Artículo Científico

 

Interfaz cerebro ordenador BCI mediante el uso de Emotiv Insight

 

BCI computer brain interface by using Emotiv Insight

 

 

Benjamín Miguel Villegas Méndez¹ & Marcelo Greby Rojas Fernández²

¹Av. Azanaqueo 77, Cochabamba, Bolivia.
²Departamento de Ciencias Exactas e Ingeniería, Universidad Católica Boliviana Av. General Galindo s/n, Cochabamba, Bolivia.

benjorocker94@gmail.com

Recibido: 7 de septiembre 2018
Aceptado: 2 de noviembre 2018

 

 

 

---

Resumen: En la actualidad existen diversos dispositivos comerciales de adquisición de bioseñales cerebrales electroencefalográficas (EEG) en el mercado, cada uno con diferentes prestaciones y posibles aplicaciones en ingeniería, investigación médica, etc. El presente trabajo describe el desarrollo de una interfaz cerebro ordenador (BCI) utilizando el dispositivo EEG Emotiv Insight por sus características técnicas comparadas a otros modelos de la propia compañía Emotiv y modelos de otras compañías. Se han utilizado como herramientas, un lenguaje de programación orientado a objetos para el desarrollo del programa principal que gestiona las intenciones captadas por el dispositivo EEG para aplicarlas a algún fin, un kit de desarrollo de aplicaciones propio de Emotiv para acceder a las funciones de la interfaz de programación de aplicaciones y scripts de Matlab para el desarrollo de una interfaz de usuario y el análisis de las bioseñales captadas. Las aplicaciones de esta interfaz BCI van desde el estudio de bioseñales cerebrales de manera gráfica hasta aplicaciones en domótica u otros.

Palabras clave: Electroencefalografía, interfaz cerebro ordenador, Emotiv.

---

Abstract: Currently, there are several commercial devices for the acquisition of brain electroencephalographic (EEG) biosignals in the market, each one with different benefits and possible applications in engineering, medical research, etc. The present work describes the development of a computer brain interface (BCI) using the EEG Emotiv Insight device for its technical characteristics compared to other Emotiv own models and models from other companies. They have been used as tools, an object-oriented programming language for the development of the main program that manages the intentions captured by the EEG device to apply them for some purpose, an Emotiv own application development kit to access the functions of the application programming interface and Matlab scripts for the development of a user interface and the analysis of the captured biosignals. The applications of this BCI interface range from the study of brain biosignals graphically to applications in home automation or others.

Key words: Electroencephalography, brain computer interface, Emotiv.

---

 

 

1    Introducción

En diversas áreas de la ciencia desde el punto de vista médico, psicológico o de ingeniería, el estudio del cerebro ha causado fascinación y gran interés. Existen dispositivos comerciales que se han ido desarrollando para la lectura de señales cerebrales, siendo las interfaces cerebro ordenador (BCI, por sus siglas en inglés) uno de los usos más importantes para los mismos.

En España para el año 2011 se lanzó la convocatoria de proyectos Cero de la Fundación General CSIC (Consejo Superior de Investigaciones Científicas) en envejecimiento, a la cual se presentó el grupo de ingeniería biomédica de la Universidad de Valladolid con una posible solución al deterioro cerebral y una alternativa de aplicación de la domótica para personas de la tercera edad utilizando sistemas BCI. (HORNERO, CORRALEJO, y ALVAREZ, 2011).

En varios países se realizan conferencias alrededor del tema de los sistemas BCI, en 2012, en Gwangju, ciudad de Corea, en la conferencia internacional sobre robots inteligentes, tecnología y aplicaciones, se presentó un modelo de control de un robot basado en señales bio-eléctricas (IERACHE et al, 2013).

En América Latina, Argentina lleva una línea de investigación desde 2009 en distintas universidades, presentando sus avances en reconocidos congresos internacionales (IERACHE et al, 2013).

En Colombia se implementó el diseño de una interfaz neuronal para personas con discapacidad motora, presentando una alternativa de lectura de señales cerebrales a bajo costo adaptando un sensor comercial TGAM de Neurosky MindWave® y una placa Arduino a un sistema BCI (RODRÍGUEZ y MILLÁN, 2017).

En nuestro país, en la ciudad de La Paz se trabajó como proyecto de grado para la Universidad Mayor de San Andrés un sistema de control automático para una silla de ruedas basado en una interfaz cerebro-ordenador en 2016 (CONDORI, 2016).

En Cochabamba, el año 2011, un artículo científico de la Universidad Católica Boliviana San Pablo, presenta un estudio acerca de la comunicación entre un dispositivo de adquisición de bio-señales cerebrales y un terminal móvil (PINTO, 2011).

Todos los estudios y prácticas realizadas en torno a los sistemas BCI tienen en común el uso de un dispositivo de adquisición de señales cerebrales, y algún método de interpretación de las señales obtenidas para aplicarlas a algún fin.

Adquirir un dispositivo de adquisición de bioseñales cerebrales puede ser costoso y limitar sus aplicaciones por motivos técnicos, sin embargo, el dispositivo EEG Emotiv Insight de la compañía Emotiv, permite el desarrollo de interfaces BCI de manera accesible y con un entorno de desarrollo intuitivo para el desarrollador, comparado con dispositivos EEG comerciales similares.

