Sistema para Rehabilitación del Síndrome del Miembro Fantasma utilizando Interfaz Cerebro Computador y Realidad Aumentada

• Juan Esteban Arango ^[1] ; Julián Cárdenas Mazo ^[1] ; Alejandro Peña Palacio ^[1]
  1. [1] Escuela de Ingeniería de Antioquia, Colombia
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 11, 2013, págs. 93-106
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En el presente trabajo, se utilizó un dispositivo BCI comercial, el Emotiv EPOC, el cual es un neuroheadset inalámbrico de alta resolución para la adquisición de señales EEG, para desarrollar una herramienta con detección inteligente de patrones neuronales paralela a la del desarrollador para la implementación de una aplicación que combina la Realidad Aumentada (AR). La aplicación pensada como posible tratamiento del Dolor del Miembro Fantasma (PLP) en pacientes amputados. El desarrollo del motor de clasificación permitió tener un mayor control sobre los parámetros del procesamiento y detección de patrones en las señales, donde se obtuvo hasta un 82.1% de clasificación. Estas señales neuronales detectadas de un sujeto, se utilizan para descifrar su intención de cerrar o abrir un modelo virtual de una mano o de una prótesis adherida al muñón real a través del entorno AR, brindando retroalimentación visual al paciente. Lo que contribuiría a reducir neurológicamente el PLP.

  • English

    In this study, we used a commercial BCI device, the Emotiv EPOC, which is a high-resolution wireless neuroheadset for EEG signal acquisition, to develop a intelligent pattern detection tool parallel to the developer’s one to implement an application that combines Augmented Reality (AR). The application was developed as a possible treatment of phantom limb pain (PLP) in amputees patients. The classification engine development has allowed greater control over processing parameters and signal pattern detection, which yielded up to 82.1% of classification. These detected neural signals from a subject, were used to decode its intention of closing or opening a virtual model of a hand or prosthesis attached to the real stump through the AR environment, providing visual feedback to the patient. This, would neurologically help reduce the PLP.