Interfaces cerebro-computadora coAdaptativas para Rehabilitación
Este proyecto pretende contribuir significativamente a la mejora de las interfaces cerebro-computadora como tecnologías asistivas en rehabilitación. Para ello, proponemos desarrollar soluciones algorítmicas junto con el diseño de protocolos de comunicació permitan la construcción de una BCI adaptativa, integrando el aprendizaje persona-máquina y máquina-persona de manera conjunta
En colaboración con:
Publicaciones relacionadas:
Peterson, V. Nieto, N., Wyser, D., Lambercy, O., Gassert, R., Milone, D. H., Spies, R. D. (2022). Transfer Learning Based on Optimal Transport for Motor Imagery Brain-Computer Interfaces. IEEE Trans Biomed Eng. https://doi.org/10.1109/tbme.2021.3105912
Peterson, V., Galván, C., Hernández, H., Saavedra M. P., & Spies, R. (2022). A motor imagery vs. rest dataset with low-cost consumer grade EEG hardware. Data in Brief, 6, 108225. doi: https://doi.org/10.1016/j.dib.2022.108225
Galván C., Hernández H., Spies R. & Spies R. (2021). Improving feature selection in Riemannian tangent space: a new approach for MI-BCI detection.
Peterson, V., Galván, C., Hernández, H., & Spies, R. (2020). A feasibility study of a complete low-cost consumer-grade brain-computer interface system. Heliyon, 6(3), e0342. doi: https://doi.org/10.1016/j.heliyon.2020.e03425
Comunicaciones en congresos:
Bases de datos relacionadas:
Motor Imagery vs Rest - Low-Cost EEG System - Openneuro.org
Noticias relacionadas:
Low-cost BCI Systems for Motor Rehabilitation - Openbci.com
Un estudio del CONICET Santa Fe fue seleccionado a nivel mundial - El Litoral
Nominación al BCI award 2021 - BCI award