Propuesta de diseño en MATLAB de una Interfaz Cerebro-Computadora personalizable basada en tareas cognitivas

Resumen

Una BCI es un dispositivo que permite una interacción directa entre el cerebro del usuario y su entorno mediante la captura de señales cerebrales asociadas a procesos mentales (Moreno et al., 2019), ofreciendo una vía de comunicación a personas con discapacidades motoras. Aquellas basadas en imaginación funcionan a partir de la ejecución de tareas cognitivas por parte del usuario, generando patrones específicos de actividad cerebral que pueden emplearse como señales de control (Tarara et al., 2025).

Este trabajo propone un sistema basado en tareas cognitivas, personalizable y asequible, que permita el control de un dispositivo externo e inalámbrico. Además, se busca que opere con un número reducido de electrodos e incluya una interfaz gráfica de usuario. El sistema integra la adquisición de la señal, pre-procesamiento, extracción y selección de características, clasificación y validación online.

El diseño de una BCI personalizable debería permitir la adaptación de parámetros como la tarea mental, el esquema de adquisición de señales y su procesamiento; este último abarcando la selección de canales, la extracción y selección de características, y la elección del modelo de clasificación de Machine Learning. Este enfoque representa una vía fundamental para que las BCI evolucionen hacia aplicaciones prácticas, al ajustarse a las características de los usuarios, responder a sus necesidades particulares y mejorar su experiencia de uso (Ma et al., 2022). La personalización se realiza mediante la elección de las tareas mentales, los canales, las bandas de frecuencia para la extracción de la potencia y el kernel de Máquina de Soporte Vectorial más adecuados.

Consulta el artículo completo haciendo clic en el botón “Descarga el artículo” que encontrarás a continuación ↓

Referencias

• Chaddad, A., Wu, Y., Kateb, R., & Bouridane, A. (2023). Electroencephalography Signal Processing: A Comprehensive Review and Analysis of Methods and Techniques. Sensors, 23(14), 6434. https://doi.org/10.3390/s23146434
• Ma, Y., Gong, A., Nan, W., Ding, P., Wang, F., & Fu, Y. (2022). Personalized Brain–Computer Interface and Its Applications. Journal of Personalized Medicine, 13(1), 46. https://doi.org/10.3390/jpm13010046
• Merrill, N., Curran, M. T., Gandhi, S., & Chuang, J. (2019). One-Step, Three-Factor Passthought Authentication With Custom-Fit, In-Ear EEG. Frontiers in Neuroscience, 13, 354. https://doi.org/10.3389/fnins.2019.00354
• Moreno, I., Batista, E., Serracin, S., Moreno, R., Gómez, L., Serracin, J., Quintero, J., & Boya, C. (2019). Los sistemas de interfaz cerebro-computadora basado en EEG: Características y aplicaciones. I+D Tecnológico, 15(2), 13–26. https://doi.org/10.33412/idt.v15.2.2230
• Taktak, A. F. G., Ganney, P., Long, D., & Axell, R. G. (Eds.). (2020). Clinical engineering: A handbook for clinical and biomedical engineers (Second edition). Academic Press, an imprint of Elsevier.
• Tarara, P., Przybył, I., Schöning, J., & Gunia, A. (2025). Motor imagery-based brain-computer interfaces: An exploration of multiclass motor imagery-based control for Emotiv EPOC X. Frontiers in Neuroinformatics, 19, 1625279. https://doi.org/10.3389/fninf.2025.1625279

Sobre las autoras

Karla González Cabrales

Estudiante de décimo semestre de Ingeniería Biomédica y se encuentra próxima a egresar en primavera de 2026. Desde 2023 desarrolla este proyecto bajo la asesoría de la Dra. Rocío Salazar Varas, académica de la Universidad de las Américas Puebla. Sus áreas de interés incluyen el análisis de señales fisiológicas, la instrumentación biomédica y la investigación clínica.

Contacto: karla.gonzalezcs@udlap.mx

Dra. Rocío Salazar Varas

Profesora e investigadora de la Universidad de las Américas Puebla. Miembro del Sistema Nacional de Investigadores Nivel I. Su área de interés se centra en el procesamiento y análisis de señales biomédicas.

Contacto: rocio.salazarv@udlap.mx