Search

[ES] Hoy en día cada vez es más importante la respuesta emocional del consumidor a la hora de estudiar sus preferencias en los alimentos. Aunque las diferencias entre ellos puedan ser mínimas siempre existe alguna que distinga uno del otro, pero saber detectarlas es un proceso complejo ya que la mayor parte de las respuestas más significativas se encuentran en la parte inconsciente del consumidor. Por ello, las nuevas técnicas de neurociencia se utilizan cada vez más para estudiar las emociones que generan dichos productos y para poder comprender mejor las distintas sensaciones del consumidor. El objetivo de este trabajo es realizar un estudio de neurociencia con dos tipos de frutos secos: almendras fritas y nueces de dos marcas de distribuidor distintas. Para ello, se llevará a cabo un test ciego donde se medirá la respuesta inconsciente de 51 consumidores, utilizando la electroencefalografía (EEG) y la respuesta galvánica de la piel (GSR), junto con la metodología EsSense Profile, concretamente su versión reducida EsSense 25 la cual permite estudiar las emociones generadas por alimentos. Los principales resultados obtenidos nos ofrecen información interesante como son las diferencias significativas para las almendras fritas que demuestra la preferencia por parte de los consumidores por la cadena comercial C mientras que para las nueces no se han detectado diferencias significativas. Gracias al cuestionario EsSense Profile® se han detectado emociones positivas para ambos productos lo que beneficia la comercialización de estos., [EN] Nowadays, the emotional response of consumers is increasingly important when studying their food preferences. Although the differences between them may be minimal there is always some that distinguishes one from the other, but knowing how to detect them is a complex process since most of the most significant responses are in the unconscious part of the consumer. Therefore, new neuroscience techniques are increasingly used to study the emotions generated by these products and to better understand the different sensations of the consumer. The aim of this work is to conduct a neuroscience study with two types of nuts: fried almonds and nuts of two different private labels. For this purpose, a blind test will be carried out where the unconscious response of 51 consumers will be measured, using electroencephalography (EEG) and the and galvanic skin response (GSR), together with the methodology EsSense Profile®, specifically its reduced version EsSense 25® which allows studying the emotions generated by food. The main results obtained offer us interesting information, such as the significant differences for fried almonds, which demonstrates the preference of consumers for commercial chain C, while no significant differences have been detected for nuts. Thanks to the EsSense Profile® questionnaire, positive emotions have been detected for both products, which benefits their marketing.

La terapia como parte de la intervención en una persona con algún tipo de discapacidad es una oportunidad para mejorar sus condiciones de vida, sin embargo, la terapia convencional, aunque irremplazable, ha demostrado algunas desventajas de accesibilidad universal al no considerar las limitaciones de algunos de los pacientes, suplidas ahora por el acompañamiento con tecnologías emergentes. El desarrollo de una BCI en conjunto con un sistema tecnológico permitirá eliminar este tipo de barreras, cuya solución dependerá de la efectividad del reconocimiento de patrones de onda cerebrales captados desde un electroencefalograma, empleando para ello sistemas de bajo costo. Tesis (Magíster en Ingeniería de Desarrollo de Productos)-- Universidad Autónoma de Occidente, 2022 Maestría Magíster en Ingeniería de Desarrollo de Productos

[ES] Cuando un usuario interactúa con el software genera un conjunto de indicadores que reflejan el grado de percepción, positiva o negativa, que experimenta. Esta percepción es conocida como experiencia de usuario (UX) y debería ser lo más positiva posible para hacer que los usuarios usen el software de forma cómoda y efectiva. Ahora bien, no todos los usuarios tienen la misma percepción y tratar de diseñar un software para que sea percibido positivamente para todos es una tarea compleja. El software ha ido cambiando a lo largo de los años y actualmente los sistemas auto-adaptativos son capaces de modificar su comportamiento en tiempo de ejecución para auto-ajustarse dinámicamente a las características del entorno, incluyendo a los usuarios, con el fin de lograr los objetivos del sistema. En este trabajo se va a estudiar la mejora de la experiencia de usuario basada en mediciones fisiológicas obtenidas por sensores de electroencefalogramas (EEG). Se propone usar estas medidas EEG en un sistema de toma de decisiones de un sistema auto-adaptativo para poder determinar qué características del software proporcionan una mejor experiencia de usuario y, por tanto, sean favorecidas a la hora de adaptar los elementos del software. En concreto, nos restringiremos a la adaptación de diferentes tipos de menús en el interfaz de usuario y recogeremos datos sobre la experiencia de usuario de forma a crear una base de conocimiento sobre las percepciones positivas y negativas que podrán utilizarse en un futuro para apoyar la adaptación de sistemas software., [EN] When users interact with the software, they generate a set of indicators that reflect the degree of perception experienced (positive or negative). This perception is known as user experience (UX) and should be as positive as possible to make users comfortable and effective when using the software. However, as not all users have the same perceptions and trying to design a software to be perceived positively by everyone is a very complex task. The software has evolved over the years and today self-adaptive systems are capable of modifying their runtime behavior to dynamically adjust to the characteristics of the environment, including the users, in order to achieve system objectives. This work will study the improvement of the user experience based on physiological measurements obtained by electroencephalogram (EEG) sensors. Our long-term objective is to use these EEG measurements in a decision-making system in order to determine which software features provide a better user experience and, therefore, are favored when adapting the software elements. Specifically, we will focus on the adaptation of different types of menus in the user interface and collect data on the user experience in order to create a knowledge base on positive and negative perceptions that may be used in the future to support the adaptation of software systems.

El estado epiléptico (EE) es una emergencia neurológica prevalente y con consecuencias tanto primarias a nivel de sistema nervioso central como secundarias desde el punto de vista sistémico, con importantes repercusiones en morbilidad y mortalidad. La identificación de factores de riesgo involucrados en su aparición y complicaciones es necesaria con el fin de mitigar el daño producido en cada una de sus fases. Metodología: Se realizó un estudio observacional descriptivo tipo serie de casos en pacientes mayores de 18 años con estado epiléptico atendidos en un hospital universitario de alta complejidad en Bogotá, Colombia, entre los años 2016-2018, describiendo sus características clínicas, paraclínicas, y el puntaje en la escala STESS (Status Epilepticus Severity Score). Los datos se analizaron empleando la herramienta SPSS (IBM Statistics). Resultados: Se obtuvo una muestra total de 83 pacientes para el análisis final. El 63.9% fueron hombres y la mediana de edad fue 59 años. El 85.5% de los pacientes presentaron EE convulsivo y en el 50.6% de los casos requirieron manejo en UCI. La etiología del EE fue indeterminada en el 38.6%, seguida de privación de medicación antiepiléptica (20.5%). En el 22.9% se presentaron complicaciones, relacionadas a estancia en UCI en 47,4% y por tratamiento farmacológico en el 26.3%. La mortalidad secundaria a EE fue del 5.3%, mientras que la mortalidad global se registró en un 16.9%. La media de estancia hospitalaria fue de 25 días en el grupo de pacientes con complicaciones vs 9 sin complicaciones. El puntaje STESS se encontró en rango no favorable (≥3) en el 44.5% y en 29.7% en el grupo de pacientes con complicaciones. Conclusión: Las características demográficas, clínicas y paraclínicas, haciendo especial énfasis en las comorbilidades, los patrones electroencefalográficos y el puntaje en la escala STESS, podrían estar relacionados con la presencia de complicaciones y mortalidad en pacientes colombianos con estado epiléptico. Status epilepticus (SE) is a prevalent neurological emergency, with consequences both primary in the central nervous system and secondary from a systemic point of view, with important aftermaths in terms of morbidity and mortality. The detection of risk factors involved in its appearance, perpetuation and complications, is needed in order to mitigate the damage produced along each stage of SE. Methodology: A descriptive observational case-series trial was conducted in patients over 18 years with status epilepticus treated in a high complexity university hospital in Bogotá, Colombia, between 2016-2018, describing clinical, paraclinical features and STESS (Status Epilepticus Severity Score) score. The data were analyzed using the SPSS platform (IBM Statistics). Results: A total sample of 83 patients was obtained for the final analysis. 63.9% were men, and the median age was 59 years. 85.5% of the patients had convulsive SE and in 50.6% of the cases they required ICU management. The etiology of SE was undetermined in 38.6%, followed by antiepileptic drug deprivation (20.5%). In general, 22.9% had complications, 47.4% related to the ICU stay, followed by associated with pharmacological treatment (26.3%). Mortality secondary to SE was 5.3%, while overall mortality was recorded at 16.9%. The mean hospital stay was 25 days in the group of patients with complications vs. 9 days in those without. The STESS score was found in an unfavorable range (≥3) in 44.5% and 29.7% in the group of patients with complications. Conclusions: Demographic, clinical, and paraclinical features, with focus on comorbidities, electroencephalographic patterns, and STESS score, could be related to the presence of complications and mortality in colombian patients with status epilepticus.

Máster en Investigación e Innovación en las Tecnologías de la Información y de las Comunicaciones, En los últimos años la aplicación de nuevas tecnologías en el campo de la Neurociencia y la Medicina en general ha tenido y sigue teniendo un importante papel en su desarrollo. Gracias a ello la comunicación entre los sistemas electrónicos y las personas se ha visto incrementado. Por ello, las interfaces cerebro máquina (BCI), que son sistemas electrónicos capaces de registrar ondas cerebrales mediante un electroencefalograma (EEG), pueden ser de gran utilidad a personas con deficiencias motoras. Muchos son los esfuerzos de grupos científicos por mejorar estos sistemas no invasivos y que son considerados como la pieza clave para el desarrollo de prótesis. A pesar de los esfuerzos, no se consigue alcanzar la robustez necesaria como para que su implementación sea de uso diario. Este proyecto se va a centrar en un tipo de señales EEG denominadas potenciales evocados visualmente de estado estacionario (SSVEP) y que son una respuesta del cerebro a un estímulo visual externo que parpadea a una determinada frecuencia y fase. Gracias al trabajo previo en el Grupo de Neurocomputación Biológica (GNB), se va utilizar un sistema BCI basado en estímulos mediante LEDs. La aportación de este trabajo será la creación de una plataforma Software que permita a un usuario realizar estimulaciones y la detección de señales SSVEPS para diversos estudios científicos que consideran la adaptación al usuario. Para ello, el usuario podrá determinar cuáles son las mejores frecuencias, fases y electrodos del sujeto a estudiar, es decir, se desea descubrir la mejor adaptación al usuario usando un sistema BCI seleccionando estos parámetros. Para facilitar su integración se ha optado por tecnologías recientes, QT y Python, estimulación con LEDs y una metodología de detección de SSVEPs conocida como el Análisis de la correlación Canónica (CCA). Finalmente un sistema de puntuación implementado en esta plataforma permitirá al usuario de determinar si las adaptaciones son compatibles ente sí en el marco de estudio.

In the last decade recurrent neural networks have revolutionized the field of artificial intelligence. Their cyclic connections provide them with memory and thus with the capability of modeling processes with temporal context. Echo-state networks are a framework for recurrent neural networks that enormously simplifies their design and training. In this thesis we explore the capabilities of echo-state networks and their application in EEG feature extraction and classification problems. In a first study, we proved that such networks are capable of detecting generalized synchronization changes between two chaotic time-series. In a second study, we used echo-state networks to characterize the non-stationary nature of what has been considered so far to be a stationary brain response, namely steady-state visual evoked potentials (SSVEPs). Finally, in a third study, we successfully proposed a novel biomarker for attention deficit hyperactivity disorder (ADHD), which is capable of quantifying EEG dynamical changes between low and normal attention-arousal conditions. The results presented here demonstrate the excellent non-stationary detection capabilities of these networks, and their applicability to electrophysiological data analysis. En la última decada las redes neuronales recurrentes han revolucionado el campo de la inteligencia artificial. Sus conexiones cíclicas les proporcionan memoria y por tanto la capacidad de modelar problemas con contexto temporal. Las redes echo-state simplifican enormemente el diseño y entrenamiento de las redes recurrentes. En esta tesis exploramos el uso de redes echo-state y su aplicación en problemas de clasificación y detección de patrones en señales EEG. En un primer estudio demostramos que son capaces de detectar cambios de sincronización generalizada entre dos series temporales caóticas. En un segundo utilizamos redes echo-state para caracterizar la no estacionaridad de un fenómeno considerado de estado estable, potenciales visuales evocados steady-sate (SSVEP). Finalmente en un tercer estudio proponemos un nuevo biomarcardor para TDAH capaz de cuantificar cambios en la dinámica de la señal EEG entre condiciones bajas y normales de excitación. Los resultados aquí presentados demuestran la excelente capacidad de detección de patrones no estacionarios de estas redes, así como su aplicabilidad en el análisis de datos electrofisiológicos.