 

2    Objetivos

Objetivo principal

•    Describir el diseño de la interfaz cerebro ordenador desarrollada mediante el uso del dispositivo EEG Emotiv Insight.

Objetivos específicos

•    Describir la comparación de dispositivos EEG y la elección del dispositivo utilizado.

•    Describir el proceso de preparación y modo de uso del dispositivo elegido.

•    Describir el diseño y funcionamiento del programa principal utilizado para procesar las bioseñales EEG obtenidas.

•    Describir el diseño y funcionamiento de la interfaz de usuario.

 

3    Marco teórico

3.1 Electroencefalografía.

Los electroencefalogramas (EEG) son la adquisición de los pequeños potenciales eléctricos producidos por el cerebro (BRONZINO, 1999: 253). Resulta complicado interpretar los datos obtenidos de diferentes partes del cerebro comparado con otros biopotenciales por tal motivo se necesita cierta estandarización tal como el sistema 10-20 para localización de electrodos (BRONZINO, 1999: 254).

La Figura 1: muestra la localización de electrodos según el sistema 10-20. Puede observarse que para la localización de los electrodos se trazan 3 líneas que inician en el "nasión" del rostro y termina en el punto "inión" en la región anterior del cráneo. Una de las líneas pasa por el "vertex" central del cráneo, las 2 líneas restantes pasan por las regiones temporales del cráneo. A partir de los puntos "inión" y "nasión" se calcula 10% de la distancia de las líneas trazadas y se marca el inicio de las regiones frontal, central, parietal y occipital. Las regiones se dividen cada 20% de las líneas trazadas. La posición de los electrodos se nombra con la inicial mayúscula de la región a la que pertenecen y un subíndice numeral impar en el caso del hemisferio izquierdo y par en el caso del hemisferio derecho. El subíndice "z" se utiliza para las posiciones de electrodos que se encuentran sobre la línea trazada que pasa por el "vertex" (ROMO; ROMO y VELEZ, 2012).

Un sistema EEG básicamente está compuesto de electrodos, amplificadores con filtros y un dispositivo de adquisición de las señales. Usualmente se usan electrodos de calomel (cloruro de mercurio o plata) de 1 a 3 mm. de diámetro con conductores largos y flexibles que son conectados a un amplificador. Se necesita que entre el electrodo y la piel se tenga una impedancia muy baja generalmente por debajo de los 10 kΩ (BRONZINO, 1999: 255).

3.1.1 Clasificación de ondas por su espectro de frecuencia.

El ancho de banda del EEG va de 0 Hz. a 100 Hz., con el mayor porcentaje de potencia entre 0.5 Hz. y 60 Hz según la actividad cerebral. Las amplitudes sobre el cráneo oscilan entre 2μV. y 100μV. (GUERRERO, 2010).

El EEG muestra señales que no presentan una cantidad suficiente de patrones definidos en el dominio del tiempo que puedan dar información sobre las mismas, es así que su espectro de frecuencia que varía considerablemente dependiendo el estado físico y comportamiento brinda información que puede ser útil en análisis.

Existen 5 bandas de frecuencia principales (CARDINALI, 2007: 410):

• Ondas Delta: Banda comprendida entre 0.5 a 4 Hz. Es común en infantes, durante sueño profundo o algunos desordenes cerebrales. Este tipo de onda presente en adultos mayores no es normal.

• Ondas Theta. Banda comprendida entre 4 y 8 Hz. Si bien es más común entre los niños se puede encontrar en adultos normales despiertos dado que presenta componentes transitorios de actividad. Ocurre principalmente en las áreas temporal y central.

• Ondas Alfa. Banda comprendida entre 8 y 13 Hz. Se sitúa en el lóbulo occipital, es el tipo de onda más común en sujetos normales, usualmente en estado de reposo y con los ojos cerrados.

• Ondas Beta: Banda comprendida entre 13 y 22 Hz. Este espectro se subdivide en dos regiones: Beta I y Beta II, siendo la segunda con mayor frecuencia misma que aparece durante una intensa activación del sistema nervioso central. El uso de sedantes incrementa la actividad Beta.

• Ondas Gamma: Por encima de los 22 Hz. Se relaciona con tareas de un alto procesamiento cognitivo y la forma de aprendizaje y la capacidad de asentar información nueva. Algunos autores no toman en cuenta las ondas Gamma y las clasifican dentro las ondas Beta.

La Figura 2: muestra el comportamiento de 4 bandas de frecuencia en el dominio del tiempo.

3.2 Interfaces cerebro ordenador.

Como su nombre lo indica una interfaz cerebro ordenador (BCI por sus siglas en inglés) debe ser capaz de visualizar las señales provenientes del cerebro en un ordenador y procesarlas. Para ser considerado un sistema BCI debe cumplir con cuatro características:

• Debe ser capaz de adquirir actividad del cerebro directamente, ya sea invasivo o no invasivo.

• Debe proveer una realimentación al usuario.

• La realimentación debe estar disponible en tiempo real.

• El usuario debe tener la capacidad de realizar una tarea mental de manera intencional.

Se puede decir entonces que dispositivos que detectan actividad cerebral pasivamente sin intención del usuario no son sistemas BCI (CORRALEJO, 2016: 5).

