Procesamiento de señales EEG para el reconocimiento de emociones

En los últimos años se ha producido una digitalización del entorno sanitario con el objetivo de dar diagnósticos, tratamientos y seguimientos personalizados al paciente más eficientes, ahorrando recursos del sistema sanitario, ya que el contexto médico incluye cientos de miles de enfermedades humanas, pero, sin embargo, un médico solo puede recordar solo una pequeña fracción de estas enfermedades en el momento del diagnóstico, existiendo la probabilidad de un mal diagnóstico. La utilización de dispositivos inteligentes proporciona un tráfico continuo de señales fisiológicas. Las señales fisiológicas son vitales para el diagnóstico médico. El procesamiento de estas señales fisiológicas y de imágenes médicas junto al reconocimiento de patrones adecuado garantiza un mejor diagnóstico futuro, ya que permite elaborar un modelo que puede deducir y generalizar un comportamiento ya observado, y a partir de él realizar predicciones para casos totalmente nuevos. En esta investigación se ha empleado una tecnología en constante evolución y demanda, la electroencefalografía (EEG) para el reconocimiento de emociones, con el fin de mejorar las interfaces humano-máquina (HMI) e interfaces cerebro-computadora (BCI) y dotarlas de inteligencia emocional para mejorar su efectividad. Para ello, se ha usado la base datos DEAP, en la que se recogen distintas señales EEG originadas durante la reproducción de videos musicales y se ha propuesto un algoritmo para la selección de aquellos fragmentos en una señal EEG con una mayor y útil contenido emocional.In recent years there has been a digitization of the healthcare environment with the aim of giving more efficient diagnoses, treatments and personalized follow-ups to the patient, saving resources of the healthcare system, since the medical context includes hundreds of miles of human diseases, but without However, only a small fraction of these diseases can be remembered by a physician at the time of diagnosis, with the likelihood of a misdiagnosis. The use of smart devices provides a continuous traffic of physiological signals. Physiological signals are vital for medical diagnosis. The processing of these physiological signals and medical images together with the recognition of adequate patterns guarantees a better future diagnosis, since it allows to elaborate a model that can deduce and generalize an already observed behavior, and based on it, make predictions for totally new cases. This research has used a technology in constant evolution and demand, electroencephalography (EEG) for the recognition of emotions, in order to improve human-machine interfaces (HMI) and brain-computer interfaces (BCI) and provide them with intelligence emotional to improve its effectiveness. For this, the DEAP database has been used, in which different EEG signals originated during the playback of music videos are collected and an algorithm has been proposed for the selection of those fragments in an EEG signal with greater and useful emotional content.Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicació