top of page
  • Foto del escritorPortal Sur

Integrando Electrónica y Bioingeniería desarollan dispositivo para adquirir señales neuronales

Su aplicación es para el campo de la Medicina. El estudiante de Ingeniería en Electrónica de la UNNE Gabriel Sosa Capelli, diseña un sistema de bajo costo para obtener este tipo de señales que están asociadas al movimiento. Luego se diseñarán redes neuronales artificiales para su clasificación automática.


Además de recibir información, interpretarla, decidir una respuesta, contener recuerdos, sentimientos y pensamientos, el cerebro humano se comunica con el medio ambiente que lo rodea mediante una red de niervos. A causa de un accidente, por secuela de un trauma o por enfermedades degenerativas, esta compleja red de nervios puede resultar dañada de manera severa o irreversible.


En la gran mayoría de estos casos, la capacidad cognitiva de la persona se encuentra intacta, pero no así el sistema nervioso periférico o sus músculos. En casos más severos la persona puede perder la movilidad voluntaria completa de su cuerpo, quedando incapacitado para poder comunicarse o tener algún tipo de interacción.

A mediados de la década del 70 dan inicio en la Universidad de California (UCLA) las primeras investigaciones para el desarrollo de dispositivos destinados a la adquisición y procesamiento de señales provenientes del cerebro centrándose principalmente en el campo de la medicina.


Más acá en el tiempo, la última versión de esos dispositivos se ajusta a lo que técnicamente se denomina sistema BCI. La función de este equipo es la de medir la actividad del sistema nervioso central y convertirla en una salida artificial con el objetivo de reemplazar, restaurar, mejorar, aumentar o extender sus salidas naturales, logrando cambios en las interacciones en el sistema nervioso central y el medio.


En base a esta definición esos dispositivos han sido implementados en prótesis neuronales para poder recuperar la audición, la vista o la movilidad dañada, siendo uno de sus principales propósitos la asistencia a personas con capacidades diferentes permitiéndoles tener una alternativa para comunicarse.


En la Argentina, la mayoría de los trabajos realizados están enfocados en el análisis de la señal (proveniente del cerebro) ya obtenida. Como herramienta se utilizan diferentes métodos de aprendizaje profundo los cuales requieren una alta capacidad de cómputo. Otros trabajos se han centrado en el diseño del amplificador de biopotenciales, para el que utilizan circuitos de difícil adquisición en nuestro país.


Frente a esta dificultad, el estudiante de Ingeniería Electrónica de la UNNE Gabriel Ivan Sosa Capelli, trabaja en un proyecto en el que propone diseñar e implementar el circuito de adquisición del biopotencial correspondiente minimizando los costos. Para lograr su objetivo, aplicará soluciones ingenieriles en electrónica y la ejecución de un algoritmo que requiera un mínimo de requisitos para la clasificación de la señal.


El proyecto de la Beca de Estímulo a las Vocaciones Científicas (EVC-CIN) es dirigido por la doctora María Inés Pisarello, del Grupo de Investigación de ingeniería biomédica de la y co dirigido por el ingeniero Christian Manuel Torres Salinas, ambos de la FaCENA de la UNNE.


"La propuesta del becario utilizará algoritmos de inteligencia artificial (IA), modelos de predicción que aporten soluciones desde la ingeniería biomédica, utilizando como objeto de estudio, las bioseñales de EEG" señaló la doctora Pisarrello.


El plan de trabajo de Sosa Capelli se fundamenta en el diseño de un dispositivo para adquisición de señales de EEG (electroencefalografía) referidas a imagen motora. Esta imagen se produce durante la evocación mental de un movimiento, en ese instante se genera en la corteza cerebral motora la activación de circuitos neuronales similares a las que se activan durante la ejecución del movimiento.


La explicación de este proceso lo tienen las llamadas "neuronas espejo", situadas en el lóbulo parietal inferior y corteza premotora, que se activan tanto durante la ejecución de un movimiento como durante la observación o imaginación del mismo.


Yendo a lo metodológico, el becario captura las señales de EEG utilizando tres electrodos (tipo copa) que van ubicados en dos puntos que corresponden a la zona cerebral donde se registran los movimientos de ambas manos (por encima de la corteza motora del cerebro). El tercer electrodo se utiliza como referencia y va ubicado en el lóbulo de la oreja derecha.


La señal obtenida debe ser amplificada para reunir las condiciones adecuadas, es decir un ancho de banda acorde a la señal tomada. La señal de EEG, posee un ancho de banda de 40 Hz, lo que implica el diseño de filtros acordes de forma tal que se pueda tener una señal lo más fiel posible.


Finalmente, la señal atraviesa un último amplificador para poder elevar el nivel de la señal a valores más cómodos para la posterior conversión analógica-digital.


Como parte de la beca, el becario tendrá a su cargo diseñar e implementar del circuito electrónico destinado a la amplificación de la señal biológica. También deberá desarrollar el software computacional para mostrar los resultados de la captación de señales; además de programar el microcontrolador utilizado para el procesamiento digital de señales en tiempo real.


El Grupo de Ingeniería Biomédica (GIB) perteneciente a la Universidad Nacional del Nordeste, lugar donde se realizará el presente proyecto de desarrollo tecnológico, posee una amplia trayectoria en el desarrollo de dispositivos amplificadores de señales biológicas y en el procesamiento de dichas señales. Acreditan proyectos en bioseñales; ECG (electrocardiografía) y EMG (electromiografía). Con ambas se han desarrollado algoritmos para la clasificación de eventos mediante la implementación de redes neuronales artificiales.


Estas redes son un método de la inteligencia artificial que enseña a las computadoras a procesar datos de una manera que está inspirada en la forma en que lo hace el cerebro humano.

0 visualizaciones0 comentarios

Entradas Recientes

Ver todo

Comments


bottom of page