Seminario: “Aplicaciones basadas en el estudio de electroencefalogramas”
21-PFecha: jueves 30 de septiembre de 2021 a las 11:00 hrs
Presenta: Dr. Rigoberto Salomón Fonseca Delgado
Afiliación: Departamento de Ingeniería Eléctrica, UAM Iztapalapa
Resumen:
En este seminario veremos dos aplicaciones basadas en señales de electroencefalogramas (EEGs). Comenzaremos con el análisis de los factores que influyen en el desempeño de un sistema biométrico basado en EEGs. Y continuaremos con un sistema de diagnósticos de Alzheimer utilizando EEGs y modelos de inteligencia artificial.
La búsqueda de nuevos rasgos biométricos se ha vuelto una necesidad actualmente dado que los rasgos tradicionales, como la huella digital, la voz o el rostro, son muy propensos a la falsificación. Por esta razón, el estudio de señales bioeléctricas tiene el potencial de desarrollar nuevos sistemas biométricos. Una motivación para usar señales de EEGs es que son únicas para cada persona y son mucho más difíciles de replicar con respecto a los biométricos convencionales. El objetivo de este estudio es analizar los factores que influyen en el desempeño de un sistema biométrico basado en señales EEG. Este trabajo utiliza seis clasificadores diferentes para comparar varios niveles de descomposición de la transformada de ondículas discretas como técnica de preprocesamiento y también explora la importancia del tiempo de grabación. Los clasificadores utilizados son el clasificador Gaussiano Naive Bayes, los k-Vecinos más Cercanos, Random Forest, AdaBoost, Máquina de Soporte de Vectores (SVM por sus siglas en inglés) y el Perceptrón Multicapa (MLP por sus siglas en inglés). Este trabajo muestra que el nivel de descomposición no tiene un gran impacto en el resultado global del sistema. Por otro lado, el tiempo de registro de los EEGs tiene un impacto significativo en el rendimiento de los clasificadores. Este estudio utilizó dos conjuntos de datos diferentes para validar los resultados. Los experimentos muestran que SVM y AdaBoost son los mejores clasificadores para este problema en particular.
Semblanza:
Rigoberto Fonseca completó sus estudios de ingeniería en la Facultad de Ingeniería de Sistemas de la Escuela Politécnica Nacional, Quito-Ecuador. Trabajó en el sector privado en el área de desarrollo de software, lideró varios grupos de desarrollo, tiene experiencia con diferentes motores de bases de datos y lenguajes de programación. Continuó sus estudios de maestría y doctorado en México en la Coordinación de Ciencias Computacionales del Instituto Nacional de Astrofísica, Óptica y Electrónica. Al finalizar sus estudios de posgrado, se desempeñó como profesor en la Universidad Yachay Tech en la Facultad de Ciencias Matemáticas y Computacionales hasta el 2020. Actualmente, es profesor en el Departamento de Ingeniería Eléctrica de la Universidad Autónoma Metropolitana Unidad Iztapalapa en Ciudad de México. Su área de investigación gira alrededor de la predicción y clasificación de series temporales. Su principal motivación es fomentar la investigación a través de la formación de capital humano.
Entre sus proyectos actuales están:
- Crear un agente capaz de invertir en la bolsa de valores que devuelva una utilidad mayor al 30% en seis meses
- Elaborar un filtro de señales electroencefalográficas que se adapte a cada persona con el fin de mejorar las interfaces cerebro-computadora
- Estudiar la relación de la comida y el ejercicio en personas con diabetes para mejorar los controladores de páncreas automáticos
Video del seminario: