Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística (2013-)
Programa de Doctorat en Tecnologia
This doctoral thesis focuses on the study of the use of visual imagery for the construction of brain-computer interfaces (BCI) non-invasive. Although the construction of brain-computer interfaces is already is a reality, practically all of them are based on the use of motor imagery or the use of potentials related to events, such as the P300, or the potentials evoked SSVEP (Steady State Visualy Evoked Potentials). But the being Humans have many other cognitive abilities that can be studied for use in brain-computer interfaces, with the aim of expanding the capabilities of these and create applications with a more natural interaction. One of The capacities available to the human being is to visualize objects without being perceived by the senses of sight, which is what we call visual imagery. sual. The main goal of this doctoral thesis is, firstly, to demonstrate that it is possible to differentiate visual imagery, from EEG signals acquired from non-invasive and, secondly, to offer an adequate processing framework. Initially, it began with the creation of a binary brain switch based on in visual imagery. It has been possible to demonstrate that it is posible to differentiate between images visual imagination, everyday objects and even basic geometric figures, with respect a state of non-imagination. Later it was shown that it was also possible, Using deep learning techniques, the classification of more than one class of imaginings finally, a study was carried out where the use of visual imagery together with motor imagery. This thesis provides a set of methodologies that can be applied to the processing of EEG signals coming from the visual imagination, allowing extend the capabilities of brain-machine interfaces beyond those based on conventional paradigms, such as motor imagination or evoked potentials
La present tesi doctoral se centra en l’estudi de la utilització de la imaginació visual per a la construcció d’interfícies cervell-màquina (Brain-Computer Interfaces, en anglès) no invasives. Si bé, la construcció d’interfícies cervell-màquina ja és una realitat, pràcticament totes es basen en l’ús de la imaginació motora o la utilització de potencials relacionats a esdeveniments, com la P300, o els potencials evocats SSVEP (Steady State Visualy Evoked Potentials, en anglès). Però l’ésser humà disposa de moltes altres capacitats cognitives que poden ser estudiades per a la seva utilització en les interfícies cervell-màquina, amb l’objectiu d’ampliar les capacitats d’aquestes i crear aplicacions amb una interacció més natural. Una de les capacitats de les quals disposa l’ésser humà és la de visualitzar objectes sense ser percebuts pels sentits de la vista, que és el que denominem imaginació visual. L’objectiu principal d’aquesta tesi doctoral és, en primer lloc, demostrar que és possible diferenciar la imaginació visual a partir de senyals EEG adquirits de forma no invasiva i, en segon lloc, oferir un marc de processament adequat. Inicialment, es va començar per la creació d’un interruptor cerebral binari basat en imaginació visual. S’ha pogut demostrar que és possible diferenciar entre imaginació visual, d’objectes quotidians i fins i tot de figures geomètriques bàsiques, amb respecte un estat de no imaginació. Després es va demostrar que també era possible, mitjançant tècniques de deep learning, la classificació de més d’una classe d’imaginació visual, finalment, es va realitzar un estudi on s’ha demostrat la utilització de la imaginació visual conjuntament amb la imaginació motora. Aquesta tesi proporciona un conjunt de metodologies que poden ser aplicades per al processament de senyals EEG provinents de la imaginació visual, permetent estendre les capacitats de les interfícies cervell-màquina més enllà de les basades en paradigmes convencionals, com la imaginació motora o els potencials evocats
Imaginació visual; Imaginación visual; Visual imagery; Interfícies cervell-màquina; Interfaces cerebro-máquina; Brain-computer interfaces; Aprenentatge profund; Aprendizaje profundo; Deep learning; Xarxes neuronals convolucionals; Redes neuronales convolucionales; Convolutional neural networks; Senyals EEG; Señales EEG; EEG signals
004 - Informática; 68 - Industrias, oficios y comercio de artículos acabados. Tecnología cibernética y automática; 616.8 - Neurología. Neuropatología. Sistema nervioso