channel selection algorithms. Elsevier BV, 141, 109690es
dc.source.bibliographicCitationKitchenham, B. (2017). Procedures for Performing. Ann. Saudi Med, 79–83.es
dc.source.bibliographicCitationLancheros-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, 3-8es
dc.source.bibliographicCitationLerga, 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.bibliographicCitationLerga, 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.bibliographicCitationLin, F.-R. &.-M. (2018). Detección de esfuerzo mental utilizando datos de EEG en contextos de e learning. Elsevier BV, 122, 63es
dc.source.bibliographicCitationMartínez 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- 69es
dc.source.bibliographicCitationMartinez-Cagigal, V. S.-V.-P. (2019). Towards an accessible use of smartphone-based social networks through brain-computer interfaces. Elsevier BV, 120, 155-166es
dc.source.bibliographicCitationMcDonald, 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- 651es
dc.source.bibliographicCitationMichel, R. B. (2001). Measuring time-frequency information content using the Renyi entropies . Institute of Electrical and Electronics Engineers , 47, 1391-1409es
dc.source.bibliographicCitationPark, 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.bibliographicCitationRaj, 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.bibliographicCitationRensong Liu, Z. Z. (2017). Identificación de señales de imágenes motoras anisómicas EEG basadas en algoritmos complejos. Addisson Salazar, 1-13.es
dc.source.bibliographicCitationRocha, M. &. (2018). Hidden Markov Models Bioinformatics Algorithms. Elsevier, 255-273es
dc.source.bibliographicCitationS. 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, 1-20es
dc.source.bibliographicCitationVasiljevic, G. A. (2019). The influence of graphical elements on user's attention and control on a neurofeedback-based game . Elsevier BV, 29, 10- 19es
dc.source.bibliographicCitationWainer, 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.bibliographicCitationWilliams, 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, 93-99es
dc.subjectelectroencefalogramaes
dc.subjectalgoritmoses
dc.subjecteeges
dc.subjectComputadores
dc.subjectFrecuenciaes
dc.subjectBCIes
dc.subject.othereeges
dc.subject.otherelectrodeses
dc.subject.otherfrequencyes
dc.subject.otherBCIes
dc.subject.otherHertzes
dc.subject.otheralgorithmes
dc.subject.otherTFDes
dc.subject.otherComputeres
dc.subject.othereeg signalses
dc.subject.otherNeuroSkyes
dc.titleAnálisis de algoritmos para la caracterización de señales cerebrales EEGes
dc.typeTrabajos de grado - Pregradoes
Archivos
Bloque original
Mostrando1 - 3 de 3
Cargando...
Miniatura
Nombre:
2021_Analisis_algoritmos_cerebrales.pdf
Tamaño:
536.44 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Cargando...
Miniatura
Nombre:
2021_Analisis_algoritmos_cerebrales-Acta.pdf
Tamaño:
68.8 KB
Formato:
Adobe Portable Document Format
Descripción:
Acta de asesor
Cargando...
Miniatura
Nombre:
2021_Analisis_algoritmos_cerebrales-Licencia.pdf
Tamaño:
215.82 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia de uso
Bloque de licencias
Mostrando1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
4.23 KB
Formato:
Item-specific license agreed upon to submission
Descripción: