2016 Conferencia sobre avances en el procesamiento de señales (CASP) Cummins College of
Engineering for Women, Pune. 9-11 de junio de 2016
Controlado por cerebro basado en EEG
Brazo protésico
Dany Bright Amrita Nair
Estudiante, E&TC Estudiante, E&TC
RSCOE RSCOE
Pune, India Pune, India
danyb007@gmail.com amrita1495@gmail.com
Resumen - Últimamente se utilizan prótesis mioeléctricas. Pero tiene
ciertas desventajas como que depende de que los nervios no estén dañados y es muy
costoso, lo que puede superarse con un brazo protésico controlado por cerebro basado en
EEG. El brazo protésico controlado por cerebro basado en EEG es una técnica no invasiva que
puede servir como una ayuda poderosa para las personas con discapacidades graves en su
vida diaria, especialmente para ayudarlas a mover el brazo de forma voluntaria. En este
artículo, el brazo protésico controlado por cerebro basado en EEG se ha desarrollado
utilizando BCI con la ayuda de los auriculares Neurosky Mindwave para producir los dos
movimientos principales de los dedos en el brazo: flexión y extensión. El sistema BCI consta
de un sensor EEG para capturar la señal cerebral, que se procesará mediante el módulo
ThinkGear en MATLAB. Las señales cerebrales extraídas actúan como señales de comando
que se transmiten al microcontrolador a través de un medio de RF. El módulo de brazo
protésico diseñado consta de Arduino acoplado con servomotores para realizar el comando.
La flexión y extensión del dedo se pueden controlar con éxito con una precisión del 80 por
ciento. El sistema BCI inalámbrico de bajo costo podría permitir a las personas discapacitadas
controlar su brazo protésico para llevar una vida autosuficiente con la ayuda de sus señales
cerebrales.
Palabras clave - Arduino, Cerebro Ordenador Interfaz
Ondas cerebrales, EEG sensor, Neurosky Mindwave Auriculares,
Brazo protésico.
I. INTRODUCCIÓN
En la India, hay alrededor de 5 millones de personas discapacitadas
(en funciones motrices / motrices). Las personas discapacitadas
afectadas por trastornos neuromusculares como esclerosis múltiple (EM)
o esclerosis lateral amiotrófica (ELA), lesión cerebral o medular,
miastenia gravis, ictus del tronco encefálico, parálisis cerebral, etc .; para
expresarse hay que proporcionarles comunicación aumentativa y
alternativa [1] [2]. Los sistemas Brain Computer Interface (BCI) se han
desarrollado para abordar esta necesidad. Los avances recientes en BCI
han presentado nuevas oportunidades para el desarrollo de una nueva
interfaz de brazo protésico para estas personas en función de las señales
del pensamiento o del cerebro.
978-1-5090-0849-0 / 16 / $ 31.00 © 2016 IEEE
Profesora Swati Bhisikar
Devashish Salvekar
Estudiante, E&TC
Facultad, E&TC
RSCOE RSCOE
Pune, India Pune, India
dsalvekar@yahoo.co.in swatibhisikar@gmail.com
tiempo [1] [9]. Las primeras prótesis eran sencillas. Eran prótesis inmóviles
como eje de madera, clavijas y ganchos de metal. Los avances posteriores
facilitan el movimiento de la prótesis, pero se ven muy diferentes de una mano
humana. Se hizo hincapié en la mejora tanto del funcionamiento como del
aspecto de la prótesis. A medida que avanzaba la tecnología, las manos se
volvían más naturales. Fueron alimentados mediante fuentes de energía
neumática y eléctrica. Se desarrollaron prótesis mioeléctricas, que
proporcionaron más grado de libertad y un movimiento más convencional. No
obstante, las prótesis mioeléctricas son muy caras. Además, estas prótesis
dependen del nervio que no se altere. Si los nervios están dañados o
lesionados, la prótesis mioeléctrica es inútil. Eliminar los inconvenientes de las
prótesis mioeléctricas y ayudar a personas con trastornos neuromusculares.
Deben implementarse sistemas BCI basados en EEG. El BCI utiliza señales
de EEG no invasivas para adquirir señales del cerebro, siendo una solución
de costo relativamente bajo y también evita la cirugía peligrosa por un método
invasivo donde se colocan electrodos dentro del cerebro llamados implantes.
La técnica de EEG asume el registro de ondas cerebrales mediante electrodos
adheridos al cuero cabelludo del sujeto [3]. Este sistema consta de cuatro
etapas distintas; que extraen las ondas cerebrales en bruto, procesan la señal,
(BCI), las clasifican en diferentes señales de comando y las interconectan con el
brazo protésico. El control de la prótesis está determinado por la capacidad de
la mente para enfocar y concentrarse. Esto se puede lograr con unos días de
entrenamiento. El propósito de este artículo es explorar la metodología y el
uso de un BCI económico y no invasivo para el control de sistemas robóticos;
II. METODOLOGÍA
A. Diseño del sistema
El brazo protésico controlado por el cerebro basado en EEG es un sistema BCI que
controla las acciones del brazo protésico utilizando ondas cerebrales como señal de
comando [4]. Este sistema BCI implementado es el mismo que un humano regular controla
los movimientos de su mano. La Figura 1 muestra el diagrama de bloques del brazo
protésico controlado por cerebro basado en EEG. Este diagrama de bloques muestra todos
los
479
componentes necesarios para lograr el brazo protésico controlado por cerebro aproximadamente 1 μV a 100 μV en un adulto normal. El EEG se describe generalmente
basado en EEG. en términos de su banda de frecuencia. Las frecuencias elementales de las ondas EEG
humanas son: Delta, Theta, Alpha, Beta y Gamma. La Tabla 1 muestra las frecuencias
generadas por diferentes tipos de actividades en el cerebro.

