INVESTIGADOR(ES) PRINCIPAL(ES):

David Augusto Cardenas Peña

8 horas

CODIGO CIE

6-18-1

Paula Marcela Herrera Gómez

Coinvestigador

0 Horas

Alvaro Angel Orozco Gutiérrez

Coinvestigador

4 Horas

Cristian Alejandro Torres Valencia

Estudiante

0 Horas

Genaro Daza Santacoloma

Coinvestigador

0 Horas

Viviana Gómez Orozco

Estudiante

0 Horas

Iván De La Pava Panche

Estudiante

0 Horas

Julián Gil González

Estudiante

0 Horas

TIPO DE CONVOCATORIA

2017. Décimoprimera Convocatoria

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Objetivo general: Desarrollar un sistema de visualización de conectividad cerebral efectiva a partir de señales electroencefalografía utilizando técnicas de aprendizaje adaptativo mediante funciones kernel orientado a tareas de memoria de trabajo. Objetivos específicos: 1) Determinar un protocolo de adquisición de registros de electroencefalografía utilizando sistemas de adquisición portables para el monitoreo de la actividad cerebral en tareas de memoria de trabajo. 2) Desarrollar una metodología de caracterización espacio-temporal de patrones de actividad cerebral relevantes sobre registro de electroencefalografía con base en modelos de aprendizaje adaptativo basados en representaciones kernel. 3) Implementar un sistema de visualización de mapas de conectividad cerebral efectiva a partir de la caracterización espacio-temporal desarrollada orientado a tareas de memoria de trabajo.

RESUMEN

La memoria de trabajo es un sistema cognitivo que permite mantener y manipular información en un periodo de corto de tiempo (segundos) y es un componente central de funciones cognitivas superiores como la comprensión, el raciocinio y el aprendizaje. Sin embargo, la capacidad de almacenamiento de la memoria de trabajo es limitada. Tradicionalmente se asumía que dicho límite era una característica individual inmutable, pero desde la década anterior se ha mostrado que la capacidad de la memoria de trabajo en niños y en adultos jóvenes puede ser incrementada utilizando entrenamiento computarizado. Después de tal entrenamiento, el desempeño mejora no solo para las tareas entrenadas sino también para tareas de memoria de trabajo que no fueron parte del entrenamiento; es decir, hay una transferencia de la mejoría en el desempeño de una tarea, o conjunto de tareas, a otra. Además, tal entrenamiento incrementa la actividad en las neuronas prefrontales y la fuerza de conectividad en la corteza prefrontal y entre las cortezas prefrontal y parietal, en concordancia con estudios que describen la organización en diferentes zonas del cerebro de los componentes del sistema de memoria de trabajo. El proyecto ``Sistema de visualización de conectividad cerebral efectiva utilizando representaciones kernel orientado a tareas de memoria de trabajo'' se concibió como un primer paso hacia la implementación futura de sistemas de neurorealimentación basados en conectividad cerebral que permitan entrenar la memoria de trabajo. Para tal fin, se desarrolló un software de adquisición de señales electroencefalográficas (EEG) y de visualización de conectividad efectiva, que permite registrar de manera no invasiva los patrones en la actividad eléctrica cerebral asociados a la ejecución de tareas en las que se activa la memoria de trabajo. El software, denominado Neuroconvi, permite la adquisición y almacenamiento de señales EEG utilizando un sistema de registro OpenBCI. La aplicación le permite al usuario ver y manipular las señales registradas a través de una interfaz gráfica, mediante la aplicación de filtros en diferentes bandas, el ajuste de la amplitud de visualización, y el control sobre el inicio y finalización de las grabaciones. El software permite además detectar y visualizar patrones producidos por la actividad cerebral a través de la estimación de medidas de conectividad efectiva entre las señales EEG. Además del software Neuroconvi, se implementaron dos tareas cognitivas computarizadas que activan el componente visoespacial de la memoria de trabajo: una tarea de aritmética mental y una tarea visual de emparejamiento demorado con la muestra. Durante el desarrollo del proyecto se exploraron además diversas estrategias de caracterización de registros EEG, incluyendo análisis tiempo frecuencia y medidas de conectividad funcional, en conjunto con estrategias de reconocimiento de patrones, como técnicas de filtrado adaptativo, métodos kernel, análisis de relevancia y sistemas de clasificación, para discriminar entre diferentes estados cognitivos y emocionales.

ESTADO

Concluye Satisfactoriamente

FECHA DE INICIO

22/01/2018

FECHA DE FINALIZACION

22/01/2020

PRODUCTOS

Análisis discriminante de datos utilizando técnicas de reducción de dimensionalidad

Pregrado

Emotion Assessment Using Adaptive Learning-Based Relevance Analysis

Artículos en revista A1 ó A2

URL

Gender effects on an EEG-based emotion level classification system

Ponencia en evento especializado

URL

NEUROCONVI

Software

Short Time EEG Connectivity Features to Support Interpretability of MI Discrimination

Ponencia en evento especializado