Periodo: 2025 – 2028.
Resumen: Las interfaces cerebro computadoras (BCI) son herramientas novedosas para implementar terapias de neurorrehabilitación mediante la detección de la intención de movimiento promoviendo la recuperación de funciones de pacientes con afecciones neurológicas crónicas. En personas despiertas, el electroencefalograma presenta ritmos sensorio-motores que disminuyen su energía cuando se realiza un movimiento, esto se denomina desincronización relacionada con eventos (ERD). Lo más relevante es que la ERD no requiere de un movimiento real sino que también se manifiesta con la intención de realizarlo. En consecuencia, el problema de detectar de la intención de movimientos se transforma en la detección de la ERD representando un problema de clasificación con 2 clases posibles: hay ERD o no hay ERD. En el contexto de investigación de laboratorio no se consideran restricciones que se presentan en situaciones de la vida real, tales como el tiempo de calibración y la rapidez de respuesta de una BCI, por lo que se propone abordar desde el aprendizaje maquinal soluciones que permitan facilitar su uso en este contexto. Para esto se caracterizará la ERD con vistas a proponer estrategias de extracción de características adecuadas para lograr un buen desempeño en su detección. Inicialmente se evaluarán métodos paramétricos de estimación espectral dado que presentan ventajas con señales de corta duración, además por las características fisiológicas del fenómeno también se evaluarán distribuciones tiempo-frecuencia así como también filtros espaciales. El tiempo de calibración de la BCI está relacionado directamente con la cantidad de datos necesarios para entrenar el clasificador, en el caso de terapias de neurorrehabilitación debería ser el menor posible para no alargar demasiado la sesión, lo cual genera un escenario de datos escasos; para esto se explorarán estrategias de aumento de datos, aprendizaje semi-supervisado, entre otras. Mejorar la rapidez de respuesta de la BCI es el problema más desafiante, ya que casi no hay referencias en la bibliografía, la propuesta en este caso es explorar la combinación de estrategias de extracción de características adecuadas con clasificadores bayesianos y redes neuronales de memoria a corto plazo largo. Se evaluarán distintos clasificadores, tomando como referencia el discriminante lineal debido a su amplia utilización en la bibliografía, tales como máquinas de soporte vectorial, redes neuronales y árboles de decisión, entre otras.
Director: Acevedo, Rubén.
Co-Director: Tabernig, Carolina.