Existen dentro la literatura otros conceptos relacionados a la interacción entre cerebro y ordenador. Por ejemplo "interfaz cerebro máquina" (BMI por sus siglas en inglés), "interfaces de cerebro directas" (DBIs por sus siglas en inglés) y "neuro prótesis". Los conceptos de BCI, BMI y DBIs son prácticamente sinónimos y cumplen las cuatro características mencionadas anteriormente. Sin embargo "neuro prótesis" cumpliría con una característica más, es capaz no solo de recibir señales del sistema nervioso, sino también de proveer de alguna señal al mismo, entonces los sistemas BCI son una subcategoría de las neuro prótesis (CORRALEJO, 2016: 7).

3.2.1 Clasificación de sistemas BCI.

La actividad cerebral genera cambios eléctricos y magnéticos a raíz de los cambios electroquímicos presentes en las neuronas. Los sensores pueden detectar tanto los cambios eléctricos como los magnéticos en tiempos diferentes y en diferentes áreas del cerebro. Siempre que se cumplan las 4 características para ser un sistema BCI existen varios métodos de medida de la actividad cerebral (CORRALEJO, 2016):

• Métodos de tomografía.

• Métodos que adquieren señales electromagnéticas como ser: Resonancia magnética espectroscópica (MRS), resonancia espectroscópica funcional infrarroja (fNIRS).

Métodos que adquieren señales electromagnéticas originadas por el cerebro como ser: Electroencefalograma (EEG), electrocortigramas (ECoG), magnetoencefalograma (MEG) y adquisición introcortical.

3.2.2 Sistemas BCI basados en EEG.

Una interfaz cerebro ordenador (BCI) detecta y clasifica ciertas características de las señales cerebrales que están asociadas a tareas o eventos específicos. Dependiendo la naturaleza de estas señales se pueden dividir en dos grupos (CORRALEJO, 2016: 23).

• BCI endógeno: Depende del control del usuario sobre la actividad electrofisiológica originada internamente, como ser una amplitud a una banda de frecuencia específica en algún área del cerebro específica y necesita tiempos de entrenamiento extensos. A este grupo pertenecen los BCI basados en imágenes motoras y potenciales corticales lentos (SCPs por sus siglas en inglés).

• BCI exógeno: Depende de la actividad electrofisiológica originada externamente, dicha actividad es evocada por un estímulo específico, no requiere un entrenamiento extenso, pero se necesita un entorno estructurado. A este grupo pertenecen los potenciales P300 y potenciales evocados visuales de estado estable (SSVEPs por sus siglas en inglés).

3.2.2.1 Potenciales corticales lentos.

Ciertos cambios de voltaje generados en el córtex cerebral ocurren entre los 0.5s. a 10s., estos cambios son los llamados potenciales corticales lentos (SCPs). Un SCP negativo está relacionado al movimiento y otras funciones que involucran la activación del córtex, siendo así que un SCP positivo está asociado a una actividad cortical reducida contraria a un SCP negativo.

Los usuarios pueden aprender a controlar los SCP con el uso de retroalimentaciones sonoras o visuales; sin embargo, el tiempo de entrenamiento para un 75% de acierto o más, varía entre dos semanas a meses de entrenamiento con una a dos horas diarias (HE et al, 2013).

La Figura 3: muestra el comportamiento de las señales cerebrales que se producen, cuando se realizan dos tareas similares pero que se entienden como contrarias, por ejemplo, abrir y cerrar los ojos.

Al sobreponer la señal de una tarea con la señal de otra tarea contraria se observa que entre 0.5 s. a 10 s. se produce una simetría entre las dos señales. En la Figura 3: a los 0.3 s. aproximadamente se produce esta simetría, siento que la señal de una intención llega a los -7 μV. y su intención contraria llega a los 7 μV.

3.2.2.2 Ritmos sensoriomotores.

El movimiento de cualquier músculo u órgano del cuerpo cambia la actividad cerebral en el córtex, incluso la imaginación del movimiento de un músculo en particular. A estos cambios se denominan ritmos sensorios motores (SMR por sus siglas en inglés) tamién conocidos como imágenes motoras (CORRALEJO, 2016: 25).

En las distintas bandas de frecuencia de la actividad cerebral, la actividad sensorio motora en la banda Alpha se denomina μ, (micro) ritmo. La disminución de la actividad oscilatoria en una banda en específico se denomina desincronización relacionada a eventos (ERD por sus siglas en inglés), así mismo el incremento de la actividad oscilatoria en una banda de frecuencia específica se denomina sincronización relacionada a eventos (ERS por sus siglas en inglés). Tanto las características de ERD y de ERS pueden ser generadas voluntariamente, siendo las bandas μ ritmo y las bandas β las más importantes para sistemas BCI basados en imágenes motoras (HE et al, 2013: 110).

Dado que las actividades evocadas por algún musculo u órgano generan actividad en distintas partes del córtex, la colocación de los electrodos a usarse en áreas motoras específicas es una estrategia para un sistema BCI, los usuarios después de varios entrenamientos pueden desarrollar la habilidad de controlar imágenes motoras específicas (HE et al, 2013).

La Figura 4: muestra el comportamiento de señales cerebrales en distintos electrodos al realizarse una actividad motora, puede observarse que antes del tiempo 0 s. las señales provenientes de cada electrodo están desincronizadas (ERD), al ejecutarse la actividad motora se observa que a partir del tiempo 0 s. la actividad de las señales de todos los electrodos entra en un periodo de sincronización (ERS) de forma que las mismas actúan de manera similar en cuanto a frecuencia. A partir de los 2 s. aproximadamente, las señales de todos los electrodos, nuevamente entran en un estado de desincronización, lo que indica que ya no se ejecuta ninguna actividad motora.

3.2.2.3 Potenciales evocados visuales de estado estable.

Para un BCI exógeno es necesario un estímulo externo que puede ser auditivo, táctil, motor o visual; siendo este último el más utilizado.

Un sistema BCI basado en potenciales evocados visuales de estado estable (SSVEP) requiere de estímulos visuales que están relacionados a un comando para realizar una acción (CORRALEJO, 2016: 27-28).

Los estímulos parpadean continuamente a diferentes frecuencias en un rango comprendido entre los 6 y 30 Hz. Se pueden tener varios estímulos para un sistema BCI completo dado que si el estímulo visual oscila a 15 Hz. el potencial evocado visual de estado estable también oscilará a 15 Hz. (CORRALEJO, 2016: 27-28).

3.2.2.4 Potenciales evocados P300.

Un potencial evocado P300 usualmente utiliza estímulos visuales que parpadean en una secuencia aleatoria. El estímulo evoca una característica llamada P300, que aparece en la región parietal y central del córtex cerebral; tomando en cuenta el sistema 10-20 de localización de electrodos este estimulo evocado estaría situado en el electrodo Pz. Después de 300ms se puede captar la respuesta evocada (HE et al, 2013: 109).

Sistemas BCI basados en P300 no necesitan demasiado tiempo de entrenamiento y se logran elevados porcentajes de precisión.

La Figura 5: muestra dos señales cerebrales en el dominio del tiempo, la línea gris denominada “Unattended target” muestra una señal cerebral neutral o sin un estímulo periférico (visual, auditivo, etc.) que se quiera estudiar, la línea negra denominada “Attended target” muestra la respuesta a algún estimulo que aparece alrededor de los 300ms.

Existen otros potenciales evocados debidos a estímulos sensoriales que son denominados según el tiempo de respuesta de la señal cerebral.

3.2.3 Dispositivos comerciales para BCIs.

La investigación en el área de adquisición de bioseñales y particularmente de señales cerebrales para el uso comercial va desde controles para video juegos basados en EEG, neuro marketing, aplicaciones para el deporte, entre otros. Siendo que existe en el mercado una variedad de dispositivos de adquisición de señales EEG cada uno con diferentes características, más siempre buscando menor tamaño del dispositivo, mayor facilidad de uso y mayor calidad de la señal adquirida.

3.2.3.1 Comparación de dispositivos EEG comerciales.

Para poder obtener bioseñales cerebrales de un sujeto de pruebas es necesario estudiar las características físicas y en cuanto a software de los dispositivos comerciales EEG mencionados anteriormente.

En la tabla 1 se comparan los dispositivos EEG comerciales de mayor demanda en cuanto a sus características físicas y usos. Los modelos Insight y Epoc pertenecen a la compañía Emotiv.

En cuanto a los electrodos, se describe la cantidad, posición de los mismos de acuerdo a sistema 10-20 y el tipo de electrodos que posee el dispositivo EEG.

La tabla 2 compara las características en cuanto a software de los dispositivos EEG de mayor demanda. Si bien todas las compañías ofrecen un kit de desarrollo, no todas las herramientas son provistas de manera gratuita.

La tabla 3 compara el precio de los dispositivos EEG y ciertas características que necesiten o no un pago adicional. Los precios de los dispositivos varían de un país a otro, además existe cargo adicional por envío en caso de solicitarse una compra desde Bolivia.

En la tabla 3 se muestran los precios de los dispositivos en su país de origen y solo se toma en cuenta el precio unitario de los dispositivos y sus accesorios básicos. Siendo que pueden existir promociones de compra que incluyan otros accesorios o software de interacción.

 

4    Metodología

Para el desarrollo de una interfaz cerebro ordenador BCI mediante el uso de Emotiv Insight se utilizó un tipo de investigación cuantitativa de acuerdo al enfoque de la misma y descriptiva y correlacional de acuerdo al alcance.

Las actividades realizadas para llevar a cabo los objetivos específicos están detalladas en la Tabla 4.

4.1 Diagrama de Procesos.

A continuación, se describe el funcionamiento del sistema propuesto en una serie de procesos que puede observarse en la Figura 6:.

Se instala un dispositivo EEG en la cabeza del usuario.

• El usuario provoca una señal cerebral que corresponde a una intención.

• Se adquieren las señales cerebrales del usuario y se procesan en un ordenador según la intención del usuario.

• La señal tratada es traducida en comandos según la intención del usuario, estos comandos pueden ser enviados a dispositivos programables mediante un puerto serial para una aplicación física.

• En la interfaz del usuario es posible desactivar el sistema en cualquier momento.

4.2 Elección del dispositivo a usarse en base a factores ponderados

Para la elección del dispositivo EEG a utilizarse en el sistema propuesto se utilizó una ponderación de factores, los mismos están basados en las características descritas anteriormente en las tablas comparativas de los dispositivos EEG en el marco teórico.

La Tabla 5 muestra los resultados de los factores ponderados. Se puede observar la importancia en porcentaje que se le da a cada factor relevante y la puntuación con valores entre 1 a 10 que recibió cada propuesta de dispositivo EEG en cada uno de estos factores. Siendo este un método cualitativo los factores más importantes elegidos a criterio del estudiante son la localización de los electrodos, la disponibilidad de un kit de desarrollo y el precio.

Un dispositivo EEG que tenga mayor número de electrodos y que localice los mismos cubriendo mayor área extracraneal según sistema 10-20 tendrá una mejor puntuación. Así mismo que el dispositivo cuente con un kit de desarrollo de software es imprescindible para llevar a cabo los objetivos propuestos. El precio es un factor fundamental no solo en cuanto al dispositivo y sus accesorios básicos, también se tomó en cuenta si algún precio adicional fue o no necesario para el desarrollo del sistema propuesto.

En la Tabla 5 se puede observar que el dispositivo que mejor se adecua para el sistema propuesto es el dispositivo Insight de la compañía Emotiv.

4.3 Configuración y modo de uso del dispositivo EMOTIV Insight

El dispositivo de electroencefalografía Insight de la compañía EMOTIV puede ser utilizado de varias formas y para distintos propósitos. Es posible su interacción con ordenadores, tablets y teléfonos inteligentes. Para la implementación del sistema propuesto se utilizó un ordenador con sistema operativo Windows 10 para interactuar con el dispositivo, puesto que existe mayor soporte técnico y mayor desarrollo de software para esta plataforma.

Además de adquirir el dispositivo es necesario tener una licencia, sea esta de paga o libre. El tipo de licencia permite tener acceso a ciertas características del dispositivo, además de proporcionar una cuenta online en sus servidores para el almacenamiento de datos personales de cada usuario y perfiles que contienen información sobre las lecturas de las señales cerebrales de cada usuario. Se optó por la licencia básica gratuita, puesto que la misma a pesar de no permitir acceder a todas las características funcionales del dispositivo, es suficiente para poder desarrollar software para BCIs.

Dentro de las aplicaciones y programas que ofrece la compañía Emotiv para interactuar con el dispositivo, los programas para Windows "Emotiv Xavier" y "Cortex UI" son necesarios para acceder a casi todas las características del dispositivo, así como a su kit de desarrollo de software SDK (por sus siglas en inglés) y sus interfaces de programación de aplicaciones API (por sus siglas en inglés).

El kit de desarrollo SDK de EMOTIV Insight permite desarrollar software en diversos lenguajes de programación. Para el sistema propuesto se escogió el lenguaje de programación C++, puesto que la totalidad de las funciones del dispositivo pueden ser utilizadas mediante este lenguaje a comparación de otros, además de ser un lenguaje orientado a objetos que permite modelar de manera más simple el sistema. Se debe tomar en cuenta que las APIs en C++ son mucho más completas que en otros lenguajes para este dispositivo.

De toda la gama de funciones y procedimientos disponibles en las (APIs) del dispositivo, las más importantes y usadas en el sistema propuesto son aquellas que permiten acceder a información sobre señales cerebrales que puedan ser entrenadas por el usuario, como ser expresiones faciales y comandos mentales, estos últimos se refieren a pensamientos que pueden ser entrenados con algún fin. Además, se utilizaron las funciones de manejo de datos en la nube.

La manera de comunicar el dispositivo EEG escogido con un ordenador es de forma inalámbrica mediante el uso de bluetooth 4.1 de baja energía denominado bluetooth smart, puesto que el dispositivo lo soporta y de esa forma no es necesario ningún accesorio extra. La Tabla 6 muestra el resumen de la configuración necesaria para interactuar con el dispositivo para el sistema propuesto.

La forma de preparar el dispositivo para su uso en el sistema propuesto se describe en la Figura 7:

El ensamblaje y posicionamiento de los electrodos puede realizarse tal y como lo indica la guía rápida de Emotiv Insight, la misma adjunta al adquirir el dispositivo.

La verificación de señal óptima de cada electrodo puede realizarse desde el software "Cortex UI" o desde el software "Emotiv Xavier". La Figura 8: muestra la verificación de señal con "Emotiv Xavier". En ambos programas para verificar la señal proveniente de cada uno de los electrodos, en pantalla se ven sus posiciones en el córtex con su respectivo nombre, el color de los electrodos en pantalla varía según la calidad de la señal recibida por el dispositivo EEG.

Una buena señal se indica con un color verde, una señal regular con un color amarillo una señal de baja calidad se indica con un color rojo y si no existe señal, el gráfico del electrodo en pantalla no tiene color.

El entrenamiento tanto de las expresiones faciales como de los comandos mentales se realiza mediante el software "Emotiv Xavier".

El entrenamiento solo es necesario hasta que el usuario tenga cierto dominio de las acciones que quiera realizar, a partir de un cierto número de sesiones se puede prescindir del entrenamiento.

La Figura 9: muestra la interfaz de entrenamiento de expresiones faciales. A medida que se van entrenando las diferentes expresiones faciales que permite el dispositivo Emotiv Insight la figura de un rostro humano imita las expresiones realizadas por el usuario para verificar que el entrenamiento de las mismas haya sido exitoso.

La Figura 10: muestra la interfaz de entrenamiento de comandos mentales. A medida que un comando mental es entrenado una figura en 3 dimensiones compuesta por cubos se mueve conforme el comando mental entrenado y se observa la intensidad del pensamiento del usuario para realizar un comando mental específico.

Tanto en el caso de las expresiones faciales como en los comandos mentales es preciso entrenar un estado neutro.

El estado neutro en el caso de expresiones faciales se refiere a la no ejecución de ningún gesto facial.

El estado neutro en el caso de comandos mentales se refiere a la no intención de ejecutar una acción de movimiento de la figura en 3 dimensiones compuesta por cubos.

La información de los entrenamientos puede ser almacenada en un perfil de usuario que se sincroniza con los servidores de Emotiv.

4.4 Desarrollo del programa principal del sistema

El programa principal para el sistema propuesto es el encargado de recibir información del dispositivo EEG, interpretar esta información para convertirla en un comando de ejecución de alguna tarea, relacionarse con la interfaz de usuario y manejar los datos del usuario almacenados en los servidores de Emotiv.

4.4.1 Diagrama de clases UML del programa principal

La Figura 11: muestra el diagrama de clases diseñado para la elaboración del código fuente del programa principal. Un total de 4 clases están relacionadas por simple asociación con la clase principal "emotiv", a su vez 2 clases están agregadas dentro la clase "emotiv" y su ejecución depende plenamente de la misma.

Las clases para el programa principal del sistema están desarrolladas para el lenguaje de programación C++.

Se incluyen los atributos de la clase principal y sus funciones. De las clases por asociación se incluyen solo las funciones principales a usarse en el sistema. De las demás clases se incluyen las funciones diseñadas.

4.4.1.1 Clases por asociación

Las clases "Iedk", "IedkErrorCode", "EmotivCloudClient" y "IEmoStateDLL", son parte de la librería "Edk.lib", esta a su vez es parte de la librería de enlace dinámico edk.dll. Tanto "Edk.lib" como "edk.dll" son parte del kit de desarrollo SDK de Emotiv. Estas 4 clases y sus librerías son necesarias para interactuar con el dispositivo EEG.

La clase "Iedk" proporciona al sistema las funciones necesarias para poder utilizar comandos mentales entrenados y expresiones faciales.

La clase "IedkErrorCode" gestiona los posibles errores que pueden producirse al interactuar con el dispositivo EEG.

La clase "EmotivCloudClient" gestiona los datos del usuario almacenados en los servidores de Emotiv.

La clase "IEmoStateDLL" gestiona los eventos del dispositivo EEG y el estado en el que se encuentra en cada iteración del programa. Entre los eventos, verifica si son expresiones faciales, el tipo de expresión facial, comandos mentales, tipo de comando mental, estados de conexión del dispositivo, entre otros.

4.4.1.2 Clases por agregación

Las clases "Serial" está agregada a la clase principal y sin la misma no existe dentro del sistema. Tiene su respectivo constructor y destructor para ser llamadas por la clase principal.

El constructor de la clase "Serial" conecta el sistema a un puerto serial del ordenador, su destructor desconecta el sistema del puerto serial.

La función "verificar conexión con puerto serie" de la clase "Serial" verifica que la conexión creada por el constructor sea estable y no presente errores.

Las funciones "escribir en puerto serie" o "leer de puerto serie" de la clase "Serial", envían o reciben datos del puerto serial conectado por el constructor.

4.4.1.3 Clase principal emotiv

La clase "emotiv" ha sido diseñada para gestionar las funciones de las demás clases por medio de funciones propias. Necesita de las clases por asociación: el estado del dispositivo, el tipo de evento en ese estado y los datos de usuario almacenados en los servidores de Emotiv. De las clases agregadas necesita datos para la comunicación serial, tales como cantidad de puertos, velocidad de comunicación y nombre de los puertos.

El constructor de la clase principal, además de crear el objeto, crea objetos de la clase "Serial", para comunicarse con la interfaz de usuario, además si el usuario lo desea, con un dispositivo programable que reciba comandos mediante un puerto serial. Conecta con las funciones del dispositivo EEG mediante la creación de un estado y un evento, el estado actualiza la información del funcionamiento del dispositivo como ser el estado de la batería, estado de conexión, entre otros. El evento en el constructor es verificar que no exista errores al inicio de la conexión con el dispositivo EEG. El constructor también se conecta con los servidores de Emotiv.

El destructor de la clase principal desconecta los puertos seriales creados y elimina los estados y eventos creados para el funcionamiento del dispositivo EEG, además libera espacio de memoria utilizado por el dispositivo EEG.

La función "Cargar perfil" descarga los datos almacenados del usuario desde los servidores de Emotiv a una variable local, esto sucede siempre y cuando el estado del dispositivo EEG creado por el constructor no presente errores. El evento en esta instancia es justamente de recuperar información de usuario.

La función "relacionar con UI" lee la información que manda la interfaz de usuario al sistema mediante un puerto serial, posee una variable de control que cambia dependiendo el dato que reciba de la interfaz de usuario. La variable de control será evaluada por las otras funciones de la clase principal. Cada cambio de la variable de control significa un diferente comportamiento del sistema propuesto.

La función "control mental" inicialmente determina que comando mental entrenado está ejecutando el usuario, esto mediante la comprobación del estado del dispositivo EEG creado por el constructor. Posteriormente verifica la variable de control de la función "relacionar con UI", dependiendo el valor de esta variable cada uno de los comandos mentales ejecutados por el usuario puede realizar una acción programada para el sistema, misma que puede ser, por ejemplo, un comando que se envíe a un dispositivo programable.

La función "control facial" inicialmente determina que expresión facial está ejecutando el usuario, esto mediante la comprobación del estado del dispositivo EEG creado por el constructor. Posteriormente verifica la variable de control de la función "relacionar con UI", dependiendo el valor de esta variable cada una de las expresiones faciales ejecutadas por el usuario puede realizar una acción programada para el sistema, misma que puede ser, por ejemplo, un comando que realice una acción en el ordenador utilizado.

La función "manejar nuevo evento" determina si el evento creado por el constructor es un evento de comandos mentales o un evento de expresiones faciales, dependiendo el tipo de evento en esta instancia se ejecuta la función "control mental" o a la función "control facial".

4.5 Diseño de la interfaz de usuario del sistema

El sistema responde a comandos mentales o expresiones faciales que ejecutan una acción dependiendo del dato que reciben como información de un puerto serial.

La interfaz de usuario diseñada en Matlab permite al usuario ejecutar la acción deseada con la simple pulsación de un botón gráfico para cambiar la forma en la que se comportarán los comandos mentales y expresiones faciales con el sistema.

La Figura 12: muestra como se ve una posible interfaz gráfica de usuario. Se pueden observar todos los botones gráficos además de un espacio central que dependiendo el botón pulsado muestran una imagen del elemento que se está controlando en ese momento mediante el sistema BCI diseñado. Ésta es una posible aplicación del sistema siendo que el comando que se envíe desde la interfaz de usuario al programa principal puede ser programado para cualquier acción que se desee y para cualquier fin. Se toma como ejemplo del funcionamiento del sistema una aplicación domótica.

Siendo que el programa principal recibe comandos de la interfaz de usuario vía puerto serial, es posible diseñar interfaces de distinta índole a las que el sistema responderá de igual manera a las acciones programadas, por ejemplo: interfaz en una aplicación Android comunicada por Bluetooth, una interfaz física de botones con un microcontrolador comunicado por puerto serial al ordenador, etc.

4.6 Dispositivo EEG Emotiv Insight y Matlab para el estudio de Bioseñales cerebrales.

Para ejecutar la intención del usuario de realizar alguna acción por medio de sus señales cerebrales, el sistema propuesto utiliza las señales causadas por alguna expresión facial o comandos mentales que son producto de la imaginación del usuario de realizar una tarea.

En el caso de las expresiones faciales Emotiv Insight permite captar la señal en el área extracraneal de 7 distintas expresiones faciales, de las cuales para el sistema propuesto se utilizan 4:

• Pestañeo.

• Guiño de ojo izquierdo.

• Movimiento de cejas hacia arriba.

• Movimiento de cejas hacia abajo.

En el caso de comandos mentales Emotiv Insight permite el uso simultaneo de 4 debido a la complejidad de ejecutar demasiados comandos mentales al mismo tiempo, sin embargo, se pueden entrenar hasta 13 y escoger los que el usuario encuentre más fáciles de ejecutar. Los comandos mentales de este dispositivo son las señales cerebrales causadas por imaginar tareas de movimiento de una figura en 3 dimensiones compuesta por cubos, de los 13 movimientos posibles para este dispositivo, el sistema propuesto utiliza:

• Empujar.

• Mover a la izquierda.

• Mover a la derecha.

• Desaparecer.

Se debe hacer notar que estos comandos están diseñados de esta forma por la compañía Emotiv, sin embargo, un usuario es libre de imaginar otras acciones que podrían ser registradas por el dispositivo como una de las 13 propias del mismo, por ejemplo, el usuario podría imaginarse la acción de cerrar una puerta y guardar esa señal como la acción para empujar los cubos de Emotiv.

Dado que las APIs de Emotiv permiten acceder a las señales entrenadas y almacenadas de comandos mentales es posible utilizarlas como comandos para ejecutar acciones.

Es necesario estudiar las señales provenientes de expresiones faciales y comandos mentales para determinar qué tipo de BCI utiliza el sistema propuesto. Debido a que la licencia básica de Emotiv no permite acceder a los datos puros de las señales cerebrales EEG, se utilizó la función "average band powers" propia de las APIs de Emotiv para estudiar el comportamiento de las señales cerebrales causadas por ejecutar comandos mentales o expresiones faciales.

Se utilizó un script de Matlab, el mismo grafica la potencia de banda promedio de las bandas de frecuencia Theta, Alpha, Gamma y Beta; siento esta última dividida en Low Beta y High Beta.

El script de Matlab genera una gráfica para un canal específico (electrodo), recopila desde la última lectura recibida del dispositivo EEG con un tamaño de paso de 0,125 s. (8 Hz) y un tamaño de ventana de 2 s., sin embrago en la gráfica generada se observan muestras a cada segundo. Se utiliza una ventana tipo Hamming. Es posible analizar todas las bandas de frecuencia de cada electrodo al mismo tiempo o por separado.

La Figura 13: muestra un ejemplo de análisis gráfico para un electrodo específico ejecutando un comando mental, se observan 4 bandas de frecuencia estudiadas.

 

5    Resultados

Se ha utilizado la interfaz cerebro ordenador BCI diseñada en una aplicación en domótica para verificar su funcionamiento.

El envío de datos desde la interfaz de usuario al programa principal determina que acción se ejecutará por medio de un microcontrolador y que comando de acción recibirán del programa principal dependiendo de la señal EEG procesada por el mismo.

