Uso de Machine Learning para detectar señales cerebrales de tipo P300 generando estímulos visuales y auditivos

Aug 5, 2026

Subir por Aurelia

El documento presenta un proyecto orientado al uso de Machine Learning para detectar señales cerebrales tipo P300, mediante la generación de estímulos visuales y auditivos. Incluye un estudio teórico con introducción, planteamiento del problema, justificación e impactos en calidad de vida, biomédico y neurocientífico, además de marco teórico y estado del arte. Luego desarrolla etapas de recolección y procesamiento de datos, creación del sistema, validación con métricas (F1) y análisis de resultados. Se anexan programas Matlab, JupyterLab y Psychopy, datasets, consentimientos y manual de usuario.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas81

Tiempo de lectura2 h 5 min

AccesoGratis para descargar

Tabla de contenidos

Estudio Teórico del Proyecto

Introducción

Planteamiento del problema

Justificación

Objetivos

Marco teórico

Estado del arte

Desarrollo del proyecto

Fase 1: Recolección de datos de entrenamiento

Fase 2: Análisis y procesamiento de datos

Fase 3: Creación del sistema de Machine Learning

Fase 4: Validación y métricas de evaluación

Análisis de resultados y discusión

F1 Score Datos de Validación

F1 Score Datos de Prueba

Conclusiones y trabajos futuros

Referencias bibliográficas

Anexos

Uso de Machine Learning para detectar señales cerebrales de tipo P300 generando estímulos visuales y auditivos. Alejandro Jesús Perdomo Cely. Autor Camilo Ernesto Pardo Beainy, MSc. Ph. D(c). Director de tesis Moshé Alonso Amarillo, Mg. Codirector de tesis Facultad de Ingeniería Electrónica, Universidad Santo Tomás seccional Tunja. 2 de abril de 2024. Página | 1 CONTENIDO 1. Estudio Teórico del Proyecto: ................................................................................................ 14 1.1. Introducción:.................................................................................................................... 14 1.2. Planteamiento del problema: ........................................................................................... 14 1.3. Justificación:.................................................................................................................... 17 1.3.1. Impacto en Calidad de Vida:........................................................................................ 17 1.3.2. Impacto Biomédico: ..................................................................................................... 17 1.3.3. Impacto Neurocientífico:.............................................................................................. 17 1.4. Objetivos:......................................................................................................................... 18 1.4.1. General: ........................................................................................................................ 18 1.4.2. Especificos: .................................................................................................................. 18 1.5. Marco teórico:.................................................................................................................. 18 1.6. Estado del arte: ................................................................................................................27 2. Desarrollo del proyecto: .........................................................................................................29 2.1. Fase 1, Recolección de datos de entrenamiento: .............................................................29 2.2. Fase 2, Análisis y procesamiento de datos: .....................................................................49 2.3. Fase 3, Creación del sistema de Machine Learning: .......................................................62 2.4. Fase 4, Validación y métricas de evaluación:..................................................................65 3. Análisis de resultados y discusión:......................................................................................... 68 Página | 2 3.1. F1 Score Datos de Validación: ....................................................................................69 3.2. F1 Score Datos de Prueba: ...........................................................................................71 4. Conclusiones y trabajos futuros: ............................................................................................72 5. Referencias bibliográficas:.....................................................................................................74 6. Anexos:...................................................................................................................................77 6.1. Programas Matlab:...........................................................................................................77 6.1.1. EEGLAB: .................................................................................................................77 6.1.2. Clasificación P300: ..................................................................................................77 6.1.3. Acoplador de Datos:.................................................................................................77 6.1.4. Aume

Preguntas frecuentes

Qué objetivo persigue el proyecto sobre P300?

Detectar señales cerebrales de tipo P300 usando Machine Learning, generando estímulos visuales y auditivos.

Cómo se organiza el desarrollo del sistema?

Se divide en fases: recolección de datos de entrenamiento, análisis y procesamiento, creación del sistema de Machine Learning y validación con métricas de evaluación.

Qué métricas se usan para evaluar el desempeño del detector?

Se reportan F1 Score tanto para datos de validación como para datos de prueba.

Qué materiales y herramientas se incluyen en los anexos?

Se incluyen programas en Matlab, JupyterLab y Psychopy, junto con datasets generados, consentimientos informados, videos y un manual de usuario.

Aug 5, 2026

Subir por Aurelia