EEG Mindroid Training App

ESCUELA T ÉCNICA SUPERIOR DE INGENIERÍA INFORM ÁTICA
GRADO EN INGENIERÍA INFORM ÁTICA - INGENIERÍA DEL SOFTWARE
Trabajo Fin de Grado
EEG MINDROID
Realizado por
JAIME GUERRERO CUBERO
Dirigido por
ALBERTO JES ÚS MOLINA CANTERO (Tutor)
ISABEL MARÍA G ÓMEZ GONZ ÁLEZ (Cotutora)
Departamento
DEPARTAMENTO DE TECNOLOGÍA ELECTR ÓNICA
Sevilla, Junio de 2016

Equivocarse se asocia err´oneamente con el fracaso, cuando de hecho, demostrar que uno se
equivoca deber´ıa celebrarse, ya que as´ı elevamos a alguien a un nuevo y mejorado nivel de
entendimiento. El hecho, es que no existe un humano inteligente, ya que es solo cuesti´on de
tiempo que sus ideas cambien, se renueven o sean erradicadas.
- Peter Joseph -

Agradecimientos
A mi profesor Alberto. Por la ayuda técnica, la aportación de ideas, la posibilidad que me
ha ofrecido de conocer el mundo de la investigación desde dentro, la oportunidad de probar mi
proyecto con usuarios reales, asistir a eventos internacionales, colaborar con otras universidades,
aparecer en la radio y en los periódicos, compartir un registro software, una patente y publicacio-
nes, por creer en m´ı desde el primer d´ıa y un largo etcétera. Además, destacar no solo el magn´ıfico
profesor que es, sino también su gran simpat´ıa y sonrisa que nunca se separan de él y que lo con-
vierten en una extraordinaria persona. Sin su incondicional apoyo durante estos casi cuatro años
hubiese sido imposible llevar a cabo este proyecto.
A los profesores Rafael Cabrera e Isabel Gómez por su ayuda y disposición incondicional du-
rante todo este tiempo.
A mi novia Carmen. Por creer en mi capacidad para afrontar una ingenier´ıa e insistirme para
acceder a la universidad, aguantar mis largas ausencias, ser un apoyo en momentos dif´ıciles, fo-
mentar que “desconecte” cuando más lo necesitaba y ayudarme a ser una persona más completa
en todos los aspectos de mi vida.
A mis padres, Paco y Manoli. Por todo lo que unos padres pueden dar a un hijo pero multipli-
cado por cien.
A mi hermano Carlos, por los buenos momentos de reflexión y por ayudarme a entender el
materialismo intelectual.

Resumen
En esta investigación hemos estudiado la viabilidad de utilizar la atención mental (concentra-
ción) como un método potencial para acceder a un ordenador o un dispositivo móvil, as´ı como,
de manera secundaria, con fines de gamificación. La actividad cerebral se ha medido utilizando el
dispositivo MindWave de Neurosky, que contiene un electrodo colocado en la posición FP1 y la
referencia en el lóbulo de la oreja izquierda.
Para la captura de los datos hemos desarrollado un conjunto de aplicaciones para dispositivos
Android. Las dos principales, sobre las que hemos realizamos un amplio estudio, se basan en el
entrenamiento de la atención y su uso en un entorno real. Otras son de tipo gamificación y tienen
como objetivo principal potenciar la motivación del usuario.
También hemos desarrollado diferentes scripts para analizar y graficar los resultados obteni-
dos. Los datos registrados son el nivel de atención, el de relajación y las distintas bandas que nos
proporciona el dispositivo, aunque solo hemos utilizado la atención para propósitos de retroali-
mentación. Además, según el tipo de aplicación, se guardan distintos parámetros de configuración
para saber el estado en el que se llevan a cabo las pruebas. Toda la información la hemos analiza-
do estad´ısticamente para encontrar los parámetros más significativos. As´ı, hemos podido aplicar
inteligencia artificial a los datos, realizando un clasificador de tipo Linear Discriminant Analysis
(LDA) para mejorar los resultados obtenidos por los usuarios.
El entrenamiento se ha realizado con personas sin discapacidad y con parálisis cerebral. Se
ha utilizado una de las aplicaciones desarrolladas para entrenar el estado de atención a través de
una serie de pruebas programadas. Una vez finalizado este periodo, los usuarios han utilizado otra
aplicación desarrollada cuya finalidad es seleccionar un pictograma a través de la atención, sin te-
ner que tocar la pantalla. También puede funcionar utilizando los parpadeos en vez de la atención,
aunque esto no ha formado parte del estudio.
Los resultados obtenidos demuestran que el 50 % de los usuarios han podido controlar el esta-
do de atención con más de un 70 % de precisión. El estudio revela que la banda de potencia δ y el
ratio θ/β disminuyeron en los ensayos de atención alta en comparación con los de atención baja,
ya que la banda γ tiene un comportamiento opuesto. Aunque estos resultados no son estad´ıstica-
mente significantes.
Las conclusiones subjetivas desde un punto de vista exclusivamente lúdico, en concreto para
las aplicaciones de tipo gamificación, han sido un éxito rotundo, especialmente entre el público
infantil de los eventos a los que hemos asistido. Probablemente, la curiosidad que despierta usar
los parpadeos y la atención, junto con la facilidad de uso, han sido los factores más determinantes.
Palabras clave: android, neurosky, EEG, investigación, parálisis cerebral, mindwave
Keywords: android, neurosky, EEG, research, cerebral palsy, mindwave
II

Índice general
Índice general IV
Índice de cuadros VIII
Índice de figuras XII
Índice de código XV
1 Introducción 1
1.1 Situación actual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Descripción e historia del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Teor´ıa 7
2.1 La Parálisis Cerebral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 ¿Qué es la parálisis cerebral? . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3 Causas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.4 La Asociación ASPACE . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Señales Biomédicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1 ¿Qué son las señales biomédicas? . . . . . . . . . . . . . . . . . . . . . 9
2.2.2 Tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Descomposición del proyecto 11
3.1 Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Estructura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 Proyecto Padre - EEG Mindroid 13
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 ¿Qué es Neurosky? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2.2 Caracter´ısticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2.3 Principal competidor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2.4 Ampliando la información de la EEG . . . . . . . . . . . . . . . . . . . 15
4.3 ¿Qué es Mindflex? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.3.1 Estructura inicial Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.3.2 Estructura final Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3.3 Proceso de modificación de Mindflex . . . . . . . . . . . . . . . . . . . 20
4.3.4 Conectar Mindflex con Arduino UNO . . . . . . . . . . . . . . . . . . . 22
4.4 Conectando Mindflex, Arduino y Android . . . . . . . . . . . . . . . . . . . . . 27
IV

Índice general V
4.4.1 Enviar los datos EEG desde Arduino a Android . . . . . . . . . . . . . . 27
4.4.2 Recibiendo los datos EEG en Android y mostrándolos en gráficas . . . . 29
4.5 Simplificando el diseño del circuito . . . . . . . . . . . . . . . . . . . . . . . . 31
4.6 Cambio de Mindflex por Neurosky MindWave . . . . . . . . . . . . . . . . . . . 33
5 Proyecto Principal 1 - EEG Mindroid Training 35
5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2.1 Actores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2.2 Definición de objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2.3 Requisitos del Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2.3.1 Requisitos de Información . . . . . . . . . . . . . . . . . . . . 37
5.2.3.2 Requisitos Funcionales . . . . . . . . . . . . . . . . . . . . . 37
5.2.3.3 Requisitos No Funcionales . . . . . . . . . . . . . . . . . . . 40
5.2.3.4 Matriz de trazabilidad de Requisitos Funcionales y Objetivos . 42
5.2.4 Casos de Uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2.4.1 Definición de Casos de Uso . . . . . . . . . . . . . . . . . . . 42
5.2.4.2 Matriz de trazabilidad de Requisitos Funcionales y Casos de Uso 48
5.3 Implementación y arquitectura . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4 Pruebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.1 Pruebas de dispositivos . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.2 Pruebas de Compatibilidad . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.2.1 Pruebas de Pantallas . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.2.2 Pruebas de Versiones . . . . . . . . . . . . . . . . . . . . . . 55
5.4.3 Pruebas Unitarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4.4 Pruebas Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4.5 Matriz de trazabilidad de Requisitos Funcionales y Pruebas Funcionales . 62
5.5 Manual de usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.5.1 Paso previo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.5.2 Pantalla inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.5.3 Configuración del modo entrenamiento . . . . . . . . . . . . . . . . . . 64
5.5.4 Inicio del modo entrenamiento . . . . . . . . . . . . . . . . . . . . . . . 66
5.5.5 Operaciones con los datos capturados . . . . . . . . . . . . . . . . . . . 69
6 Proyecto Principal 2 - EEG Mindroid Pictogramas 71
6.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.2 Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.2.1 Actores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.2.2 Definición de objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.2.3 Requisitos del Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.2.3.1 Requisitos de Información . . . . . . . . . . . . . . . . . . . . 73
6.2.3.2 Requisitos Funcionales . . . . . . . . . . . . . . . . . . . . . 74
6.2.4 Requisitos No Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.2.5 Matriz de trazabilidad de Requisitos Funcionales y Objetivos . . . . . . . 79
6.2.6 Casos de Uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.2.6.1 Definición de Casos de Uso . . . . . . . . . . . . . . . . . . . 80
6.2.6.2 Matriz de trazabilidad de Requisitos Funcionales y Casos de Uso 88
6.3 Pruebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.1 Pruebas de dispositivos . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.2 Pruebas de Compatibilidad . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.2.1 Pruebas de Pantallas . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.2.2 Pruebas de Versiones . . . . . . . . . . . . . . . . . . . . . . 89

Índice general VI
6.3.3 Pruebas Unitarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.4 Pruebas Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.5 Matriz de trazabilidad de Requisitos Funcionales y Pruebas Funcionales . 96
6.4 Manual de usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.4.1 Paso previo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.4.2 Pantalla inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.4.3 Configuración del modo entrenamiento . . . . . . . . . . . . . . . . . . 99
6.4.4 Inicio del tablero de comunicación . . . . . . . . . . . . . . . . . . . . . 105
6.4.5 Operaciones con los datos capturados . . . . . . . . . . . . . . . . . . . 108
7 Otros proyectos 109
7.1 EEG Mindroid Dragon Ball . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1.2 Descripción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.1.3 Capturas de pantalla . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.2 EEG Mindroid Blink Bird . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.2.2 Descripción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.2.3 Capturas de pantalla . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.3 Picto Pulsador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.3.2 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.3.3 Arquitectura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.3.4 Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.3.5 Participantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.3.6 Experimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3.6.1 Experimento 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3.6.2 Experimento 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3.7 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
7.3.8 Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.3.9 Imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8 Experimentación 133
8.1 Participantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Condiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.3 Fases de la experimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.4 Resultados y discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.5 Análisis estad´ısticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.6 Análisis de clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
8.7 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9 Planificación y costes 149
9.1 Planificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9.1.1 Hitos 2012/2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9.1.2 Hitos 2013/2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
9.1.3 Hitos 2014/2015 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
9.1.4 Hitos 2015/2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
9.2 Costes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154

Índice general VII
10 Hitos alcanzados 156
10.1 La Noche Europea de los Investigadores . . . . . . . . . . . . . . . . . . . . . . 156
10.2 Prensa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
10.3 Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
10.4 Pruebas con usuarios reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
10.5 Art´ıculo cient´ıfico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
10.6 Registro Territorial de la Propiedad Intelectual . . . . . . . . . . . . . . . . . . . 171
10.7 Participación en patente y otro art´ıculo cient´ıfico . . . . . . . . . . . . . . . . . 173
10.8 Beca de Colaboración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
11 Conclusiones 178
11.1 Valoración personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
11.2 Trabajos futuros y posibles mejoras . . . . . . . . . . . . . . . . . . . . . . . . 179
Bibliograf´ıa 182

Índice de cuadros
2.1 Valores t´ıpicos para algunas de las señales bioeléctricas . . . . . . . . . . . . . . 10
4.1 Cuadro comparativo de las formas de ondas cerebrales . . . . . . . . . . . . . . 14
5.1 Actor 01 - Usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Actor 02 - Cuidador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3 Objetivo 01 - Permitir a usuarios/cuidadores realizar pruebas en modo entrenamiento 36
5.4 Objetivo 02 - Permitir a usuarios/cuidadores realizar pruebas en modo freestyle . 36
5.5 Objetivo 03 - Permitir a usuarios/cuidadores configurar los parámetros de las pruebas 36
5.6 Objetivo 04 - Permitir a usuarios/cuidadores gestionar y exportar los datos guardados 36
5.7 Requisito de Información 01 - Datos EEG para las sesiones . . . . . . . . . . . . 37
5.8 Requisito de Información 02 - Opciones de configuración la aplicación . . . . . . 37
5.9 Requisito Funcional 01 - Iniciar entrenamiento . . . . . . . . . . . . . . . . . . 38
5.10 Requisito Funcional 02 - Parar/Pausar entrenamiento . . . . . . . . . . . . . . . 38
5.11 Requisito Funcional 03 - Modificar tiempo de sesiones . . . . . . . . . . . . . . 38
5.12 Requisito Funcional 04 - Modificar número de sesiones . . . . . . . . . . . . . . 38
5.13 Requisito Funcional 05 - Activar/Desactivar modo Freestyle . . . . . . . . . . . 39
5.14 Requisito Funcional 06 - Activar/Desactivar captura de parpadeos . . . . . . . . 39
5.15 Requisito Funcional 07 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . 39
5.16 Requisito Funcional 08 - Activar/Desactivar guardado de los datos . . . . . . . . 39
5.17 Requisito Funcional 09 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . 40
5.18 Requisito Funcional 10 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . 40
5.19 Requisito Funcional 11 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . 40
5.20 Requisito No Funcional 01 - Compatibilidad para las versiones dispositivos . . . 40
5.21 Requisito No Funcional 02 - Compatibilidad con tamaños de dispositivos . . . . 41
5.22 Requisito No Funcional 03 - Usabilidad . . . . . . . . . . . . . . . . . . . . . . 41
5.23 Requisito No Funcional 04 - Facilidad en el manejo de los datos . . . . . . . . . 41
5.24 Requisito No Funcional 05 - Facilidad en la realización de pruebas . . . . . . . . 41
5.25 Requisito No Funcional 06 - Escalabilidad y mantenibilidad . . . . . . . . . . . 41
5.26 Requisito No Funcional 07 - Diseño horizontal . . . . . . . . . . . . . . . . . . 41
5.27 Matriz de trazabilidad entre Requisitos Funcionales y Objetivos . . . . . . . . . 42
5.28 Caso de Uso 01 - Iniciar modo entrenamiento & freestyle . . . . . . . . . . . . . 42
5.29 Caso de Uso 02 - Parar/Pausar modo entrenamiento & freestyle . . . . . . . . . . 43
5.30 Caso de Uso 03 - Modificar tiempo de sesiones . . . . . . . . . . . . . . . . . . 43
5.31 Caso de Uso 04 - Modificar número de sesiones . . . . . . . . . . . . . . . . . . 44
5.32 Caso de Uso 05 - Activar modo entrenamiento normal . . . . . . . . . . . . . . . 44
5.33 Caso de Uso 06 - Activar modo freestyle . . . . . . . . . . . . . . . . . . . . . . 45
5.34 Caso de Uso 07 - Activar/Desactivar captura de parpadeos . . . . . . . . . . . . 45
5.35 Caso de Uso 08 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . . . . . 46
5.36 Caso de Uso 09 - Activar/Desactivar guardado de datos . . . . . . . . . . . . . . 46
VIII

Índice de cuadros IX
5.37 Caso de Uso 10 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.38 Caso de Uso 11 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.39 Caso de Uso 12 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.40 Matriz de trazabilidad entre Requisitos Funcionales y Casos de Uso (Parte 1/2) . 48
5.42 Prueba de Pantalla 01 - Móvil Samsung Galaxy S4 . . . . . . . . . . . . . . . . 54
5.43 Prueba de Pantalla 02 - Móvil Samsung Galaxy S6 . . . . . . . . . . . . . . . . 55
5.44 Prueba de Pantalla 03 - Móvil Samsung Galaxy ACE . . . . . . . . . . . . . . . 55
5.45 Prueba de Pantalla 04 - Tablet Samsung Galaxy Tab Pro . . . . . . . . . . . . . . 55
5.46 Prueba de Pantalla 05 - Tablet BQ Edison . . . . . . . . . . . . . . . . . . . . . 55
5.47 Prueba de Versión 01 - Android 2.3.3 en Samsung Galaxy ACE . . . . . . . . . . 56
5.48 Prueba de Versión 02 - Android 4.1.1 en Tablet BQ Edison . . . . . . . . . . . . 56
5.49 Prueba de Versión 03 - Android 4.2.2 en Móvil Samsung Galaxy S4 . . . . . . . 56
5.50 Prueba de Versión 04 - Android 4.4.2 en Tablet Samsung Galaxy Tab Pro . . . . 56
5.53 Prueba Funcional 01 - Iniciar modo entrenamiento & freestyle . . . . . . . . . . 58
5.54 Prueba Funcional 02 - Parar/Pausar modo entrenamiento & freestyle . . . . . . . 58
5.55 Prueba Funcional 03 - Modificar tiempo de sesiones . . . . . . . . . . . . . . . . 58
5.56 Prueba Funcional 04 - Modificar número de sesiones . . . . . . . . . . . . . . . 59
5.57 Prueba Funcional 05 - Activar modo entrenamiento normal . . . . . . . . . . . . 59
5.58 Prueba Funcional 06 - Activar modo freestyle . . . . . . . . . . . . . . . . . . . 59
5.59 Prueba Funcional 07 - Activar/Desactivar captura de parpadeos . . . . . . . . . . 60
5.60 Prueba Funcional 08 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . . 60
5.61 Prueba Funcional 09 - Activar/Desactivar guardado de datos . . . . . . . . . . . 60
5.62 Prueba Funcional 10 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.63 Prueba Funcional 11 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.64 Prueba Funcional 12 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . . 61
5.65 Matriz de trazabilidad entre Requisitos Funcionales y Pruebas Funcionales (Parte
1/2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2/2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.1 Objetivo 01 - Permitir a usuarios/cuidadores utilizar el tablero de comunicación
con la atención . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.2 Objetivo 02 - Permitir a usuarios/cuidadores utilizar el tablero de comunicación
con los parpadeos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.3 Objetivo 03 - Permitir a usuarios/cuidadores configurar los parámetros del tablero
de comunicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.4 Objetivo 04 - Permitir a usuarios/cuidadores gestionar y exportar los datos guardados 72
6.5 Requisito de Información 01 - Datos EEG para las sesiones . . . . . . . . . . . . 73
6.6 Requisito de Información 02 - Opciones de configuración la aplicación . . . . . . 74
6.7 Requisito Funcional 01 - Iniciar tablero de comunicación para la atención . . . . 74
6.8 Requisito Funcional 02 - Iniciar tablero de comunicación para los parpadeos . . . 75
6.9 Requisito Funcional 03 - Parar/Pausar tablero de comunicación . . . . . . . . . . 75
6.10 Requisito Funcional 04 - Modificar tipo de evento . . . . . . . . . . . . . . . . . 75
6.11 Requisito Funcional 05 - Modificar tiempo del contador . . . . . . . . . . . . . . 75
6.12 Requisito Funcional 06 - Seleccionar los pictogramas que serán el objetivo . . . . 76
6.13 Requisito Funcional 07 - Modificar tiempo selección de pictograma por parpadeo 76
6.14 Requisito Funcional 08 - Modificar tiempo m´ınimo entre parpadeos . . . . . . . 76
6.15 Requisito Funcional 09 - Modificar número de parpadeos . . . . . . . . . . . . . 76