Tabla 1: Frecuencias generadas por diferentes tipos de actividades en el cerebro.

Brainwave Frecuencia Estados mentales y

Escribe abarcar condiciones
Delta 0,1 Hz a 3 Hz Profundo, sin sueños
sueño no REM,
inconsciente
Theta 4 Hz a 7 Hz Intuitivo, recuerda,
fantasía, imaginario,
sueño
Beta baja 13 Hz a 15 Hz Anteriormente SMR,
relajado todavía
Figura 1: Diagrama de bloques enfocado, integrado
Rango medio 16 Hz a 20 Hz Pensando, consciente de
Este sistema se puede dividir en cuatro etapas. La figura 2 muestra el
Beta uno mismo &
esquema esquemático de estas cuatro etapas. Estas cuatro etapas son
alrededores
detección de señal, adquisición de señal, transmisión de señal y mapeo de señal
Beta alta 21 Hz a 30 Hz Alerta, agitación
al brazo protésico.

Gama 31Hz y Cognición,

sobre información
Procesando

Figura 2: Esquema de varias etapas involucradas 1. Auriculares móviles Neurosky Mindwave

una. Detección de señal El sistema Neurosky consta de electrodos secos y un circuito electrónico diseñado
específicamente para los electrodos secos. La Figura 3 muestra el auricular móvil
Esta etapa apunta principalmente a la detección cuidadosa de la señal EEG del cuero Neurosky Mindwave. El documento técnico de NeuroSky afirma que la tecnología
cabelludo del usuario. El cerebro humano consta de millones de neuronas, cada una de las ThinkGear se ha probado con una precisión del 96% en comparación con los EEG de
cuales está conectada entre sí por dendritas y axones. Cada vez que pensamos, sentimos, grado de investigación. El sistema Neurosky es resistente al ruido [11]. Los auriculares
sentimos, movemos o recordamos algo, nuestras neuronas están en funcionamiento. Esa Mindwave funcionan con una batería AAA [5]. Transmite de forma inalámbrica las señales
tarea se lleva a cabo mediante pequeñas señales eléctricas que pasan de una neurona a detectadas mediante Bluetooth. Tiene un chip ThinkGear en su interior.
otra con la agilidad de 250 mph [6]. Las señales se generan por diferencias en el potencial
eléctrico que son transportadas por iones en la membrana de una neurona individual. La
detección de estas señales puede ayudar a interpretar lo que significan y utilizarlas para
controlar un dispositivo de algún tipo. Al colocar electrodos o sensores en el cuero
cabelludo, es posible leer y registrar la actividad eléctrica total del cerebro.

corteza usando a metodología conocido como

electroencefalografía (EEG) .EEG mide las fluctuaciones de voltaje que surgen de
la corriente iónica dentro de las neuronas del cerebro. En el cerebro hay millones
de neuronas, cada una de las cuales crea pequeños campos de voltaje eléctrico. El
agregado de estos campos de voltaje eléctrico genera una diferencia de potencial
eléctrico que los electrodos en el cuero cabelludo pueden detectar y registrar. Por
lo tanto, EEG es la superposición de muchas señales elementales. La amplitud de Figura 3: Diagrama de los auriculares móviles Neurosky Mindwave

una señal de EEG suele oscilar entre

480
2. ThinkGear
La tecnología ThinkGear cuantifica las señales eléctricas analógicas,
normalmente señaladas como ondas cerebrales, y las convierte en señales digitales.
ThinkGear es la tecnología dentro de cada producto de Neurosky o producto asociado
que permite que una herramienta interactúe con las ondas cerebrales de los usuarios.
Incluye el detector que toca la frente, los puntos de contacto y de referencia
establecidos dentro del clip para la oreja, y también el chip integrado que procesa toda
la información. Cada una de las ondas cerebrales en bruto se mide en cuadrado y se
calcula en el módulo ThinkGear del auricular.
B. Adquisición de señales
Las señales leídas por los auriculares Neurosky Mindwave del portátil a se envía a
través de Bluetooth. El auricular solo detecta, procesos
y convierte la señal en forma digital. La adquisición de la señal se realiza en
portátil.
Ordenador portátil
La computadora portátil se utiliza como una plataforma para ejecutar código MATLAB
para adquirir la señal de ondas cerebrales sin procesar de Neurosky Mindwave Headset.
Matlab ayuda a extraer los valores de ondas cerebrales sin procesar en tiempo real que
ayudarán a controlar el brazo protésico. Las ondas cerebrales sin procesar adquiridas se
transmitirán al microcontrolador como señales de comando utilizando el módulo
transceptor ZigBee.
C. Transmisión de señal
ZigBee
La transmisión de señal debe realizarse entre la computadora portátil y el
microcontrolador. ZigBee es una especificación basada en IEEE 802.15.4 para
protocolos de comunicación inalámbrica de alto nivel. Se utiliza para establecer redes
de área personal (PAN) con radios digitales pequeñas de baja potencia. Debido a su
bajo consumo de energía, las distancias de transmisión se limitan a 10–100 metros de
línea de visión, sujeto a la potencia de salida y las características ambientales. ZigBee
tiene una velocidad de transmisión definida de 250 kbit / s. Es más adecuado para
transmisiones de datos irregulares desde un sensor o dispositivo de entrada [10].
ZigBee es fácil de implementar y funciona con cualquier tipo de microcontrolador.
ZigBee se utiliza para la comunicación inalámbrica entre la computadora portátil y el
microcontrolador. Transmite las señales EEG adquiridas de MATLAB a Arduino Uno.
481
D. Mapeo de la señal al brazo protésico
La señal recibida del transceptor ZigBee debe asignarse al brazo protésico
del microcontrolador (es decir, Arduino Uno). La señal recibida actuará como
señal de comando para controlar el brazo protésico.
1. Arduino Uno
El Arduino Uno es una plataforma de microcontrolador de código abierto basada
en una placa de entrada-salida (E / S) simple. Tiene un entorno de desarrollo que
ejecuta el lenguaje de procesamiento. Es una placa de microcontrolador basada en el
ATmega328P. Tiene 14 pines de entrada / salida digital. De los 14 pines, 6 se pueden
utilizar como salidas PWM, 6 como entradas analógicas. Tiene un cristal de cuarzo de
16 MHz y una conexión USB. Se puede alimentar mediante un cable USB conectado a
la PC o directamente a una batería. El software Arduino es fácil de usar para
principiantes, pero lo suficientemente complaciente para usuarios avanzados. Funciona
en Mac, Windows y Linux. El Arduino Uno es económico, admite un entorno de
programación fácil, de código abierto y multiplataforma.
2. Brazo protésico
La estructura del brazo protésico se puede imprimir en 3D o construir con
metal. El brazo impreso en 3D será más barato que el brazo metálico. Cada dedo
se conectará individualmente a un servomotor. Estos 5 servomotores ayudarán a
controlar los movimientos, es decir, flexión, extensión y pellizco. Estos tres
movimientos serán controlados por la señal de comando generada desde Arduino
Uno según los valores de ondas cerebrales recibidos. Por lo tanto, el brazo
protésico se puede controlar utilizando la señal de comando en tiempo real.
B. Estudio experimental
Este sistema utiliza la plataforma Arduino para analizar continuamente las señales de
EEG entrantes y mapearlas en las acciones apropiadas. Este sistema consta de tres
secciones importantes. El primero es un auricular de ondas cerebrales proporcionado por
Neurosky, el otro es la sección de adquisición de señales que se realiza en una computadora
portátil con Matlab y, por último, el brazo protésico. El auricular móvil NeuroSky Mindwave y
la computadora portátil estarán interconectados con la ayuda de la comunicación inalámbrica
Bluetooth y la computadora portátil y el Arduino en el brazo protésico estarán
interconectados por el módulo del transceptor ZigBee. La configuración experimental se
muestra en la figura 4 a continuación.
 Figura 5: Configuración de brazo protésico controlado por cerebro basado en EEG

III. RESULTADO
Figura 4: La configuración experimental

La investigación y el desarrollo de Cerebro basado en EEG

El nivel de atención son los parámetros para controlar las tres acciones del brazo
brazo protésico controlado ha recibido una gran atención porque pueden ayudar
protésico. Estos valores se pueden clasificar en tres rangos diferentes. Para cada rango
a las personas con discapacidad física a mejorar su calidad de vida [7] [8].
se establece una acción específica. El Arduino realizará estas acciones de acuerdo con
las señales de EEG sin procesar entrantes. La tabla 2 que se presenta a continuación
ayudará a comprender los rangos clasificados y sus acciones.

Tabla 2: Los comandos para el control del brazo protésico.

Acción Rango de atención asignado

Flexión Entre 20-49
(Cerrando todos los dedos)

Extensión Entre 50-69

(Abriendo todos los dedos)

Pellizco Entre 70-100

Para controlar estas tres acciones, el usuario necesita entrenar su cerebro para aumentar la
precisión del control y reducir considerablemente el retraso. Para lograr un valor de atención
superior a 20/50/70, es necesario concentrarse en un punto o en un solo pensamiento. De
manera similar, para bajar el valor por debajo de 70/50/20, perturbe el proceso de pensamiento.
Figura 6: Los tres movimientos / acciones de la mano
En este artículo, presentamos una revisión avanzada integral de los sistemas
completos, el diseño de este sistema y la evaluación de los problemas del brazo protésico
controlado por el cerebro. Para esta investigación los valores de atención se han
clasificado en tres conjuntos, de los cuales dos acciones son para controlar los dos
principales movimientos de las manos. Cuando los valores de atención están entre 20-49,
entonces la flexión (cierre de todos los dedos a la vez) ocurre en las manos del brazo
protésico, si los valores de atención están entre 50-69, entonces ocurre la extensión
(apertura de todos los dedos a la vez) en las manos del brazo protésico y cuando el valor
de atención está entre 70-100, el movimiento de pellizco tiene lugar en las manos del
brazo protésico. Estos tres movimientos se muestran en la figura 6. Estas tres acciones

482
fue controlado con las ondas cerebrales por el usuario 1 con una precisión
del 80%, que había entrenado su cerebro. Cuando diferentes sujetos
intentaron lograr las mismas acciones, los valores de señal alcanzados
estaban dentro del mismo rango, pero el retraso varió, lo que disminuyó la
precisión del control del brazo. Como se ve en la Tabla 3, la precisión
alcanzada por tres usuarios diferentes. Se observó que este retraso se debe
a la inexperiencia con el auricular. El período de demora podría reducirse
entrenando los auriculares para esa persona. Implementación de la prótesis
controlada Mindwave con auriculares NeuroSky; como era de esperar, los
auriculares no ofrecen una precisión del 100% de las ondas cerebrales, pero
son demasiado buenos para su precio y son resistentes al ruido [11]. Este
detrimento se debe al uso de un solo sensor de EEG.
Tabla 3: Resultados de la prueba de precisión.
Por lo tanto, con un auricular de sensor único, podemos controlar dos acciones
(flexión y extensión) de la mano. Ahora creemos que al agregar más sensores
podemos controlar todo el brazo con las ondas cerebrales siempre que el usuario
haya entrenado su cerebro.
IV. CONCLUSIÓN
El sistema desarrollado anteriormente para controlar el brazo protésico a
través de datos electroencefalográficos es prometedor. Pudimos clasificar los datos
del usuario en 3 salidas proporcionadas por el sistema de auriculares Neurosky
Mindwave. Desafortunadamente, no pudimos controlar el brazo con la veracidad
necesaria para completar toda la tarea de movimiento. Para completar lo dado
483
tarea, tendremos que reducir la complejidad de la tarea o renovar la potencia
de nuestro sistema clasificado. Nuestro sistema podría revisarse y mejorarse
aún más mediante la recopilación de más datos y el uso de diferentes técnicas
de optimización para aumentar la clasificación de rangos. Un tiempo de
entrenamiento extenso permitiría al usuario controlar fácilmente el brazo con
mayor precisión. Además, una mayor cantidad de sensores de EEG
aumentaría la precisión y ayudaría a explorarlo en más rangos. Si se pudiera
aumentar la precisión, entonces suponemos que el brazo protésico podría
implementarse con éxito en situaciones del mundo real. Para trabajos futuros,
nos gustaría profundizar en estas técnicas para aumentar la precisión y poder
comenzar a realizar pruebas sobre la eficiencia de este sistema de control.
También podríamos verificar el uso del sistema en diferentes personas,
REFERENCIA
[1] Luzheng Bi, Xin-An Fan, Yili Liu, “Dispositivo móvil controlado por el cerebro basado en EEG
Robots: una encuesta ", Transacción IEEE en máquina humana
sistemas ”, vol. 43, Marzo de 2013, págs. 161-176.
[2] Wei Li, Christain Jaramillo, Yunyi Li, "Desarrollo del sistema de control mental para un robot
humanoide a través de una interfaz cerebro-computadora",
IEEE, Conferencia internacional sobre diseño de sistemas inteligentes y aplicación de
ingeniería, 2012,
págs. 679-682.
[3] Jose del R. Millan, Frederic Renkens, Josep Mouriño, “Control no invasivo accionado por el
cerebro de un robot móvil mediante EEG humano” IEEE
Transacciones sobre ingeniería biomédica, vol. 51, Junio de 2004, págs.
1026-1033.
[4] Howida.A.Shedeed, Mohamed F.Issa, Salah M. El-Sayed, "Procesamiento de señales de
EEG cerebral para controlar un brazo robótico", IEEE,
Enero de 2013, págs. 152-157.
[5] Siliveru Ramesh, M. Gopi Krishna, MadhuNakirekanti, “Sistema de interfaz
cerebro-computadora para robots controlados por la mente usando
Bluetooth", Revista internacional de aplicaciones informáticas, vol.
104, Octubre de 2014, págs. 20-23.
[6] Sridhar Raja .D, "Aplicación de BCI en movimientos robóticos controlados por la mente en
rehabilitación inteligente", Revista Internacional de
Investigación avanzada en electricidad, electrónica e instrumentación
Ingeniería, vol. 2, Abril de 2013, págs. 1231-1238.
[7] J. Arnil, D. Anopas, M. Horapong, K. Luangrat, Y. Punsawad y Y. Wongsawat, "Brazo
robótico de asistencia basado en BCI", IEEE, Internacional
Simposio sobre tecnología de la información y las comunicaciones médicas
(ISMICT), Marzo de 2013, págs.208-212.
[8] Jeong-Seok Woo, Klaus-Robert Müller1 y Seong-Whan Lee, "Clasificación de direcciones
en movimiento continuo del brazo de EEG
Señales ”, IEEE, 3ra Conferencia Internacional de Invierno, Enero de 2015,
págs. 1-2.
[9] Wenchuan Jia, Dandan Huang, Xin Luo, Huayan Pu, Xuedong Chen y Ou Bai,
"Electroencefalografía (EEG) -control cerebral instintivo basado en el control de un robot
de locomoción cuadrúpedo", Internacional
Conferencia del IEEE Ingeniería en Medicina y Biología
Sociedad, Septiembre de 2012, págs.1777-1781.
[10] Robert Faludi, "Creación de una red de sensores inalámbricos", O'Reilly Media,
2010.
[11] "Señal de onda cerebral (EEG) de NeuroSky, Inc." NeuroSky Inc.,
Diciembre de 2009.