Aplicación de la inteligencia computacional en el análisis de datos de electroencefalografía para la clasificación y reconocimiento de estados mentales relacionados con mente divagante y atención plena
Trabajo de grado - Maestría
2022-04-28
spa:La electroencefalografía EEG, se ha convertido en una herramienta de suma importancia en el análisis de la actividad cognitiva, las técnicas basadas en inteligencia artificial han llegado a integrarse como una parte fundamental en los procesos de extracción de patrones, clasificación y aprendizaje de datos de señales EEG. Uno de los fenómenos, objeto de estudio del análisis cerebral a nivel electrofisiológico y clínico es la meditación. Dados sus beneficios comprobados científicamente y su uso potencial para la curación de las condiciones médicas, relacionadas con trastornos cognitivos y el bienestar mental en general. Recientemente se han identificado un cúmulo de investigaciones que involucran recursos de la inteligencia computacional en el análisis de factores asociados al estudio de la mente divagante y la meditación. La meditación como herramienta reguladora de los pensamientos divagantes y su incidencia en la salud del cerebro, está fundamentada en el hecho de que algunos desordenes cognitivos vienen dados por los pensamientos divagantes. El estado de mente divagante se ve expresado mediante la actividad del Default-Mode Network DMN. La meditación regula el estado de DMN. Basados en estos principios se pretende diseñar un modelo e implementar un prototipo para la detección de la mente divagante MW, usando procesamiento de señales EEG y Aprendizaje Automático ML a partir de señales eléctricas producidas por el cerebro. Con el propósito de crear un framework basado en inteligencia artificial, para el análisis datos EEG y caracterización de mente divagante MW, como base de un programa de entrenamiento asistido por computadora para el aprendizaje de la meditación. eng:Electroencephalography EEG has become in one main resources in cerebral activity analysis. Artificial Intelligence based techniques has been a fundamental part in pattern detection, classification and learning of EEG signals data. One of the subjects, which is object of study at electrophysiology and clinic level in neural analysis is meditation. Despite of its well-known and scientifically proven benefits and its potential use in medical conditions related with cognitive disorders and mental healthcare. At this point there are a few initiatives involved in the use of Computational Intelligence in the analysis of meditation. The meditation as mind-wandering controller and its relationship with mental wellness, is established in this project by the fact that some mental conditions are increased by mind-wandering MW; this experience arises from activity in the Default Mode Network DMN; Mindfulness meditation regulates the DMN activity. Based on these principles we propose to design a model and implement a prototype for mind-wandering MW classification using EEG signal processing and machine learning ML processing from electrical signals produced by the brain, with the purpose of create an Artificial Intelligence based framework to analyze EEG data and classify MW activity arousal, as a part of a computer-aided meditation training program.
Descripción:
Documento de Tesis de Maestria
Tamaño: 4.221Mb
PDFLEER EN FLIP
Descripción: Acta de sustentación
Tamaño: 273.7Kb
PDF
Descripción: Formulario de autorizacion repositorio
Tamaño: 59.18Kb
PDF
Tamaño: 4.221Mb
PDFLEER EN FLIP
Descripción: Acta de sustentación
Tamaño: 273.7Kb
Descripción: Formulario de autorizacion repositorio
Tamaño: 59.18Kb