En este artículo se presenta el diseño y posterior implementación física de un sistema capaz de captar las señales procedentes del cerebro. Se resumirán los conocimientos y la tecnología empleada para el desarrollo del mencionado sistema, estableciendo así un canal de comunicación natural entre el ser humano, que será el responsable de dar las órdenes, y un determinado artefacto físico, que será el que llevará a cabo la acción requerida. De esta forma, y gracias al sistema diseñado, se pretende, en forma de proof-of-concept, poder controlar, por ejemplo, el cursor de un PC o un pequeño robot móvil a través de las señales neuronales capturadas por el sistema.

Uno de los objetivos de la neurociencia actual es la comprensión de los mecanismos por los que los seres humanos realizan la clasificación y el reconocimiento de objetos. En los últimos años, se ha buscado determinar las áreas del cerebro que se encargan de dicho proceso. Se han realizado numerosos estudios con este fin, partiendo de señales procedentes de magneto- y electroencefalogramas [3][11], a las que se les aplican algoritmos basados en el análisis de patrones multivariantes. En este proyecto de fin de grado se parte de la investigación conducida por Kaneshiro et al. [21] en la que, usando señales electroencefalográficas procedentes de diez sujetos de características heterogéneas, aplicaron un análisis de similitud representacional (RSA) para entender el procesamiento de objetos y su clasificación en seis categorías (caras humanas, partes del cuerpo humano, caras de animales, partes de cuerpos animales, frutas/vegetales, y objetos inanimados). Este TFG propone aplicar en su lugar, técnicas de aprendizaje profundo, en auge en la actualidad, a la misma base de datos para resolver el problema de clasificación planteado por Kaneshiro. Se han desarrollado tres modelos básicos de redes neuronales, de los cuales dos son convolucionales (con una o dos capas de convolución). Posteriormente, se han implementado mejoras como la validación cruzada, tomando los modelos más sencillos como base. En concreto, con el método de validación cruzada basado en una estructura con dos capas convolucionales, aplicado al conjunto total de datos, se ha obtenido una precisión superior al 70% al predecir la categoría de nuevas imágenes procedentes de sujetos con los que se ha entrenado la red neuronal. Con esta técnica, se han conseguido mejorar ampliamente los resultados obtenidos en el estudio del que surge este proyecto, en el que la tasa de acierto alcanzada no supera el 45%. One of the goals of actual neuroscience is to understand the mechanisms by which we, humans, recognise and classify objects. In recent years, it has been tried to determine the areas of the brain dedicated to this process. For this, a number of studies have been conducted using as raw material signals coming from magneto- and electroencephalograms [3][11], and applying a multivariate pattern analysis to them. In this bachelor’s thesis, the investigation performed by Kaneshiro et Al. [21] is used as reference. In their study, starting from EEG signals coming from 10 subjects belonging to a heterogeneous group, they applied a Representational Similarity Analysis (RSA) to comprehend the dynamics of object processing and their classification in one out of six possible categories: human face, human body, animal face, animal body, fruit/vegetable, and inanimate objects. This project proposes to change the approach to the classification problem raised by Kaneshiro, implementing on the same dataset deep learning algorithms, which are experimenting great improvements nowadays. Three basic artificial neural networks have been developed, being two of them of the convolutional kind. Some optimization methods have been proposed, like a cross-validation method that uses the simpler networks as its core. In fact, a cross-validation algorithm based on a convolutional network with two convolutional layers, applied over the complete dataset, has shown an accuracy greater than 70% when the category of new data from one of the subjects of the training set is predicted. With this implementation, the results of the original paper have been greatly improved, since their achieved accuracy was lower than a 45%. Ingeniería Electrónica Industrial y Automática

En este artículo se presenta el diseño y posterior implementación física de un sistema capaz de captar las señales procedentes del cerebro. Se resumirán los conocimientos y la tecnología empleada para el desarrollo del mencionado sistema, estableciendo así un canal de comunicación natural entre el ser humano, que será el responsable de dar las órdenes, y un determinado artefacto físico, que será el que llevará a cabo la acción requerida. De esta forma, y gracias al sistema diseñado, se pretende, en forma de proof-of-concept, poder controlar, por ejemplo, el cursor de un PC o un pequeño robot móvil a través de las señales neuronales capturadas por el sistema.

The problem investigated in this thesis is located in the field of social change, in general, and innovation, in particular. The agencial component in individuals that, in an autonomous form would show a greater capacity of action and creativity, would have increasing presence in these processes. The search and understanding of the motivations that drive the behavior of consumers of innovative goods, complex action, is the object of study of this thesis.From the perspective of microeconomic theory, the "Consumer decision-making processes in the purchase of innovative goods" will be investigated, trying to explain if there are differences in the behavior of the consumers, depending on whether they are goods with continuous innovations or goods with radical innovations. In order to respond to the proposed objectives, four themes have been addressed: (1) the fundamental motivations of innovation consumers, (2) the form of purchasing decision processes, (3) the factors that would be present in purchasing decisions of innovative goods, and (4) the differences in these processes depending on the acquisition of a radical or continuous innovation. In the theoretical framework have been used the contributions of different branches of knowledge, as a complement to economic theory. We have worked with a general model that merged the variables generated by various economic schools, along with those incorporated by the author of the thesis, from other sciences. In order to test the hypotheses, a variety of research methods and techniques have been used in a complementary way, which were useful to triangulate and partially control the results obtained in the research stages.Empirical research was carried out on everyday consumer goods: non-bark mold loaves, categorized into two sets. On the one hand, the product on the market. On the other, a set of new breads with innovations of the continuous type and radical order.The thesis is developed over five chapters. The first corresponds to the introduction and definition of objectives. Chapter 2 presents the theoretical framework. Chapter 3 details the scientific basis for applied research methods. Chapter 4 describes the analyzes with different techniques to answer the research questions. Chapter 5 summarizes the conclusions, the contributions obtained and proposes future lines of research., ResumenEl problema investigado en esta tesis se ubica en el campo del cambio social, en general, y de la innovación, en particular. La componente agencial en individuos que, en forma autónoma mostrarían una mayor capacidad de acción y creatividad, tendría cada vez mayor presencia en estos procesos. La búsqueda y la comprensión de las motivaciones que impulsan el comportamiento de los consumidores de bienes innovadores, como accionar complejo, es el objeto de estudio de la presente tesis. Se investigará, desde la perspectiva de la teoría microeconómica, a los "Procesos decisorios de los consumidores en la compra de bienes innovadores", buscando explicar si se encuentran diferencias en los comportamientos de los demandantes, según se trate de bienes con innovaciones continuas o bienes con innovaciones radicales. Para dar respuesta a los objetivos planteados se han tratado cuatro temas, (1) las motivaciones fundamentales de los consumidores de innovaciones, (2) la forma de los procesos decisorios de compra, (3) los factores que estarían presentes en las decisiones de compra de bienes innovadores, y (4) las diferencias de dichos procesos según se trate de la adquisición de una innovación radical o continua. En el marco teórico se han utilizado las aportaciones de diferentes ramas del conocimiento, como complemento a la teoría económica. Se ha trabajado con un modelo general que fusionó las variables generadas por diversas escuelas económicas, junto con las incorporadas por el autor de la tesis, desde otras ciencias. Con la finalidad de testar las hipótesis planteadas, se han empleado una variedad de métodos y técnicas de investigación en forma complementaria, que fueron útiles para triangular y controlar parcialmente los resultados obtenidos en las etapas de la investigación. La investigación empírica se realizó sobre bienes de consumo cotidiano: panes de molde sin corteza, categorizados en dos conjuntos. Por un lado, el producto existente en el mercado. Por otro, un conjunto de nuevos panes con innovaciones de tipo continuas y de orden radicales.La tesis se desarrolla a lo largo de cinco capítulos. El primero corresponde a la introducción y a la definición de los objetivos. En el Capítulo 2 se presenta el marco teórico. En el Capítulo 3 se detallan los fundamentos científicos de los métodos de investigación aplicados. El Capítulo 4 describe los análisis con diferentes técnicas para dar respuesta a las preguntas de la investigación. En el Capítulo 5 se reseñan las conclusiones, las aportaciones obtenidas y se proponen las líneas futuras de investigación., ResumEl problema investigat en esta tesi s'ubica en el camp del canvi social, en general, i de la innovació, en particular. La component agencial en individus que, en forma autònoma mostrarien una major capacitat d'acció i creativitat, tindria cada vegada major presència en estos processos. La busca i la comprensió de les motivacions que impulsen el comportament dels consumidors de béns innovadors, com accionar complex, és l'objecte d'estudi de la present tesi. S'investigarà, des de la perspectiva de la teoria microeconòmica, als "Procesos decisoris dels consumidors en la compra de béns innovadores", buscant explicar si es troben diferències en els comportaments dels demandants, segons es tracte de béns amb innovacions contínues o béns amb innovacions radicals. Per a donar resposta als objectius plantejats s'han tractat quatre temes, (1) les motivacions fonamentals dels consumidors d'innovacions, (2) la forma dels procesos " decisoris de compra, (3) els factors que estarien presents en les decisions de compra de béns innovadors, i (4) les diferències dels dits processos segons es tracte de l'adquisició d'una innovació radical o contínua. En el marc teòric s'han utilitzat les aportacions de diferents branques del coneixement, com a complement a la teoria econòmica. S'ha treballat amb un model general que va fusionar les variables generades per diverses escoles econòmiques, junt amb les incorporades per l'autor de la tesi, des d'altres ciències. Amb la finalitat de testar les hipòtesis plantejades, s'han empleat una varietat de mètodes i tècniques d'investigació en forma complementària, que van ser útils per a triangular i controlar parcialment els resultats obtinguts en les etapes de la investigació. La investigació empírica es va realitzar sobre béns de consum quotidià: pans de motle sense corfa, categoritzats en dos conjunts. D'una banda, el producte existent en el mercat. D'un altre, un conjunt de nous pans amb innovacions de tipus contínues i d'orde radicals. La tesi es desenrotlla al llarg de cinc capítols. El primer correspon a la introducció i a la definició dels objectius. En el Capítol 2 es presenta el marc teòric. En el Capítol 3 es detallen els fonaments científics dels mètodes d'investigació aplicats. El Capítol 4 descriu les anàlisis amb diferents tècniques per a donar resposta a les preguntes de la investigació. En el Capítol 5 es ressenyen les conclusions, les aportacions obtingudes i es proposen les línies futures d'investigació., Retondaro, O. (2017). PROCESOS DECISORIOS DE LOS CONSUMIDORES EN LA COMPRA DE BIENES INNOVADORES. UN ANÁLISIS COMPARATIVO ENTRE LOS COMPORTAMIENTOS DE LOS DEMANDANTES DE INNOVACIONES RADICALES Y CONTINUAS [Tesis doctoral no publicada]. Universitat Politècnica de València. doi:10.4995/Thesis/10251/88391., TESIS

[Resumen] En este estudio se presenta un navegador web basado en un sistema Brain-Computer Interface (BCI) orientado al uso por parte de personas con grave discapacidad. El control de la aplicación lo gobiernan los potenciales evocados P300, generados por el usuario de manera involuntaria a través de un estímulo odd-ball visual. A diferencia de las aproximaciones anteriores, el navegador desarrollado emplea un umbral que determina la atención del usuario, permitiendo un control asíncrono que no requiere modos de lectura para evitar una selección continua de comandos. La aplicación se ha evaluado con 5 sujetos de control y 16 enfermos de esclerosis múltiple, alcanzando precisiones medias del 95,75% y del 84,14%, respectivamente. Dichos resultados sugieren que el navegador web puede ser adecuado para el uso por parte de personas con grave discapacidad

This paper presents a brain-computer interface (BCI) designed for patients affected with Amyotrophic lateral sclerosis (ALS) or with other diseases with Bulbar-Spinal Muscular Atrophy that affect the patient interaction with the environment. By using an EEG portable (Emotiv Epoc) we acquired neural signals which were processed and used for make a choice in the initial prototype for healthy subjects. In this case, we have worked with EEG’s artifacts with the purpose of train and validate a neural network with seven different persons. With the results obtained, we can conclude that the Emotiv headset is a good alternative for the creation of technological devices, which purpose is to close the communication gap between a diseased patient and his environment. This paper presents a brain-computer interface (BCI) designed for patients affected with Amyotrophic lateral sclerosis (ALS) or with other diseases with Bulbar-Spinal Muscular Atrophy that affect the patient interaction with the environment. By using an EEG portable (Emotiv Epoc) we acquired neural signals which were processed and used for make a choice in the initial prototype for healthy subjects. In this case, we have worked with EEG’s artifacts with the purpose of train and validate a neural network with seven different persons. With the results obtained, we can conclude that the Emotiv headset is a good alternative for the creation of technological devices, which purpose is to close the communication gap between a diseased patient and his environment. Pregrado

La tomografía de impedancia eléctrica (EIT) permite estimar la conductividad eléctrica interna de un cuerpo. Consiste en aplicar una corriente eléctrica sobre su frontera y medir el potencial eléctrico resultante mediante un arreglo de sensores. Es considerada como una potencial herramienta de diagnóstico médico, caracterizada principalmente por su portabilidad y relativo bajo costo. Si bien se encuentra aún en etapa de desarrollo, está comenzando a ser utilizada en centros de salud para la caracterización del aparato cardio-respiratorio y existe un creciente interés en su aplicación a las neurociencias. Por ejemplo, es posible utilizar la EIT para construir modelos virtuales de la cabeza más precisos mediante la estimación de la conductividad eléctrica de los principales tejidos de la cabeza como un conjunto de parámetros relativamente pequeño, modalidad denominada EIT paramétrico. También se puede utilizar la EIT para generar un mapa de la distribución de conductividad eléctrica interna de un objeto, llamado problema de reconstrucción en EIT. Los cambios de la conductividad eléctrica en la cabeza pueden estar asociados a la actividad neuronal, a focos epilépticos, a accidentes cerebro-vasculares o a tumores. Ambas modalidades de EIT requieren la resolución del problema directo (PD), que consiste en el cálculo de la distribución de potencial eléctrico en el objeto originada por la inyección de corriente sobre su superficie, suponiendo que la conductividad interna es conocida. La estimulación de corriente continua transcraneal (tDCS) es físicamente muy similar a la EIT, pero la corriente eléctrica es aplicada sobre el cuero cabelludo de modo de alterar la tasa de disparos de poblaciones de neuronas en una región de interés. Es una potencial alternativa al empleo de psicofármacos para tratar desórdenes como epilepsia o depresiones. En esta tesis se desarrollan y analizan nuevos métodos para distintos problemas de EIT, centrándose mayormente en aplicaciones a la cabeza humana, y de tDCS. En primer lugar, se describen soluciones analíticas y numéricas para el PD en EIT, estas últimas basadas en el método de los elementos finitos. Luego, se desarrolla un nuevo procedimiento para resolver el PD con bajo costo computacional basado en la formulación del PD en electroencefalografía (EEG). Se propone un nuevo método para determinar la forma de onda de la fuente de corriente que permite desafectar la actividad propia del cerebro con un bajo número de muestras temporales. En EIT paramétrico, se utiliza la cota de Cramér-Rao (CRB) para determinar pares de electrodos convenientes para la inyección de corriente y para analizar límites teóricos en la estimación de las conductividades del cráneo y del cuero cabelludo, modelizándolos como tejidos isótropos y anisótropos. A su vez, se propone el estimador de máxima verosimilitud (MLE) como herramienta para realizar las estimaciones. El MLE se aplica a mediciones simuladas y reales de EIT mostrando un desempeño muy cercano a los límites teóricos. Para el problema de reconstrucción en EIT se adapta el algoritmo sLORETA, muy utilizado en el problema de localización de fuentes de actividad neuronal en EEG. Además, se lo modifica levemente para incorporar la regularización espacial de Laplace. Por otro lado, se introduce la utilización de filtros espaciales adaptivos para localizar cambios de conductividad de pequeño tamaño y estimar su variación temporal. Los resultados muestran mejoras en sesgo y resolución, en comparación con algoritmos de reconstrucción típicos en EIT. Estas mejoras son potencialmente ventajosas en la detección de accidentes cerebro-vasculares y en la localización indirecta de fuentes de actividad neuronal. En tDCS, se desarrolla un nuevo algoritmo para la determinación de patrones de inyección de corriente basado en el principio de reciprocidad y que considera restricciones de seguridad y de hardware. Los resultados obtenidos a partir de simulaciones muestran que el desempeño de dicho algoritmo es comparable al desempeño de algoritmos de optimización tradicionales cuyas soluciones implicarían un equipamiento comparativamente más complejo y costoso. Los métodos desarrollados en la tesis son comparados con métodos pre-existentes y validados a través de simulaciones numéricas por computadora, mediciones sobre maquetas experimentales (ó fantomas) y, de acuerdo con las posibilidades experimentales y respetando los principios de la bioética, mediciones reales sobre humanos., Electrical impedance tomography (EIT) is a technique to estimate the electrical conductivity of an object. It consists in the application of an electric current on its boundary and the measurement of the resulting electric potential with a sensor array. In clinical practise, it is considered as a potential diagnostic tool characterized by its portability and relatively low cost. While it is still in a development stage, it is starting to be used in health centers to characterize the cardio-respiratory system. In turn, there is an increasing interest of EIT in neuroscience. For example, EIT can be used to estimate the electrical conductivity of the main tissues of the head as a set of a relatively low number of parameters, which is known as bounded or parametric EIT. This is useful for several medical imaging techniques that require realistic and accurate virtual models of the head. EIT can also be used to generate a map of the internal distribution of the electrical conductivity, known as the reconstruction problem. Tracking conductivity changes inside the head is of great interest as they may be related to neuronal activity, epileptic foci, acute stroke, or tumors. Both modalities of EIT require the solution of the EIT forward problem (FP), i.e., the computation of the electric potential distribution due to current injection on the scalp assuming that the electrical conductivity is known. The transcranial direct current stimulation (tDCS) is another technique which is physically very similar to EIT. It consists in injecting a small electric current in a convenient way such that it stimulates specific neuronal populations, increasing or decreasing their firing rate. It is considered as an alternative to psychoactive drugs in the treatment of brain disorders such as epilepsy or depression. This thesis describes the development and analysis of new methods for EIT FP, parametric EIT, reconstruction in EIT, and tDCS, focusing primarily (although not exclusively) in applications to human head. We first describe analytical and numerical approaches for the EIT FP, where the numerical approach is based on the finite element method. Then, we develop a new procedure to solve the EIT FP based on the electroencephalography (EEG) FP formulation, which results in computational advantages. We propose a new method to determine the waveform of the electric current source such that the neuronal activity of the brain can be neglected with the smallest possible number of time samples. In parametric EIT, we use the Cramér-Rao bound (CRB) to determine convenient electrode pairs for the current injection and theoretical limits in the estimation of the electrical conductivity of the main tissues of the head, which we model as isotropic and anisotropic. We propose the maximum likelihood estimator (MLE) to estimate these conductivities and we test it with simulated and real EIT measurements, showing that the MLE performs close to the CRB. We adapt the sLORETA algorithm to the reconstruction problem in EIT. This algorithm is being widely used in the source localization problem in EEG. We also slightly modify it to include the Laplace smoothing prior in the solution. Likewise, we introduce the use of adaptive spatial filters in the localization of conductivity changes and the estimation of its time courses from EIT measurements. The results show improvements over typical EIT algorithms. These improvements may benefit the early detection of acute strokes and the localization of neuronal activity using EIT. In tDCS, we develop a new algorithm to determine convenient current injection patterns. It is based on the reciprocity principle and considers hardware and safety constraints. Our simulation results show that this method performs similarly to other commonly used algorithms that require more complex and costly equipments. The methods we develop and study in this thesis are compared with pre-existing methods and are validated through numerical simulations, measurements on phantoms and, according to the experimental possibilities and bioethical principles, humans., Facultad de Ingeniería

