El proyecto inicialmente planteado fue modificado para utilizar interfaces cerebro computador con el fin de comunicarse con aplicaciones externas usando sistemas de clasificación online. Las interfaces cerebro computador (BCI) son sistemas que le permiten a un usuario controlar una aplicación o un dispositivo sólo a través de su actividad neural. Una de las etapas más importantes para una aplicación con un sistema BCI es la implementación de algoritmos para la clasificación de los diferentes comandos necesarios para generar la interacción. Existen varias estrategias mentales para la interacción con sistemas BCI que pueden ser usadas en los experimentos neurocientificos, una de ellas se conoce como Imaginación Motora, la cual permite la generación de eventos relacionados a desincronizaciones (ERDs) los cuales son decrementos temporales en la potencia de las ondas de EEG en las bandas alfa y beta. Estos ERDs ocurren cuando un sujeto realiza una imaginación de un movimiento en particular, como mover una de sus manos. Está tesis se focaliza en el desarrollo de un experimento neurocientífico a través de la implementación de las diferentes etapas de una aplicación con una interface cerebro computador: pre-procesamiento, procesamiento, extracción de características, clasificación y aplicación. Se presentan 3 algoritmos que utilizan técnicas de aprendizaje de máquina para la clasificación de señales de una interface cerebro computador basada en electroencefalografía: LDA, C-SVC y NU-SVC con el fin de determinar cuál tarea de imaginación motora está ejecutando un usuario en un momento en particular del experimento. Se utiliza un hardware BCI comercial de bajo costo (Emotiv EPOC) con un software de acceso gratuito (OpenViBe) con el fin de demostrar que se pueden realizar aplicaciones con sistemas BCI sin la necesidad de una gran inversión económica. Todos los clasificadores utilizan la técnica de patrones espaciales comunes (CSP) con el fin de extraer el filtro espacial que optimice la diferenciación entre dos tareas de imaginación motora antes de realizar la etapa de clasificación. Se evaluaron todos los algoritmos de clasificación en 8 sujetos sanos usando validación cruzada encontrando resultados en la exactitud promedio del mejor clasificador de 96.7 %. Este resultado muestra que es posible realizar experimentos neurocientificos con sistemas BCI de bajo costo y lograr exactitudes comparables con equipos más sofisticados y costosos, bajo la misma estrategia mental. También fue desarrollada una interfaz de usuario para la teleoperación del sistema robótico AR. Drone, la cual permite operar el cuadricóptero y registrar las señales provenientes de los sensores de posicionamiento del sistema.
a menudo el desarrollo de experimentos neurocientificos que involucran interfaces cerebro computador suelen acarrear altas inversiones debido a las especificaciones necesarias en el hardware para lograr buenas exactitudes. Por su parte, muchos de los paquetes de software necesarios para el desarrollo de este tipo de experimentos son a menudo, complejos y costosos, lo que en últimas reduce el desarrollo de aplicaciones con sistemas BCI a unos cuantos laboratorios especializados en el mundo. La comunidad BCI ha establecido una serie de estrategias mentales que pueden ser usadas con el fin de interactuar de manera exitosa con éste tipo de interfaces, una de ellas es denominada imaginación motora y la clasificación de las diferentes tareas mentales utilizadas en ésta estrategia, suele ser un problema que requiere de la implementación de técnicas de aprendizaje de máquina con el fin de optimizar la interacción entre el usuario y una aplicación específica.