La Figura 14: muestra una captura de pantalla del funcionamiento de la interfaz de usuario y el programa principal. Se observa que el programa principal con fondo negro ejecuta diversos comandos, inicialmente de preparación para lectura de datos del dispositivo EEG, inicio de puertos seriales con un microcontrolador y la interfaz de usuario y, por último, se observa que los comandos que envió la interfaz de usuario fueron para el control de una silla de ruedas y posteriormente desactivar el sistema momentáneamente.

 

6    Conclusiones

A continuación, se describen las conclusiones del presente trabajo en relación al cumplimiento de los objetivos específicos y sus respectivas tareas y actividades.

• La obtención y procesado de las señales electroencefalográficas se realiza por medio del programa principal desarrollado en lenguaje orientado a objetos C++. El dispositivo escogido para el diseño de la interfaz cerebro-ordenador del sistema propuesto es Emotiv Insight cuya valoración es de 8.15 puntos sobre 10, puntaje que se obtuvo por medio de valoraciones ponderadas relacionadas a características de software, hardware y precio.

Con el uso de las funciones de detección de expresiones faciales y comandos mentales que son parte de las API de Emotiv para interactuar con el dispositivo EEG, se clasifican las intenciones previamente entrenadas del usuario según la acción que se desea realizar. Debido a las características de las señales obtenidas la interfaz cerebro-ordenador BCI diseñada es de tipo endógena puesto que presenta características ERD, ERS y de potenciales corticales lentos SCP; a su vez es exógena por el uso de estímulos periféricos externos en la ejecución de comandos mentales.

• Para que el usuario interactúe con el sistema mediante el uso del dispositivo EEG Emotiv Insight, se diseñó una interfaz gráfica de usuario que envía comandos al programa principal mediante un puerto serial. Esta interfaz es necesaria puesto que las señales electroencefalográficas entrenadas como expresiones faciales y comandos mentales se reutilizan para controlar distintos elementos determinados del sistema propuesto.

• Puesto que el sistema propuesto responde a la interfaz de usuario por medio de comunicación serial, es posible diseñar interfaces de usuario diferentes para este sistema, por ejemplo, utilizar un teléfono inteligente, o un dispositivo físico que posea comunicación bluetooth.

 

Referencias Bibliográficas

[1] BRONZINO, Joseph (1999). Biomedical engineering handbook (Vol. 2). Bioelectric phenomena. s.l. CRC press.

[2] CARDINALI, Daniel (2007). Neurociencia aplicada: sus fundamentos. s.l. Ed. Médica Panamericana.

[3] CONDORI, Grover (2016). Sistema de control automático para una silla de ruedas basado en una interfaz cerebro ordenador. Tesis de grado en ingeniería informática, Universidad Mayor de San Andrés, La Paz.

[4] CORRALEJO, Rebeca (2016). Decoding P300 evoked potentials for Brain Computer Interfaces (BCI) aimed at assisting potential end-users at home. Tesis Doctoral, Universidad de Valladolid, Valladolid.

[5] EMOTIV Inc. "EMOTIV". En: <https://www.emotiv.com/>, (fecha de consulta 09/12/2017).         [ Links ]

[6] GUERRERO, Juan Francisco (2010). "Bioseñales". En: Guerrero, Ingeniería Biomédica. s.l. Moliner-40.

[7] HE, Bin et al (2013). "Brain-computer interfaces". En: He, Neural Engineering. s.l. Springer.

[8] HORNERO, Roberto y CORRALEJO, Rebeca y ALVAREZ, Daniel. (2011). "Brain computer interface, aplicado al entrenamiento cognitivo y control domótico para prevenir los efectos del envejecimiento". En: I+D EN ENVEJECIMIENTO: PROYECTOS CERO FGCSIC. s.e. Valladolid.

[9] IERACHE, Jorge Salvador et al (2013). "Aplicación de interfaces lectoras de bioseñales en el contexto de la domótica". En: XV Workshop de investigadores en ciencias de la computación.s.l. s.e.

[10] JIMÉNEZ, Marco Patricio (2017). Sistema electrónico de iluminación (ON-OFF) mediante el control de señales cerebrales basado en tecnología EEG. Tesis de Grado en ingeniería electrónica y redes de comunicación, Universidad Técnica del Norte, Ibarra.

[11] PINTO, Marco Antonio (2011). "Comunicación entre un dispositivo de adquisición de bioseñales cerebrales y un terminal móvil". En: ActaNova, Universidad Católica Boliviana "San Pablo", Cochabamba.

[12] RODRÍGUEZ, Stiven y MILLÁN, Edwin y ÁLVAREZ, Merquil (2017). "Diseño de una interfaz neuronal para personas con discapacidad motora". En: Redes de Ingeniería. s.e. s.l.

[13] ROMO, Avenilde y ROMO, Rebeca y VELEZ, Hugo. (2012). "De la ingeniería biomédica al aula de matemáticas". En: Revista electrónica de Computación, Informática, Biomédica y Electrónica, s.e., 2012, Nº 1, Guadalajara.

[14] ROJAS, Eliecer (2013). Implementación de electrodos activos en un interfaz cerebro-computador y su aplicación como deletreador P300. Proyecto de grado en ingeniería eléctrica, Universidad de Costa Rica, San Pedro de Montes de Oca.