La electroencefalografía (EEG) ha sido un método ampliamente usado para medir y monitorear la actividad cerebral, pues bien, es un registro de la actividad eléctrica neuronal medida a través del cráneo, la cual, ha sido ampliamente utilizada en diferentes aplicaciones. Las interfaces cerebro-máquina (Brain-Computer Interface - BCI), son sistemas que utilizan la información inferida de la señal de EEG proporcionando un nuevo canal no muscular para enviar mensajes y comandos a dispositivos externos. Algunos sistemas BCI se basan en el paradigma de la neurociencia cognitiva denominado como imaginación motora (Motor Imagery - MI). Así, MI se basa en la detección de los patrones de actividad cerebral de la imaginación de una acción motriz, pero sin su implementación física, como por ejemplo, la imaginación de los movimientos de la mano. Sin embargo, el análisis de registros EEG requiere el desarrollo de una etapa de preprocesamiento apropiada, así como, una representación de características, una selección de características y unas metodologías de clasificación de patrones adecuadas para mejorar el rendimiento de los sistemas de reconocimiento. Además, debido a la naturaleza de las señales de EEG, durante su captura pueden ser registradas otras señales o artefactos que no corresponden a la actividad eléctrica del cerebro. Estas perturbaciones pueden dificultar la interpretación y análisis de la señal EEG, pues bien, los artefactos pueden imitar anormalidades cerebrales, sumados a la pobre resolución espacial de la señal. Estas dificultades requieren el diseño de métodos de preprocesamiento señales que mejores la condición de los registros EEG de dos maneras: 1) mejorar la resolución espacial y 2) mejorar la relación señal-ruido de los datos. Se desarrollan dos métodos de preprocesamiento de datos de EEG diferentes. La primera es una metodología orientada a resaltar las bandas de frecuencias interés y mejorar la resolución espacial de los datos de EEG para aplicaciones BCI y se basa en el método de Descomposición Empírica (Empirical Mode Decomposition - EMD), el filtro Butterworth como pre-filtro y el método de patrones espaciales comunes (Common Saptial Patterns - CSP) para mejorar la resolución espacial. La segunda metodología de preprocesamiento servirá para el problema de la aparición de artefactos oculares en los registros. Por medio de Análisis de Componentes Principales (Principal Component Analyis – PCA) y el Análisis de Componentes Independientes (Independent Component Analysis – ICA) se identifica la componente asociado al ruido ocular y posteriormente es cancelado, mejorando así, la relación señal-ruido de los datos. Por otra parte, para interpretar la información del cerebro a partir de la serie temporal de EEG, debido a su compleja estructura de aleatoriedad (no estacionariedad y no linealidad), se requieren unas etapas de representación, selección y/o extracción de características y clasificación, que deben ser construidas de manera adecuada para revelar los principales patrones de MI a partir de datos de EEG. Además, es necesario revelar la dinámica subyacente del proceso estudiado para relacionar correctamente la información contenida en los registros de EEG con ciertas clases, patrones o estímulos de la actividad cerebral. El método aborda el problema del hallazgo directo y automático de las características variables en el tiempo que influyen, en mayor proporción, en distinguir las tareas motoras (MI). Para ello, se introduce una etapa relevancia estocástica. Dado que el algoritmo propuesto codifica la dinámica de la actividad neural, los resultados experimentales son comparados con otros enfoques del estado de la técnica. Además, la relevancia calculada en los canales de EEG está de acuerdo con otros hallazgos clínicos reportados en la literatura. Consecuentemente, el análisis de las regiones coactivas durante una tarea de MI se convierte en un tema importante para revelar la actividad neuronal primaria proporcionada por las intenciones del movimiento. Por esta razón, es esencial desarrollar un marco basado el aprendizaje de máquina que se ocupe de encontrar las conexiones entre diferentes áreas del cerebro y permita revelar los patrones de la actividad neuronal y su relación con ciertos estímulos. Comparamos los resultados obtenidos basado en la similaridad de los canales usando kernel (Kernel-based pairwise Inter-Channel Similarity – K-ICS) contra la correlación de Pearson y la medida generalizada de asociación (Generalized Measure of Association – GMA). Los resultados basados en K-ICS y la correlación de Pearson son capaces de capturar las principales relaciones de actividad cerebral, de acuerdo con los hallazgos clínicos de la coactivación de tarea MI reportados en la literatura. Posteriormente, con el fin de revelar las dinámicas subyacentes del proceso estudiado para relacionar adecuadamente la información contenida en los registros de EEG con las determinadas clases, patrones o estímulos de actividad cerebral, los procesos de caracterización de las señales de EEG deben considerar las bandas o frecuencias de los fenómenos de interés y las restricciones estadísticas de los datos. Por otro lado, al identificar la conectividad de regiones cerebrales in un determinado estímulo, uno de los mayores impedimentos en este proceso radica en el hecho de que los sistemas neuronales son altamente distribuidos, dinámicos y complejos, por tanto, la gran cantidad de conexiones estructurales del cerebro dificulta la decodificación y la interpretación de sus procesos. Lo anterior implica que es imprescindible desarrollar un método basado en aprendizaje de máquina y procesado de señales EEG que contemple las conexiones entre las distintas zonas cerebrales y permita revelar apropiadamente los patrones de actividad neuronal y su relación con determinados estímulos Abstract : The most commonly employed method for monitoring brain activity is the Electroencephalographic signal (EEG) due to it is a not invasive method. The EEG signal is a record of electric neural activity measured through of skull and it has been a widely used in different research applications. Based on EEG signal Brain-Computer Interfaces (BCI) are systems that use inferred information to provide new non-muscular channel for sending messages and commands to external devices. Some BCI systems are based on the cognitive neuroscience paradigm termed as Motor Imagery (MI). The MI relies on brain activity patterns of the imagination of a motor action, but without its physical implementation, e.g., the imagination of hand movements. Nevertheless, the EEG data analysis requires developing an appropriate preprocessing stage, as well as, feature representation, feature selection, and pattern classification methodologies to improve the performance of pattern recognition systems. During the capture of the EEG record can be registered other signals or artifacts that not correspond to brain electrical activity. These perturbations can difficult the interpretation and analysis of EEG signal due to the artifacts can mimic brain abnormalities, added to the EEG poor spatial resolution. These difficulties require designing signal preprocessing methods enhancing the condition of EEG records in two ways: 1) improve the spatial resolution and 2)improve the signal-to-noise ratio of data. Then, two different EEG data preprocessing frameworks are developed. The first one is a preprocessing methodology oriented to highlight the interesting frequency band and improve the spatial resolution of EEG data for BCI applications. The framework is based on Empirical Mode Decomposition (EMD) method and Butterworth filter as pre-filter and Common Spatial Patterns (CSP) is considered to improve spatial resolution. The second preprocessing framework is addressed to ocular artefact cancellation problem. By mean of Principal Component Analysis (PCA) and Independent Component Analysis (ICA) identify the component associated with the ocular noise and then remove it improving the signal-to-noise ratio of data. Moreover, to interpret the brain information from the time series of EEG because of its complex structure of randomness (non-stationarity and nonlinearity). Particularly, feature representation, feature selection and/or extraction, and classification methodologies have to be suitably constructed to reveal the main MI patterns from EEG data. Also, it is necessary to reveal the underlying dynamics of the process studied to relate properly the information contained in EEG records with certain classes, patterns or stimulus of brain activity. The method addresses the problem of a direct and automatic finding of the time-varying features influencing the most on distinguishing Motor Imagery tasks. Besides, the method introduces a stochastic relevance stage that is primarily used for properly handling the set of short-time features, which are extracted as to make prominent the nonstationary behavior of the EEG data. Since the proposed algorithm better encodes neural activity dynamics, experimental results carried out, which are also contrasted with other state-of-the-art approaches. In addition, the computed relevance on the EEG channels are in accordance with other clinical findings reported in the literature. Consequently, the analysis of coactive regions during an MI task becomes an important issue for revealing the primary neural activity provided by movement intentions. For this reason, it is essential to develop a framework based on machine learning that addresses the connections between different brain areas and allows to reveal suitable patterns of neural activity and its relation to certain stimuli that is showed. We compare the performance of kernel-based pairwise Inter-Channel Similarity (K-ICS) against Pearson’s correlation and the Generalized Measure of Association (GMA) methods. The results based on K-ICS and Pearson’s correlation are able to capture the main brain activity relationships in accordance with clinical findings of channel activation for MI task reported in the literature Maestría

Technological developments have made it possible for researchers in many areas to have large volumes of information for the same individual. Usually these data can be represented through curves or in general functions. From this arises a new field of study in statistics called Functional Data Analysis (FDA). In the FDA the basic unit of information is the complete function, rather than a set of values (Ramsay & Dalzell 1991). The usual statistical methods have been adapted to this situation, in particular the analysis of functional conglomerates by the k-means method has been developed. Since the brain activity responds to a wave function of the neuronal charge over time, the opportunity arises to apply the FDA to this type of record. The objective of this work is to describe the applicability of the functional cluster analysis by the k-means method to classify brain activity in Norvegicus Wistar rats. The conversion of the registers into wave functions was carried out using Fourier bases, which were analyzed according to the methodology developed in (Yamamoto 2012) and a simple correspondence analysis between the clusters and the phases of activity manually recorded in the hypnogram. The obtained conglomerates make a consistent unsupervised categorization, especially with respect to the attributes of frequency and regularity of the waves. El análisis de datos funcionales se basa en el estudio de la función que describe la variabilidad de un conjunto de datos en un espacio de n muestras, y dentro de sus modelos se encuentra el análisis de conglomerados por k-medias funcional. Dado que la actividad cerebral responde a una función de onda de la carga eléctrica de las neuronas sobre el tiempo, observamos la oportunidad de aplicar el análisis de datos funcionales a este tipo de registros. El objetivo de este trabajo es describir la aplicabilidad del análisis de conglomerados por k-medias funcional para clasificación de la actividad cerebral en ratas Norvegicus Wistar. Se realizó la conversión de los registros en funciones de onda en bases de Fourier, las cuales fueron procesadas con análisis de componentes principales funcionales, algoritmo de k-medias funcional (k=6) y un análisis de correspondencias entre los conglomerados y las fases de actividad registradas manualmente en el hipnograma. Los conglomerados obtenidos hacen una categorización no supervisada consistente, especialmente en respecto a los atributos de frecuencia y regularidad de las ondas; elementos a tener en cuenta para la clasificación de señales. El análisis de datos funcionales es aplicable a la clasificación de registros de electroencefalograma, dado que toma un dato que es n-dimensional (en teoría infinito) y permite manejarlo como un único valor (una función de onda) y así ser procesado con diferentes técnicas de minería de datos.

La forma tradicional de evaluar el estado de conciencia de un individuo, ha sido mediante la aplicación de estímulos y el análisis de sus respuestas, sin embargo, esta técnica se ve limitada cuando el individuo es incapaz de responder evidentemente ante un estímulo, como es el caso de los pacientes en estados derivados del coma. En estos casos, se requiere de una conexión directa con el cerebro del paciente para detectar una respuesta. Por consiguiente, en este artículo se desarrolla y analiza un modelo computacional basado en los principios de las máquinas de soporte vectorial (MSV), para inferir el estado cognitivo de pacientes en estados derivados del coma, mediante la utilización de un equipo de electroencefalografía comercial. Los resultados obtenidos, mostraron que el modelo logró clasificar correctamente una tarea cognitiva en al menos cuatro de cada cinco pruebas en pacientes de control, lo que se traduce en la obtención de un sistema de bajo costo para el análisis del estado de conciencia y para la posible comunicación con algunos pacientes en estados derivados del coma mediante protocolos médicos definidos. De esta manera, este sistema se presenta como un gran aporte para las clínicas y centros hospitalarios, como herramienta potencial de diagnóstico para este tipo de pacientes. The traditional method to evaluate the conscious state of an individual consists in applying a stimulus and analyzing the response. However this technique is limited when the person cannot response evidentially to that stimulus, as are derived state coma patients. In such cases, a direct connection to the brain is required to detect the response. Therefore, in this paper we develop and analyze a computational model employing support vector machines (SVM) to infer the cognitive state of derived state coma patients using an affordable electroencephalography neuroheadset. The results given by the proposed model confirmed that the model can correctly classify the cognitive state in at least 4 out of 5 tests in control patients, which can be translated in the contribution of a low cost system for the analysis of the conscious state and the possible following communication with some derived state coma patients by defined medical protocols. Thus, this system is a contribution for clinics and hospitals as a potential diagnostic tool.

