Filtrado de potenciales sacádicos presentes en señales electroencefalográficas mediante análisis de componentes independientes y aprendizaje no supervisado

Simple item page
dc.contributor.advisorSierra Bueno, Daniel Alfonso
dc.contributor.authorPeña Rodríguez, Jesús
dc.date.accessioned2024-03-03T22:35:34Z
dc.date.available2016
dc.date.available2024-03-03T22:35:34Z
dc.date.created2016
dc.date.issued2016
dc.description.abstractLa electroencefalografía (EEG) es la técnica más común para el estudio de la dinámica neuronal del cerebro humano [29]. La EEG es una herramienta esencial en la neurociencia cognitiva, ya que permite el registro no invasivo de las señales eléctricas provenientes del cerebro. Desafortunadamente, las señales neuronales en la EEG son altamente contaminadas por fuentes eléctricas no-cerebrales tales como los músculos del cuero cabelludo y la cara, el ritmo cardíaco y la respiración [35]. Sin embargo, los movimientos oculares son la mayor fuente de contaminación del electroencefalograma. Esto ocurre debido a que los movimientos oculares causan un cambio en el campo eléctrico que rodea los ojos [17]. Luego, las variaciones de potencial causadas se desplazan sobre el cuero cabelludo superponiéndose con los potenciales provenientes de los cúmulos neuronales [20], por lo tanto, esto in_x001E_uye de manera negativa en el registro y posterior análisis de las señales EEG. En el presente trabajo de investigación se plantea una técnica de _x001B_ltrado de los artefactos oculares mediante el análisis de componentes independientes y agrupamiento con máquinas de vectores soporte. Con el ánimo de identi_x001B_car fácilmente los aportes de la tesis, se optó por marcar las respectivas entradas de la tabla de contenido con
dc.description.abstractenglishFiltering of saccadic potentials from electroencephalographic signals by means of independent component analysis and non-supervised learning.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Electrónica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/34199
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectArtefactos Oculares
dc.subjectAnálisis De Componentes Independientes
dc.subjectMáquinas De Vectores Soporte
dc.subjectElectroencefalografía.
dc.subject.keywordElectroencephalography (EEG) is the most common technique to study neuronal dynamics in the human brain [29]. EEG is an essential tool in cognitive neuroscience
dc.subject.keywordbecause it allows the non-invasive recording of electrical signals provided by brain. Unfortunately
dc.subject.keywordneuronal signals in EEG are strongly contaminated by non-cerebral electrical sources such as: muscles of scalp and face
dc.subject.keywordcardiac rhythm and breathing [35]. However
dc.subject.keywordocular movements are the main source of noise in EEG. This occurs because ocular movements cause changes in the electric _x001B_eld around the eyes [17]. Then
dc.subject.keywordthe potential variations travel over the scalp and they are superposed with the potentials provided by neuronal cumulus [20]
dc.subject.keywordtherefore
dc.subject.keywordthis a_x001D_ects in negative way in the recording and analysis of EEG signals. This work proposes a _x001B_ltering technique of ocular artifacts by means of independent component analysis and clustering with support vector machines. In order to identify the thesis contributions easily
dc.subject.keywordthe entries in the table of contents were marked with . In this way
dc.subject.keyworda condensed reading can be realized
dc.subject.keywordfocused in the procedure and the results.
dc.titleFiltrado de potenciales sacádicos presentes en señales electroencefalográficas mediante análisis de componentes independientes y aprendizaje no supervisado
dc.title.englishOcular Artifacts, Independent Component Analysis, Support Vector Machines, Electroencephalography.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
2.59 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
54.68 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
634.31 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Electrónica