Identificación biométrica de individuos basada en los patrones de conectividad funcional y asimetría de las regiones cerebrales medidos con EEG

  1. Ortega Rodríguez, Jordan
Dirigida por:
  1. Jose Francisco Gomez Gonzalez Director
  2. Ernesto Pereda de Pablo Codirector

Universidad de defensa: Universidad de La Laguna

Fecha de defensa: 02 de mayo de 2023

Tribunal:
  1. Leopoldo Acosta Sánchez Presidente
  2. Mohamed Abderrahim Fichouche Secretario/a
  3. Juan Bautista Ruíz Alzola Vocal
Departamento:
  1. Ingeniería Industrial

Tipo: Tesis

Teseo: 800304 DIALNET lock_openTESEO editor

Resumen

Las aplicaciones sobre interfaces cerebro-ordenador han aumentado su interés en los últimos años para la identificación biométrica de personas, ya que resulta una herramienta potencialmente más segura y difícil de falsificar que las técnicas biométricas tradicionales. Sin embargo, es necesario considerar cómo se adquieren las ondas cerebrales para este propósito, no sólo en términos de eficiencia sino también de comodidad práctica para el usuario y el grado de asequibilidad del dispositivo de adquisición de bioseñales para que su aplicación diaria pueda convertirse en una posibilidad realista. En este contexto, este trabajo presenta las capacidades de uso de un dispositivo de electroencefalografía inalámbrico de bajo coste para extraer información relacionada con el espectro de la actividad nerviosa cerebral y la conectividad funcional entre las distintas regiones del cerebro. El método propuesto logró una identificación biométrica exitosa entre bases de datos de 13 y 109 sujetos mientras se comparaba el rendimiento de un amplio conjunto de algoritmos de clasificación. Además, este es el primer estudio en este campo que tiene en cuenta el efecto del lapso de tiempo entre las diferentes sesiones de grabación en el comportamiento del sistema mientras se utiliza un dispositivo de EEG de bajo coste, obteniendo tasas de precisión de identificación de hasta el 100%. El estudio incluye un análisis de la aplicación de técnicas de reducción de dimensionalidad para encontrar las zonas del cerebro que aportan una información más determinante. De esta manera, se investigó acerca de la optimización del número de sensores de adquisición requeridos para mantener una precisión de identificación biométrica suficiente. Por otra parte, se propone un novedoso algoritmo de clasificación basado en técnicas de control inteligente que ofreció unos resultados exitosos y de rápida respuesta de salida a través del procedimiento experimental propuesto.