62 páginas El presente trabajo busca implementar un algoritmo para reconocer las características de la señal electroencefalográfica (EEG) de pacientes bajo anestesia general. Las características que se buscan reconocer son: la Entropía Aproximada (ApEn), la Entropía de Shannon o de la Información, el valor eficaz (RMS) y el centroide. This work aims to implement an algorithm to identify the characteristics of the EEG signal from patients under general anesthesia. The characteristics to be identified are: Approximated Entropy (ApEn), Shannon’s or Information Entropy, Root Mean Square (RMS) and Centroid.

91 páginas En el presente trabajo se expone el desarrollo de un modelo computacional que tiene como objetivo inferir el estado cognitivo de pacientes en estados derivados del coma mediante el registro de la actividad bioeléctrica cerebral. We propose the development of a computational model that aims to infer the cognitive state of patients in any derived state of coma using the bioelectrical brain activity registry.

117 páginas En este trabajo se presenta el proceso para el desarrollo de un sistema de reconocimiento de SSVEP, con el fin de permitir a la población especialmente al segmento de esta que presenta discapacidad motora, el control de dispositivos y herramientas electrónicas utilizando señales electroencefalográficas de la corteza visual ubicada en la zona occipital y parietal del cerebro. In this work, we present the development process of an recognition system of SSVEP order to allow the people, particulary the segment with motor disability, the devices and electronic tools control using electroencephalography signals of the visual cortex placed in the occipital and parietal zone of the brain.

78 páginas En este trabajo de grado se pretende construir una base de datos de señales electrofisiológicas que contenga información de diferentes tipos de estudios, en este caso en particular se construyó un módulo en el cual se realizan dos tipos de actividades de concentración, la primera es una monotarea (jugar Sudoku) y la segunda es una multitarea (jugar sudoku y solitario); por medio de la elaboración de un algoritmo de tres interfaces, una de captura de señales, otra de consulta y por último una de procesamiento digital de dichas señales que permitan la reproducibilidad de la adquisición de datos para fines de investigación biomédica. This work aims to build a signal database of electrophysiological signals containing information of different types of studies in this particular case, a module was constructed in which there are two types of activity concentration, the first is a single-tasking (Sudoku) and the second is multitasking (game Sudoku and solitaire) through the development of an algorithm of three interfaces, the first signal acquisition, the second query and finally a digital processing of the signals that allow the reproducibility of the data acquisition biomedical research purposes.

This work contains the efforts I have made in the last years in the field of Electrophysiological data analysis. Most of the work has been done at Starlab Barcelona S.L. and part of it at the Neurodynamics Laboratory of the Department of Psychiatry and Clinical Psychobiology of the University of Barcelona. The main work deals with the analysis of electroencephalography (EEG) signals, although other signals, such as electrocardiography (ECG), electroculography (EOG) and electromiography (EMG) have also been used. Several data sets have been collected and analysed applying advanced Signal Processing techniques. On a later stage Computational Intelligence techniques, such as Machine Learning and Genetic Algorithms, have been applied, mainly to classify the different conditions from the EEG data sets. 3 applications involving EEG and classification are proposed corresponding to each one of the 3 case studies presented in this thesis. Analysis of Electrophysiological signals for biometric purposes: We demonstrate the potential of using EEG signals for biometric purposes. Using the ENOBIO EEG amplifier, and using only two frontal EEG channels, we are able to authenticate subjects with a performance up to 96.6%. We also looked for features extracted from the ECG signals and in that case the performance was equal to 97.9%. We also fused the results of both modalities achieving a perfect performance. Our system is ready to use and since it only uses 4 channels (2 for EEG, 1 for ECG in the left wrist and 1 as active reference in the right ear lobe), the wireless ENOBIO sensor is perfectly suited for our application. EEG differences in First Psychotic Episode (FPE) Patients: From an EEG data set of 15 FPE patients and the same number of controls, we studied the differences in their EEG signals in order to train a classifier able to recognise to which group an EEG sample comes from. The feature we use are extracted from the EEG by computing the Synchronization Likelihood feature between all possible pairs of channels. The next step is to build a graph and from that graph we extracted the Mean Path Length and the Clustering Coefficient. Those features as a function of the connectivity threshold are then used in our classifiers. We then create several classification problems and we reach up to 100% of classification in some cases. Markers of stress in the EEG signal: In this research, we designed a protocol in which the participants where asked to perform different tasks, each one with a different stress level. Among these tasks we can find the Stroop Test, Mathematical arithmetics and also a fake blood sample test. By extracting the alpha asymmetry and the beta/alpha ration, we where able to discriminate between the different tasks with performances up to 88%. This application can be used with only 3 EEG electrodes, and it can also work in real time. Finally this application can also be used as a neurofeedback training to learn how to cope with stress., Este trabajo contiene los esfuerzos que he realizado en los últimos años en el campo del análisis de datos electro-fisiológicos. La mayor parte del trabajo se ha hecho en Starlab Barcelona SL y otra parte en el Laboratorio de Neurodinámica del Departamento de Psiquiatría y Psicobiología Clínica de la Universidad de Barcelona. La parte central de esta tesis está relacionado con el análisis de la señales de electroencefalografía (EEG), aunque otras señales, tales como electrocardiografía (ECG), electroculografía (EOG) y electromiografía (EMG) también se han utilizado. Varios conjuntos de datos se han recogido y analizado aplicando técnicas avanzadas de procesamiento de señales. En una fase posterior, técnicas de inteligencia computacional, tales como 'Machine Learning' y algoritmos genéticos, se han aplicado, principalmente para clasificar las diferentes condiciones de los conjuntos de datos de EEG. Las 3 aplicaciones, que involucran EEG y técnicas de clasificación, que se presentan en esta tesis son: -Análisis de señales electro-fisiológicas para aplicaciones de biometría -Diferencias en las características del EEG en pacientes de primer brote psicótico -Marcadores de estrés en la señal de EEG