Índice de cuadros X
6.16 Requisito Funcional 10 - Modificar tiempo de selección de pictograma por con-
centración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.17 Requisito Funcional 11 - Modificar porcentaje de selección . . . . . . . . . . . . 77
6.18 Requisito Funcional 12 - Activar/Desactivar avance al siguiente pictograma . . . 77
6.19 Requisito Funcional 13 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . 77
6.20 Requisito Funcional 14 - Activar/Desactivar mensaje de selección de pictograma 78
6.21 Requisito Funcional 15 - Activar/Desactivar guardado de los datos . . . . . . . . 78
6.22 Requisito Funcional 16 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . 78
6.23 Requisito Funcional 17 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . 78
6.24 Requisito Funcional 18 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . 79
6.25 Matriz de trazabilidad entre Requisitos Funcionales y Objetivos . . . . . . . . . 79
6.26 Caso de Uso 01 - Iniciar tablero de comunicación para la atención . . . . . . . . 80
6.27 Caso de Uso 02 - Iniciar tablero de comunicación para los parpadeos . . . . . . . 80
6.28 Caso de Uso 03 - Parar/Pausar tablero de comunicación . . . . . . . . . . . . . . 81
6.29 Caso de Uso 04 - Modificar tipo de evento . . . . . . . . . . . . . . . . . . . . . 81
6.30 Caso de Uso 05 - Modificar tiempo del contador . . . . . . . . . . . . . . . . . . 82
6.31 Caso de Uso 06 - Seleccionar los pictogramas que serán el objetivo . . . . . . . . 82
6.32 Caso de Uso 07 - Modificar tiempo selección de pictograma por parpadeo . . . . 83
6.33 Caso de Uso 08 - Modificar tiempo m´ınimo entre parpadeos . . . . . . . . . . . 83
6.34 Caso de Uso 09 - Modificar número parpadeos . . . . . . . . . . . . . . . . . . . 84
6.35 Caso de Uso 10 - Modificar tiempo de selección de pictograma por concentración 84
6.36 Caso de Uso 11 - Modificar porcentaje de selección . . . . . . . . . . . . . . . . 85
6.37 Caso de Uso 12 - Activar/Desactivar avance al siguiente pictograma . . . . . . . 85
6.38 Caso de Uso 13 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . . . . . 86
6.39 Caso de Uso 14 - Activar/Desactivar mensaje de selección de pictograma . . . . 86
6.40 Caso de Uso 15 - Activar/Desactivar guardado de los datos . . . . . . . . . . . . 87
6.41 Caso de Uso 16 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.42 Caso de Uso 17 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.43 Caso de Uso 18 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.46 Prueba Funcional 01 - Iniciar tablero de comunicación para la atención . . . . . . 89
6.47 Prueba Funcional 02 - Iniciar tablero de comunicación para los parpadeos . . . . 89
6.48 Prueba Funcional 03 - Parar/Pausar tablero de comunicación . . . . . . . . . . . 90
6.49 Prueba Funcional 04 - Modificar tipo de evento . . . . . . . . . . . . . . . . . . 90
6.50 Prueba Funcional 05 - Modificar tipo de evento . . . . . . . . . . . . . . . . . . 90
6.51 Prueba Funcional 06 - Seleccionar los pictogramas que serán el objetivo . . . . . 91
6.52 Prueba Funcional 07 - Modificar tiempo selección de pictograma por parpadeo . 91
6.53 Prueba Funcional 08 - Modificar tiempo m´ınimo entre parpadeos . . . . . . . . . 92
6.54 Prueba Funcional 09 - Modificar tiempo m´ınimo entre parpadeos . . . . . . . . . 92
6.55 Prueba Funcional 10 - Modificar tiempo de selección de pictograma por concen-
tración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.56 Prueba Funcional 11 - Modificar porcentaje de selección . . . . . . . . . . . . . 93
6.57 Prueba Funcional 12 - Activar/Desactivar avance al siguiente pictograma . . . . . 94
6.58 Prueba Funcional 13 - Activar/Desactivar sonido . . . . . . . . . . . . . . . . . 94
6.59 Prueba Funcional 14 - Activar/Desactivar mensaje de selección de pictograma . . 94
6.60 Prueba Funcional 15 - Activar/Desactivar guardado de datos . . . . . . . . . . . 95
6.61 Prueba Funcional 16 - Listar datos . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.62 Prueba Funcional 17 - Borrar datos . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.63 Prueba Funcional 18 - Exportar datos . . . . . . . . . . . . . . . . . . . . . . . 96

Índice de cuadros XI
1/2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
2/2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
7.1 Posiciones del acelerómetro y flexómetro en los participantes . . . . . . . . . . . 125
7.2 Resultados de los participantes del grupo A en el Experimento 1 . . . . . . . . . 126
7.3 Resultados de los participantes del grupo B en el Experimento 1 . . . . . . . . . 127
7.4 Resultados de los participantes del grupo B en el Experimento 2 . . . . . . . . . 127
7.5 Resultados encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.1 Preguntas realizadas a los participantes . . . . . . . . . . . . . . . . . . . . . . . 135
8.2 Resultados para los grupos A y B . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.3 Resultados de la encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.4 Valores p obtenidos en la prueba Mann-Whitney-Wilcoxon . . . . . . . . . . . . 140
8.5 Efectos de la atención en las bandas entre los distintos tipos de pruebas. . . . . . 140
8.6 Resultados de la clasificación respecto al conjunto de caracter´ısticas . . . . . . . 142
8.7 Precisión óptima y tw para Nicons = 4. Los parámetros temporales para el con-
junto de caracter´ısticas están incluidos . . . . . . . . . . . . . . . . . . . . . . . 147
9.1 Hito-01: Hackeo de Mindflex y programación Arduino . . . . . . . . . . . . . . 149
9.2 Hito-02: Implementación de las gráficas en Android . . . . . . . . . . . . . . . . 150
9.3 Hito-03: Implementación menú y primera versión de EEG Mindroid . . . . . . . 150
9.4 Hito-04: Diseño de EEG Mindroid Training . . . . . . . . . . . . . . . . . . . . 150
9.5 Hito-05: Desarrollo de EEG Mindroid Training . . . . . . . . . . . . . . . . . . 150
9.6 Hito-06: Planificación de las pruebas para EEG Mindroid Training . . . . . . . . 151
9.7 Hito-07: Planificación de las pruebas para EEG Mindroid Training . . . . . . . . 151
9.8 Hito-07: Análisis de los datos de las pruebas para EEG Mindroid Training . . . . 151
9.9 Hito-08: Desarrollo de EEG Mindroid Blink Bird . . . . . . . . . . . . . . . . . 151
9.10 Hito-09: Adaptación EEG Mindroid Dragon Ball a Neurosky MindWave . . . . . 152
9.11 Hito-10: Adaptación EEG Mindroid Training a Neurosky MindWave . . . . . . . 152
9.12 Hito-11: Diseño de EEG Mindroid Pictogramas . . . . . . . . . . . . . . . . . . 152
9.13 Hito-12: Desarrollo de la primera versión de EEG Mindroid Pictogramas . . . . . 152
9.14 Hito-13: Realización de las pruebas para EEG Mindroid Training en ASPACE . . 152
9.15 Hito-14: Desarrollo de la segunda versión de EEG Mindroid Pictogramas . . . . 153
9.16 Hito-15: Realización de las pruebas para EEG Mindroid Pictogramas en ASPACE 153
9.17 Hito-16: Análisis de los datos de todas las pruebas en ASPACE . . . . . . . . . . 153
9.18 Hito-17: Desarrollo EEG Mindroid Pinky Piggy . . . . . . . . . . . . . . . . . . 153
9.19 Hito-18: Trabajo genérico sobre la redacción del art´ıculo cient´ıfico . . . . . . . . 154
9.20 Hito-19: Desarrollo de Picto Pulsador . . . . . . . . . . . . . . . . . . . . . . . 154
9.21 Hito-20: Realización de pruebas con Picto Pulsador . . . . . . . . . . . . . . . . 154
9.22 Hito-21: Documentación Proyecto Fin de Grado (TFG) . . . . . . . . . . . . . . 154

Índice de figuras
2.1 ASPACE logo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.1 Comparación de las bandas EEG . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Principales electrodos en las pruebas EEG . . . . . . . . . . . . . . . . . . . . . 16
4.3 Casco Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.4 Duelo Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.5 Estructura inicial Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.6 Estructura final Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.7 Caja Mindflex Duel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.8 Interior Mindflex Duel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.9 Apertura cascos Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.10 Interior frontal cascos Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.11 Interior reverso cascos Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.12 Cascos Mindflex modificados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.13 Pines de Arduino UNO para conectar Mindflex . . . . . . . . . . . . . . . . . . 23
4.14 Mindflex y Arduino UNO conectados . . . . . . . . . . . . . . . . . . . . . . . 23
4.15 Circuito Arduino para Mindflex . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.16 Datos Neurosky en puerto serie . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.17 Gráfica 1 para los datos de Neurosky . . . . . . . . . . . . . . . . . . . . . . . . 26
4.18 Gráfica 2 para los datos de Neurosky . . . . . . . . . . . . . . . . . . . . . . . . 26
4.19 Módulo bluetooth JY-MCU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.20 Esquemático circuito Arduino con el módulo bluetooth . . . . . . . . . . . . . . 27
4.21 Circuito Arduino con el módulo bluetooth listo para Neurosky y Android . . . . 29
4.22 Gráfica de barras con datos Neurosky en Android . . . . . . . . . . . . . . . . . 30
4.23 Gráfica de l´ıneas con datos de Neurosky en Android . . . . . . . . . . . . . . . . 30
4.24 Gráfica de l´ıneas y puntos con datos de Neurosky en Android . . . . . . . . . . . 31
4.25 Gráfica de l´ıneas, puntos y sombras con datos de Neurosky en Android . . . . . . 31
4.26 Circuito simplificado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.27 Circuito simplificado con Arduino UNO y bluetooth . . . . . . . . . . . . . . . . 32
4.28 Cable de cascos simplificados . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.29 Cascos Neurosky MindWave . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.30 Colocación cascos Neurosky MindWave . . . . . . . . . . . . . . . . . . . . . . 34
5.1 MVC vs MVP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2 Bluetooth sincronizado con los cascos Neurosky . . . . . . . . . . . . . . . . . . 62
5.3 Bluetooth conectando con los cascos Neurosky . . . . . . . . . . . . . . . . . . 63
5.4 Pantalla principal EEG Mindroid Training . . . . . . . . . . . . . . . . . . . . . 64
5.5 Menú opciones intermedio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.6 Menú opciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.7 Opciones de tiempo de sesión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
XII

Índice de figuras XIII
5.8 Opciones de números de sesiones . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.9 Modo entrenamiento con barra roja representando la atención baja . . . . . . . . 67
5.10 Modo entrenamiento con barra amarilla representando la atención media . . . . . 67
5.11 Modo entrenamiento con barra verde representando la atención alta . . . . . . . 68
5.12 Modo entrenamiento con imagen relajante para el tiempo de reposo . . . . . . . 68
5.13 Menú opciones base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.14 Datos guardados de las sesiones de entrenamiento . . . . . . . . . . . . . . . . . 69
5.15 Exportación de los datos de las sesiones de entrenamiento . . . . . . . . . . . . . 70
6.1 Bluetooth conectando con los cascos Neurosky . . . . . . . . . . . . . . . . . . 97
6.2 Pantalla principal EEG Mindroid Pictogramas . . . . . . . . . . . . . . . . . . . 98
6.3 Menú opciones intermedio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.4 Menú opciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.5 Opciones de tipo de evento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.6 Opciones de tiempo de contador . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.7 Opciones de seleccionar pictogramas objetivo . . . . . . . . . . . . . . . . . . . 101
6.8 Opciones de tiempo de selección de pictograma por parpadeo . . . . . . . . . . . 102
6.9 Opciones de tiempo m´ınimo entre parpadeos . . . . . . . . . . . . . . . . . . . . 103
6.10 Opciones número de parpadeos . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.11 Opciones de tiempo de selección de pictograma por concentración . . . . . . . . 104
6.12 Opciones de porcentaje de selección . . . . . . . . . . . . . . . . . . . . . . . . 105
6.13 Tablero de comunicación con pictogramas objetivos seleccionados . . . . . . . . 105
6.14 Tablero de comunicación iniciado . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.15 Tablero de comunicación con pictograma actual en el objetivo . . . . . . . . . . 107
6.16 Tablero de comunicación con pictograma actual seleccionado con el parpadeo . . 107
6.17 Datos guardados del tablero de comunicación . . . . . . . . . . . . . . . . . . . 108
7.1 Pantalla de Splash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2 Goku estado normal (Nivel 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.3 Goku en SSJ1 (Nivel 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.4 Goku en SSJ1 reuniendo poder para transformarse en SSJ2 . . . . . . . . . . . . 112
7.5 Goku en SSJ2 (Nivel 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.7 Goku en SSJ3 (Nivel 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.9 Goku en SSJ4 (Nivel 4) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.10 Goku en SSJ4 reuniendo poder para realizar el kamekameha . . . . . . . . . . . 115
7.11 Goku en SSJ4 realizando el kamekameha antes de finalizar la partida) . . . . . . 116
7.12 Pantalla de fin de partida) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.13 Pantalla de inicio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.14 Pajarito en modo mortal chocando con la columna (Column x1) . . . . . . . . . 118
7.15 Pajarito en modo inmortal no chocando con la columna (Column x1) . . . . . . . 119
7.16 Separación entre columnas incrementado (Column x3) . . . . . . . . . . . . . . 119
7.17 Pantalla de fin de partida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.18 Arquitectura en 5 capas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.19 Colocación en el cuerpo del acelerómetro y el flexómetro . . . . . . . . . . . . . 123
7.20 Señal filtrada del sensor de detección de flexión colocado en el codo . . . . . . . 124
7.21 Hardware detector adaptativo de movimiento con el acelerómetro conectado . . . 129
7.22 Hardware detector adaptativo de movimiento con el flexómetro conectado . . . . 130
7.23 Hardware detector adaptativo de movimiento con el pulsador conectado . . . . . 130
7.24 Ejemplo del flexómetro colocado en la mano derecha . . . . . . . . . . . . . . . 131
7.25 Ejemplo del flexómetro colocado en la rodilla derecha . . . . . . . . . . . . . . . 131

Índice de figuras XIV
7.26 Ejemplo del acelerómetro colocado en un arnés ajustable para la cabeza . . . . . 132
7.27 Ejemplo del software Picto Pulsador conectado con el detector adaptativo . . . . 132
8.1 Secuencia de tiempo de experimentación . . . . . . . . . . . . . . . . . . . . . . 134
8.2 Imágenes para fomentar la atención alta . . . . . . . . . . . . . . . . . . . . . . 135
8.3 Diagrama de cajas para niveles de atención del grupo A . . . . . . . . . . . . . . 136
8.4 Diagrama de cajas para niveles de atención del grupo B . . . . . . . . . . . . . . 137
8.5 Parámetros temporales y sus relaciones con el periodo de escaneo . . . . . . . . 139
8.6 Media de las curvas ROC para K iteraciones del método de validación cruzada . 142
8.7 Pantalla del comunicador. El orden de escaneo es Hola, Adiós, Servicio y Dormir 143
8.8 Relación entre la precisión promedio y la longitud de ventana, tw, para el grupo A 145
8.9 Relación entre la precisión promedio y la longitud de ventana, tw, para el grupo B 146
8.10 Relación entre el promedio de Np y la longitud de ventana, tw, para todos los
conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
10.1 Folleto para La Noche Europea de los Investigadores . . . . . . . . . . . . . . . 157
10.2 Foto del equipo que participamos en la Noche Europea de los Investigadores 2014 158
10.3 Foto del equipo que participamos en la Noche Europea de los Investigadores 2015 159
10.4 Participantes probando los proyectos 1 . . . . . . . . . . . . . . . . . . . . . . . 159
10.7 Entrevista en la Noche Europea de los Investigadores . . . . . . . . . . . . . . . 161
10.8 Prensa en el ABC de Sevilla en ASPACE . . . . . . . . . . . . . . . . . . . . . 162
10.9 Prensa en el ABC de Sevilla en el laboratorio de la US . . . . . . . . . . . . . . 163
10.10Prensa en El Correo en el laboratorio de la US . . . . . . . . . . . . . . . . . . . 164
10.11Noticia en el Facebook de Investigación en la Universidad de Sevilla . . . . . . . 165
10.12Entrevista en el programa Andaluc´ıa sin Barreras de Canal Sur Radio . . . . . . 165
10.13Participante realizando pruebas en ASPACE 1 . . . . . . . . . . . . . . . . . . . 166
10.16Participante realizando pruebas en el Colegio especial Directora Mercedes San-
romá 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
romá 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
romá 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
romá 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
10.20Participante realizando pruebas para el estudio del TDAH en niños . . . . . . . . 170
10.23T´ıtulo del art´ıculo cient´ıfico (Ver cap´ıtulo 8) . . . . . . . . . . . . . . . . . . . . 171
10.24CD a entregar en el Registro Territorial de la Propiedad Intelectual . . . . . . . . 172
10.25Solicitud para el Registro Territorial de la Propiedad Intelectual . . . . . . . . . . 173
10.26Solicitud patente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
10.27T´ıtulo del art´ıculo cient´ıfico derivado de la patente . . . . . . . . . . . . . . . . . 175
10.28Beca de Colaboración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

Índice de código
4.1 Código Arduino para capturar datos EEG . . . . . . . . . . . . . . . . . . . . . 23
4.2 Código Arduino para capturar datos EEG y enviarlos por bluetooth a Android . . 28
5.1 Código para la conexión y desconexión de Mindflex y Android . . . . . . . . . . 49
5.2 Código para comunicar Mindflex y Android . . . . . . . . . . . . . . . . . . . . 50
5.3 Código de la interfaz para los datos de Mindflex . . . . . . . . . . . . . . . . . . 51
5.4 Código para comunicar Neurosky MindWave y Android . . . . . . . . . . . . . 52
5.5 Código de la interfaz para los datos de Neurosky . . . . . . . . . . . . . . . . . 53
XV

CAPÍTULO 1
Introducción
1.1– Situación actual
La comunicación es vital para los seres humanos. Un sistema que permita que personas con
discapacidad puedan acceder a un ordenador o un dispositivo móvil con un sistema fiable, con po-
co esfuerzo y lo más rápido posible, ser´ıa muy beneficioso. Hay varios dispositivos en el mercado
que traducen la intencionalidad del usuario en eventos. El más simple y extendido es el interruptor
mecánico.
La mayor´ıa de las organizaciones que brindan atención a las personas con movilidad reducida,
utilizan estos dispositivos para que las personas con discapacidad puedan utilizar las aplicaciones
software, particularmente las basados en métodos de escaneo, ya que con solo conectar el inte-
rruptor a un dispositivo adaptado, traduce sus movimientos en las selecciones software correspon-
dientes (clicks de ratón, pulsación de teclas, botones, palancas, joysticks, etc). Para las personas
con discapacidad severa, como las que sufren hipoton´ıa, ataxia neuromuscular o esclerosis lateral
amiotrófica (ELA), estos simples dispositivos son todav´ıa muy dif´ıciles de utilizar. Para ellos, los
sistemas informáticos de tipo BCI (Brain Computer Interfaces o Interfaz Cerebro Ordenador) son
una alternativa viable.
1.2– Estado del arte
En los últimos años, gracias al auge de los dispositivos móviles, han salido al mercado una
amplia variedad de aplicaciones. Desgraciadamente, la proporción de aplicaciones destinadas a la
mejora de la calidad de vida de personas con discapacidad es bajo con respecto a cualquier otro
tipo, como juegos, programas, etc.
Si nos centramos en las personas con parálisis cerebral, no existe una gran variedad de apli-
caciones que estén al alcance de todos y de fácil acceso. Además, hay varios tipos de parálisis
cerebral (ver cap´ıtulo 2 y sección 2.1.2), lo que evita que una misma aplicación se adapte a todas
las personas de este colectivo. Incluso si buscamos en el campo del ocio, tampoco tenemos apenas
aplicaciones disponibles.
Con una tecnolog´ıa EEG de muy bajo coste como Neurosky, solo existen aplicaciones con
fines de investigación destinadas exclusivamente a las personas con parálisis cerebral. En su mer-
cado oficial [1], que cubre más de un 95 % de las aplicaciones desarrolladas con Neurosky, no
encontramos ninguna destinada a tal fin.
1

1. Introducción 2
Actualmente, uno de los proyectos más importantes en España en desarrollo e investigación de
tecnolog´ıas para personas con discapacidad, especialmente con parálisis cerebral, es ASPACEnet
[2]. Este proyecto se inició a finales de 2011 gracias a la inestimable colaboración de la Funda-
ción Vodafone España [3] y tiene como misión mejorar la autonom´ıa y calidad de vida de este
colectivo, utilizando las Tecnolog´ıas de Apoyo (TA) y los Sistemas Alternativos y Aumentativos
de Comunicación (SAAC). Es promovido por su Comisión de Trabajo de Nuevas Tecnolog´ıas y
Comunicación. Sus objetivos principales son realizar proyectos innovadores, fomentar la informa-
ción, orientación y formación de las personas con parálisis cerebral, potenciar el trabajo en red,
participar en proyectos de I+D+i, etc. Hay una estrecha relación entre este proyecto y la Confede-
ración ASPACE [4], que representa a todos los ASPACE de España.
ASPACEnet trabaja para aumentar la accesibilidad de dispositivos móviles, especialmente pa-
ra las aplicaciones de mensajer´ıa instantánea, para dar respuesta a la demanda de las personas
con parálisis cerebral. Para ello, trabajan en el desarrollo de una serie de aplicaciones gratuitas y
de código abierto, que permiten a los usuarios comunicarse con las aplicaciones más extendidas
adaptándolas a sus necesidades.
Su principal aplicación es aMiAlcance, que permite enviar y recibir mensajes o hacer llamadas
telefónicas utilizando sencillos iconos que aparecen en la pantalla o la s´ıntesis de voz. Esto permite
a las personas con parálisis cerebral mantener conversaciones a través de mensajer´ıa instantánea.
Esta aplicación está formada por las siguientes aplicaciones:
• aMiAlcance [5]: Es la aplicación principal y la que proporciona un tablero configurado con
pictogramas, acercando de una forma accesible a la comunicación mediante aplicaciones de
mensajer´ıa instantánea
• aMiAlcance Core [6]: Es un servicio de accesibilidad que permite el acceso al dispositivo
mediante diferentes barridos y gestión de periféricos mediante un cable OTG [7] . Permite
la ejecución de procesos habituales en un Smartphone de una forma automática, también,
tareas como env´ıo de mensajes, llamadas, etc.
• aMiAlcance Gestor de Descargas [8]: Permite configurar dentro del ecosistema de ASPA-
CEnet las distintas preferencias que permiten que el usuario interactúe con su dispositivo de
una forma accesible
• Hermes Mobile [9]: Para la comunicación de personas con dificultades en el habla y con
capacidad de lectoescritura. Además de la escritura libre, ofrece apoyo a la comunicación y
opciones de personalización para diversas necesidades de usuarios. Con Hermes Mobile se
pueden gestionar todos los mensajes agrupados por las categor´ıas que se elijan, se muestran
diferentes diccionarios según el lugar en el que se encuentre, se pueden añadir imágenes y
audio a los mensajes...
1.3– Descripción e historia del proyecto
En los últimos años, los avances cient´ıficos y tecnológicos han tenido un impacto importan-
te en la sociedad, introduciendo nuevas posibilidades, facilitando la accesibilidad a determinados
colectivos e incluso modificando hábitos de conducta. Su implantación se debe en parte a que la co-
mercialización a gran escala ha permitido abaratar costes y generar productos a precios asequibles.
La confluencia de distintas ramas de conocimiento podr´ıan hacer más eficiente la tecnolog´ıa
existente o crear nuevas disciplinas que conduzcan a la mejora en la calidad de vida de las personas.
Desgraciadamente, a veces, esta cooperación no existe, quizás por intereses, por desconocimiento

1. Introducción 3
o por cualquier otro motivo.
El deseo de buscar soluciones para ciertos colectivos de personas en combinación con la tec-
nolog´ıa actual y a un precio lo más reducido posible, impulsó el desarrollo del proyecto EEG
Mindroid, que nos ha llevado casi 4 años. Durante este tiempo, hemos tenido la oportunidad de
generar gran conocimiento alrededor de dicha tecnolog´ıa, as´ı como poder probarlo con distintos
colectivos de personas, acudir a eventos, aparecer en periódicos, registrar un software y tener un
art´ıculo de investigación en proceso. El nombre del proyecto es un juego de palabras entre EEG
(electroencefalograf´ıa), Mind (mente en inglés) y Droid (término acortado del sistema operativo
Android). Este ha sido el nombre base para el resto de proyectos creados con la tecnolog´ıa de
Neurosky.
La historia comenzó durante el verano de 2012, cuando se realizó un estudio de mercado y
tecnolog´ıas actuales para buscar algún nicho sin explorar, deficiente o con un potencial suficiente
como para iniciar un proceso de investigación. Tras este amplio estudio, se centró el foco en un
curioso juego llamado Mindflex [10] que utilizaba el chip de Neurosky. A través de una web [11],
se explicaba cómo “hackear” dicho juego para enviar la información capturada desde éste hasta un
ordenador. Para ello, se utilizaba la placa de prototipado de hardware libre Arduino UNO [12].
Este descubrimiento fue clave para iniciar el proceso de investigación y puso los cimientos pa-
ra iniciar el proyecto. Aunque la web estaba limitada a mostrar los datos en el ordenador a través
de una gráfica, casi al instante surgió la idea de adaptarlo a dispositivos móviles y poder aplicarlo
a colectivos de personas con discapacidad.
A finales de Septiembre de 2012, coincidiendo con el inicio del curso académico, tras un mes
aproximadamente de recopilación de información y de organización de ideas se empezó a poner
en marcha el proyecto. Para entonces, el juego de Mindflex ya se hab´ıa comprado y gracias a la
inestimable ayuda del profesor Alberto Molina se empezó con la modificación del aparato. Tras un
par de meses de pruebas, se realizó una primera versión hardware, combinando el Arduino UNO
con un módulo bluetooth. También se desarrolló la primera funcionalidad para la versión Android,
que consist´ıa en la recepción de los datos. Durante los siguientes meses, se estuvo investigando las
posibilidades que ofrec´ıa esta tecnolog´ıa. Para Junio de 2013, ya ten´ıamos la primera versión lla-
mada EEG Mindroid, que consist´ıa en mostrar las gráficas con los datos capturados y un ejemplo
de la elección de botones por barrido utilizando la atención del usuario. Después de alcanzar este
hito, se dio luz verde a iniciar el proceso de investigación para el siguiente curso.
Después del verano de 2013, se decidió hacer una aplicación para poder entrenar el estado de
atención. Esta aplicación se desarrolló durante el primer cuatrimestre y su nombre fue EEG Min-
droid Training. Se comenzó el segundo cuatrimestre redactando un protocolo de pruebas y unos
cuestionarios. Una vez terminado, se hicieron pruebas con cuatro usuarios que no sufr´ıan ningún
tipo de discapacidad. También se realizó un estudio de comparación entre los datos capturados
con MindFlex y la actividad cerebral capturada mediante un sistema de adquisición EEG conven-
cional. Esta parte ocupó algo más de la mitad del cuatrimestre. El resto del tiempo, hasta Junio de
2014, se desarrolló el script necesario en Octave para analizar los datos. También se analizaron los
problemas que hab´ıamos encontrado y los resultados obtenidos. De esta manera, se dejó preparada
la base para poder iniciar la segunda fase el próximo curso con personas con discapacidad. Parale-
lamente, durante casi todo este curso académico completo, se estuvo desarrollando una aplicación
de gamificación llamada EEG Mindroid Dragon Ball. Aplicación basada en la famosa serie de
dibujos animados Dragon Ball [13] y que sirve para entrenar el estado de atención. En concreto,
sirve para practicar el estado de atención alta, ya que para ir progresando en el juego se necesita
alcanzar un 50 % o más.

1. Introducción 4
A principios del verano de 2014, aprovechando la bajada de precio, se compró un dispositivo
Neurosky Mindwave [14]. Éste era mucho más cómodo, fácil de colocar, pod´ıamos prescindir de
la placa de Arduino y proporcionaba dos datos nuevos, parpadeos basados en la EEG y la señal
bruta. La captura de parpadeos, junto con la invitación a participar en el evento de La Noche Eu-
ropea de los Investigadores [15], motivó la realización de un nuevo juego de gamificación. Su
nombre fue EEG Mindroid Blink Bird y está basado en el juego original Flappy Bird [16], con
la peculiaridad de que los clicks a realizar eran simulados con los parpadeos.
Para Septiembre de 2014, ya estaban adaptados ambos juegos a las nuevas librer´ıas propor-
cionadas en el framework de Neurosky. Se acudió al evento con ambos juegos de gamificación
y nos dimos cuenta del potencial que ten´ıa esta tecnolog´ıa para su uso lúdico. Durante el primer
cuatrimestre, se adaptó EEG Mindroid Training a estas nuevas librer´ıas y se comenzaron a realizar
las pruebas con personas con parálisis cerebral en ASPACE (La Asociación Sevillana de Parálisis
Cerebral) [17]. También se creó la aplicación EEG Mindroid Pictogramas, que pod´ıa utilizar la
atención o los parpadeos para poder seleccionar un pictograma. Durante el segundo cuatrimestre,
se analizaron los datos que se iban recogiendo de las pruebas realizadas y se fueron realizando
distintas modificaciones en las aplicaciones, añadiendo opciones, arreglando errores y mejorando
algunos procesos. También se registró el software en la propiedad intelectual de Andaluc´ıa [18]
con el nombre de NeuroSwitch e incluyendo las aplicaciones de EEG Mindroid Training y EEG
Mindroid Pictogramas. Además, se empezó a colaborar con el Grupo de Investigación “Aprendi-
zaje y Cognición” del Departamento de Psicolog´ıa Experimental de la Facultad de Psicolog´ıa, para
ayudar a la detección temprana de niños con TDAH (Trastorno por Déficit de Atención con Hiper-
actividad). Para ello, se adaptó un Trabajo Fin de Grado de Roberto Alonso de 2013 para recoger
datos utilizando Neurosky, dando lugar a la aplicación EEG Pinky Piggy. También se modificó el
juego EEG Mindroid Dragon Ball para que guardase los datos y la configuración y tuviese un
objetivo de estudio a parte de lúdico. Esto se realizó con la finalidad de estudiar los datos EEG
de niños hiperactivos e intentar obtener algún patrón para la detección temprana de dicho trastorno.
Desde el final del curso, en Junio de 2015 hasta la actualidad, se han estado realizado una
serie de tareas diversas en torno al proyecto. Se ha escrito y enviado un art´ıculo a la espera de
aceptación, se han implementado algoritmos para intentar facilitar al usuario la utilización de la
atención, se ha intentado estudiar cómo podr´ıamos trabajar con los datos brutos de las señales
obtenidas, etc. Y destacar que se modificó la aplicación de EEG Mindroid Pictogramas para crear
Picto Pulsador, que partiendo de la misma interfaz con los mismos pictogramas, se adaptó to-
talmente para que funcionase con un flexómetro, un acelerómetro y un pulsador. Este trabajo se
desarrolló para realizar las pruebas necesarias de la patente del profesor Alberto Molina, llamada
“Detector adaptativo de movimientos para personas con discapacidad”. Estas pruebas se realiza-
ron con niños con parálisis cerebral en el Colegio especial Directora Mercedes Sanromá [19].
1.4– Objetivos
El objetivo principal de este proyecto es estudiar la viabilidad de aplicar la tecnolog´ıa de Neu-
rosky en personas con parálisis cerebral (PC). Queremos evaluar si un afectado de PC tiene la
capacidad de controlar el parámetro de la atención (concentración), para que en un futuro, pueda
ser utilizado como acceso a la sociedad de la información. Además, queremos explorar los l´ımites
de esta tecnolog´ıa, ya que dentro del panorama de la EEG, un dispositivo de un solo canal esta muy
limitado y ofrece muy pocas posibilidades. La ventaja es su bajo coste con respecto a cualquier
otro producto, ya que puede ser desde cuatro hasta doscientas veces más barato.
El objetivo secundario es analizar desde un punto de vista de gamificación, si esta tecnolog´ıa

1. Introducción 5
se puede utilizar con juegos, bien con la finalidad de aprender a manejar la atención o simplemen-
te como diversión. Sea como fuere, ambos son muy positivos. Para el primer caso, se reducen los
tiempos de aprendizaje, siendo muy ameno y divertido. Y para el segundo caso, desde un punto de
vista exclusivamente lúdico, sigue siendo muy beneficioso, ya que la mayor´ıa de los colectivos de
personas con parálisis cerebral o cualquier otra discapacidad donde se vea afectado gravemente el
sistema motor del usuario, tienen muy pocas oportunidades de diversión. Cualquier cambio en su
rutina diaria, y en especial si es con juegos, supone una gran satisfacción.
Como último objetivo, aunque no forma parte directa de nuestro proyecto, es la colaboración
con la Facultad de Psicolog´ıa. Nosotros aportamos las aplicaciones basadas en esta tecnolog´ıa y
asesoramos sus dudas técnicas, pero ellos se encargan de probarlo en el colectivo de niños con
TDAH. La finalidad del estudio es detectar casos de niños con este trastorno lo más precozmente
posible e intentar encontrar alguna relación directa entre ésta y el conjunto de ondas cerebrales
que recogemos con Neurosky. Este trabajo forma parte de la tesis doctoral de Almudena Serrano
Barroso [20].

CAPÍTULO 2
Teor´ıa
2.1– La Parálisis Cerebral
2.1.1. ¿Qué es la parálisis cerebral?
La parálisis cerebral describe un grupo de trastornos del desarrollo del movimiento y la pos-
tura, causando limitaciones de la actividad f´ısica, que se atribuyen a una lesión en el cerebro
producida durante la gestación, el parto o los primeros 3-5 d´ıas de vida. Los trastornos motores de
la parálisis cerebral también pueden ir acompañados por alteraciones de la sensibilidad, la cogni-
ción, la comunicación, percepción, y/o el comportamiento, además de problemas de aprendizaje
[21].
Hay que aclarar que se trata de un grupo de trastornos provocados por una lesión, no de una
enfermedad, por lo que no debemos confundirla. Hasta la fecha no se ha encontrado cura ni forma
de reparar las células dañadas, por lo que es irreversible. Sin embargo, la lesión no es progresiva,
es decir, que ni aumenta ni disminuye y tampoco es hereditaria. Con el tratamiento adecuado, el
uso de equipos especiales, terapia y en ciertos casos cirug´ıa, se puede mejorar la calidad de vida
de las personas afectadas.
2.1.2. Tipos
A continuación, describiremos distintos tipos de parálisis cerebral [17].
• Parálisis Cerebral Espástica (Hipertónica): Espasticidad significa rigidez. Las personas que
tienen esta clase de PC encuentran dificultad para controlar algunos o todos sus músculos,
que tienden a estirarse y debilitarse, y que a menudo son los que sostienen sus brazos, sus
piernas o su cabeza. La parálisis cerebral espástica se produce normalmente cuando las
células nerviosas de la capa externa del cerebro o corteza no funcionan correctamente.
• Parálisis Cerebral Disquinética o Atetoide: Se caracteriza por movimientos lentos, involun-
tarios (que se agravan con la fatiga y las emociones y se atenúan en reposo, desapareciendo
con el sueño) y descoordinados, que dificultan la actividad voluntaria. Es común que las
personas que tengan este tipo de PC tengan unos músculos que cambian rápidamente de
flojos a tensos. Sus brazos y sus piernas se mueven de una manera descontrolada, y puede
ser dif´ıcil entenderles debido a que tienen dificultad para controlar su lengua, su respiración
y las cuerdas vocales.
• Parálisis Cerebral Atáxica: Existe por la afectación preferente del cerebelo. Hace que las
personas que la padecen tengan dificultades para controlar el equilibrio, y si aprenden a
7

2. Teor´ıa 8
caminar, lo harán de manera inestable. Son propensos también a tener movimientos en las
manos y un hablar tembloroso.
• Parálisis Cerebral Mixta: Afectación de varias estructuras cerebrales. Es frecuente que no
se presenten los tipos con sus caracter´ısticas puras, sino que existen combinaciones en su
forma cl´ınica. La complejidad de la parálisis cerebral y sus efectos var´ıa de una persona a
otra, por eso suele ser dif´ıcil clasificar con precisión el tipo de parálisis cerebral que padece
una persona.
2.1.3. Causas
Las causas dependen y var´ıan de un caso a otro, por lo que no debe atribuirse a un único factor,
aunque todos tienen algo en común, la deficiente maduración del sistema nervioso central.
La parálisis cerebral puede producirse en el periodo prenatal, en el perinatal o el postnatal,
teniendo un l´ımite de manifestación transcurridos los cinco primeros años de vida.
• Periodo Prenatal: La lesión se produce durante el embarazo y pueden influir las condiciones
desfavorables de la madre en la gestación. Suele representar el 35 % de los casos. Los facto-
res prenatales que se han relacionado son las infecciones maternas (en especial, la rubéola),
la radiación, la anoxia (falta de ox´ıgeno), la toxemia y la diabetes materna.
• Periodo Perinatal: Las lesiones suelen producirse en el momento del parto. Representan el
55 % de los casos, y las causas más frecuentes son: anoxia, asfixia, traumatismo por fórceps,
prematuridad, partos múltiples y cualquier cosa que produzca algún sufrimiento al niño.
• Periodo Postnatal: La lesión es debida a enfermedades ocasionadas después del nacimien-
to. Corresponden a una 10 % de los casos y puede ser debida a traumatismos craneales,
infecciones, accidentes vasculares, deshidrataciones, etc.
2.1.4. La Asociación ASPACE
Fundada en 1978, y declarada de Utilidad Pública en 1995, la asociación ASPACE Sevilla [17]
(Figura 2.1) nace de la unión de un grupo de padres y familiares de personas con Parálisis Cere-
bral, quienes bajo el amparo y la supervisión de profesionales de la Unidad de Parálisis Cerebral
del Hospital Sevillano Virgen del Roc´ıo, deciden constituirse en asociación para trabajar por la
mejora de la atención social y sanitaria que, por aquella época, recib´ıan las personas con Parálisis
Cerebral. Fruto de la labor de estos padres y tras un largo camino recorrido, se fundó el primer
colegio público de educación especial para niños con Parálisis Cerebral, que desde 1996 pasó a
ser asumido por la Junta de Andaluc´ıa y que actualmente sigue realizando su labor educativa bajo
el nombre de “Directora Mercedes Sanromá” [19].

2. Teor´ıa 9
Figura 2.1: ASPACE logo
ASPACE es una de las organizaciones que más lucha y hace por los pacientes con parálisis
cerebral d´ıa a d´ıa con todo tipo de terapias, actividades y encuentros, proyectos y colaboraciones.
Anteriormente se ha hablado de ASPACEnet y su relación con ASPACE y la fundación Vodafone
para la creación de aplicaciones y tecnolog´ıas para la mejora de la calidad de vida de personas con
discapacidad y más concretamente con parálisis cerebral.
El Grupo TAIS [22] colabora con esta organización para llevar a cabo proyectos que mejoran
la calidad de vida de las personas afectadas con parálisis cerebral. Sin la ayuda de ASPACE Sevilla
junto al Grupo TAIS, este proyecto no hubiera sido posible haberlo probado con este colectivo.
2.2– Señales Biomédicas
2.2.1. ¿Qué son las señales biomédicas?
Una señal es un medio de transmisión de información, cuya adquisición permite obtener in-
formación sobre la fuente que la generó. En el caso de la bioseñales, las fuentes son los diferentes
sistemas fisiológicos del organismo. La captación de las bioseñales permite extraer información
sobre el funcionamiento de los diferentes órganos para poder emitir un diagnóstico. Aunque exis-
ten muchos tipos bioseñales, nos vamos a centrar solo en las bioseñales eléctricas (bioeléctricas),
ya que trabajamos con las señales EEG (electroencefalograma) que pertenecen a este grupo.
El principal problema de la captación de las señales bioeléctricas proviene de los valores de
amplitud y frecuencia de las mismas. Dichas amplitudes son pequeñas y a menudo se encuentran
contaminadas de ruido que incluso puede ser superior al valor de la propia señal.
En el Cuadro 2.1 [23] podemos ver los valores t´ıpicos para las algunas de las señales bio-
eléctricas.
2.2.2. Tipos
A continuación, describimos brevemente los distintos tipos de señales bioeléctricas que hemos
visto en el cuadro anterior, resaltando las señales EEG con las que trabajamos.
• ECG (electrocardiograma): Es la representación gráfica de la actividad eléctrica del co-
razón, que se obtiene con un electrocardiógrafo en forma de cinta continua. Es el instru-
mento principal de la electrofisiolog´ıa card´ıaca y tiene una función relevante en el cribado y

2. Teor´ıa 10
Señal Magnitud Ancho de banda (Hz)
ECG (electrocardiograma) 0.5 - 4mV 0.01 - 250
EEG (electroencefalograma) 5 - 300µV DC - 150
EGG (electrogastrograma) 10 - 1000µV DC - 1
EMG (electromiograma) 0.1 - 5mV DC - 10000
EOG (electrooculograma) 50 - 3500µV DC - 50
ERG (electrorretinograma) 0 - 900µV DC - 50
Cuadro 2.1: Valores t´ıpicos para algunas de las señales bioeléctricas
diagnóstico de las enfermedades cardiovasculares, alteraciones metabólicas y la predisposi-
ción a una muerte súbita card´ıaca. También es útil para saber la duración del ciclo card´ıaco
[24].
• EEG (electroencefalograma): Es una exploración neurofisiológica que se basa en el regis-
tro de la actividad bioeléctrica cerebral en condiciones basales de reposo, en vigilia o sueño,
y durante diversas activaciones (habitualmente hiperpnea y estimulación luminosa inter-
mitente) mediante un equipo de electroencefalograf´ıa. Permite registrar las diferencias de
potencial eléctrico producidas en el cerebro. Se emplea para diagnosticar enfermedades del
cerebro y se puede realizar como estudio complementario a otros estudios, especialmente a
los radiológicos (TAC, resonancia magnética) [25, 26].
• EGG (electrogastrograma): Es una prueba no invasiva que permite determinar la presencia
de disritmias gástricas o un ritmo eléctrico gástrico normal [27].
• EMG (electromiograma): Es la técnica de registro gráfico de la actividad eléctrica produ-
cida por los músculos esqueléticos. El EMG puede ser monitoreado a través de electrodos
insertados dentro de los músculos (electrodos intramusculares) o a través de electrodos en
la superficie de la piel sobre el músculo (electrodos superficiales). El EMG es usado por
cient´ıficos para estudiar el sistema neuromuscular, por médicos para el diagnóstico de enfer-
medades neuromusculares, y por fisioterapeutas para monitorear la activación de músculos
de un paciente [28].
• EOG (electrooculograma): Registro eléctrico de la actividad muscular de los ojos. Se ponen
pequeños electrodos cerca de los músculos de los ojos para medir su movimiento. El EOG
se usa para estudiar las alteraciones del sueño. Ayuda a identificar la fase de sueño REM
[29].
• ERG (electrorretinograma): Se utiliza para medir la respuesta eléctrica de células en la
retina, incluyendo los fotorreceptores (conos y bastones). Se aplica principalmente en oftal-
molog´ıa, donde el electrorretinograma (ERG) se utiliza para el diagnóstico de varias enfer-
medades de la retina [30]

CAPÍTULO 3
Descomposición del proyecto
3.1– Alcance
Debido al carácter de investigación de este proyecto y al haberse iniciado en 2012, no se ha
enfocado desde un punto de vista de Trabajo Fin de Grado. EEG Mindroid es un proyecto padre
que tiene diferentes aplicaciones hijas. Éstas son: EEG Mindroid Training, EEG Mindroid Picto-
gramas, EEG Mindroid Dragon Ball y EEG Mindroid Blink Bird. También, mencionar la modifi-
cación de EEG Mindroid Pictogramas que dio origen a Picto Pulsador, que aunque no está basado
en el EEG pero es un proyecto importante por su repercusión.
La aplicación EEG Mindroid Pinky Piggy se descarta debido a que toda la funcionalidad y
diseño ha sido realizada por otro alumno y lo único que hicimos fue adaptarla para recoger los
datos EEG.
3.2– Estructura
La peculiaridad del proyecto hace que su estructura var´ıe con respecto a un Trabajo Fin de
Grado común. Para no dejar de lado ninguno de los proyectos, se han organizado en tres grupos
bien diferenciados. El primero se llama “Proyecto Padre”, el segundo “Proyectos Principales” y el
tercero “Otros Proyectos”.
El primero es el proyecto padre, la primera versión que dio lugar al resto de proyectos, EEG
Mindroid. Aqu´ı se detalla el proceso que se realiza partiendo de la compra de un juego y termi-
nando con los datos capturados en el dispositivo móvil.
El segundo es el más importante y detallado, con las dos aplicaciones principales. Éstas son
EEG Mindroid Training y EEG Mindroid Pictogramas. En ellas, se ha centrado el mayor es-
fuerzo, la mayor complejidad y han estado expuestas a constantes cambios para ser mejoradas a
medida que ´ıbamos recibiendo retroalimentación con las pruebas.
El tercero, está formado por el resto de las aplicaciones. Su estructura es poco detallada y solo
recoge la información principal.
11

CAPÍTULO 4
Proyecto Padre - EEG Mindroid
4.1– Introducción
EEG Mindroid es el proyecto base que da nombre al resto de proyectos. Abarca el proceso des-
de la modificación de los cascos de Mindflex hasta la representación de los datos en un dispositivo
Android. Esto incluye el diseño hardware de la placa de prototipado Arduino, la programación de
su microcontrolador y el diseño de la aplicación Android. La fuente de la captura de datos EEG se
basa en el chip de Neurosky.
4.2– ¿Qué es Neurosky?
4.2.1. Introducción
NeuroSky [31] es una compañ´ıa presidida por Stanley Yang en San José (California), Estados
Unidos. Esta empresa hace uso de la electroencefalograf´ıa (EEG) con el fin de captar impulsos
eléctricos cerebrales que se generan con el pensamiento.
Con el chip de Neurosky obtenemos dos parámetros principales. El primero, es la medida de
Atención, que es una lectura del grado de concentración mental que siente el usuario. El segundo,
la medida de Meditación, que indica el grado de relajación que experimenta el usuario. Se trata
de dos mediciones independientes, por lo que se puede dar el caso, por ejemplo, de que el usuario
se encuentre concentrado y relajado al mismo tiempo.
4.2.2. Caracter´ısticas
Desde un punto de vista para desarrolladores y/o investigadores tenemos más opciones. El chip
proporciona la señal bruta con una tasa de muestreo de 512Hz y 12bits de resolución, as´ı como
la información procesada de las bandas de energ´ıa δ (1-3Hz, sueño), θ (4-7Hz, relajación, medita-
ción), αl (8-9Hz, ojos cerrados, relajación), αh (10-12Hz), βl (13-17Hz, despierto, concentrado),
βh (18-30Hz), γl (31-40Hz, procesamiento multisensorial) y γh (41-50Hz). (Figura 4.1 y Cuadro
4.1 [32]).
13

4. Proyecto Padre - EEG Mindroid 14
Figura 4.1: Comparación de las bandas EEG
Tipo de onda Rango de frecuencia Estados mentales y condiciones
Delta 0.1 - 3Hz Sueño, sueño no REM, inconsciente
Theta 4 - 7Hz Intuitivo, creativo, memoria, fantas´ıa, imaginario, sueño
Alpha 8 - 12Hz Relajado, tranquilo, consciente
Low Beta 12 - 15Hz Centrado, relajado, SMR
Midrange Beta 16 - 20Hz Pensamiento, consciente
High Beta 21 - 30Hz Estado de alerta, agitado
Gamma 30 - 100Hz Funciones motoras, actividad mental alta
Cuadro 4.1: Cuadro comparativo de las formas de ondas cerebrales
La información procesada se env´ıa a una frecuencia de 1Hz. También nos ofrece la informa-
ción procesada de la intensidad del parpadeo, as´ı como los valores de atención y meditación, cuyos
valores se comprenden entre 0 y 100, siendo 0 el valor más bajo y 100 el más alto. Respecto a los
valores de las bandas, pueden ir desde 0 hasta varios miles, la documentación de Neurosky no lo
especifica. Según la información que nos ofrece, los valores son indicios de amplitudes relativas
de las bandas EEG individuales [33].
Por lo general, el espectro de las bandas se mide en unidades de Voltios al cuadrado entre Hz
(V 2
Hz ), pero debido a que los valores han sufrido una serie de transformaciones complejas y opera-
ciones de reescalado de las medidas de voltaje iniciales, no hay una correlación lineal de unidades
de voltaje. Por ello, los datos de las bandas no tienen unidades.
Esta es la razón por la que no se pueden comparar estos datos con las salidas de otros sistemas
EEG. Los valores son útiles cuando se compara cada banda en particular, si están disminuyendo

o aumentando con el tiempo, y lo fuerte que cada banda es relativa a las otras. Además, los valo-
res de las ondas EEG al representar un espectro de potencia, sus valores pueden variar de forma
exponencial, lo que significa que las bandas de frecuencias más bajas (delta y theta) serán valores
exponencialmente más grandes que las bandas de frecuencias más altas (alpha y beta). Por ello,
para fines de representación en gráficas lo ideal es mostrar el logaritmo de cada valor, en lugar de
los propios valores exponenciales.
El gran inconveniente de los datos capturados es que no sabemos cómo se ha procesado dicha
información, lo único que tenemos sin procesar es la señal bruta.
4.2.3. Principal competidor
Su principal competidor es el dispositivo Emotiv Epoc [34]. Neurosky solo tiene un canal y
Emotiv tiene 14 que cubren todos los lóbulos cerebrales y los dos hemisferios. En [35] encontra-
mos una comparación entre ambos sistemas de bajo coste, con el fin de detectar cargas cognitivas.
En este art´ıculo vemos como Emotiv proporciona resultados superiores pero reconociendo las ven-
tajas de Neurosky, que es más fácil de usar, más fácil de instalar, más fácil de mantener y su precio
es unas 6 veces inferior.
4.2.4. Ampliando la información de la EEG
Las señales EEG se pueden utilizar para medir tareas mentales [36, 37, 38], estrés [39], fa-
tiga [40, 41], atención [42] o relajación [43], que a su vez, pueden ser potencialmente utilizados
para el control de objetos en movimiento en una pantalla de ordenador [44] o en juegos [45, 46].
La atención es la capacidad de enfocar de forma continua una acción en particular, pensamiento
u objeto. La atención es controlada tanto por factores cognitivos como por el conocimiento, las
expectativas y metas actuales, además de otros factores que reflejan la estimulación sensorial. Los
factores cognitivos en la atención surgen de la corteza prefrontal (PFC) [47, 48] mientras que la
estimulación sensorial viene de la corteza parietal.
Varios marcadores fisiológicos se pueden utilizar para indicar los niveles de atención. Por
ejemplo, el seguimiento ocular es una prueba muy popular y simple para estimar el foco de aten-
ción visual. También la dilatación de la pupila del ojo, que es proporcional a la atención o a la tasa
de parpadeo, que disminuye a medida que el nivel de atención aumenta [49, 50] y a la modulación
de la actividad EEG.
Desde un punto de vista temporal, la atención hace a las señales EEG más complejas, por una
medición que podr´ıa estar basada en su dimensión fractal [51]. Varios trabajos han demostrado la
fiabilidad de un enfoque de este tipo [45, 38, 52]. También hay algunas obras acerca de los efectos
que la atención o las habilidades cognitivas actúan en las bandas de potencia. En general, la banda
α aumenta cuando la dificultad de la tarea disminuye o después de la práctica de las tareas, lo que
sugiere que se requieren menos recursos corticales [53]. En el mismo trabajo, el aumento de θ
sugiere que centrar la atención o el aumento de la carga para la memoria requiere mayor esfuerzo.
Un prolongado periodo de actividad cognitiva conduce a la fatiga mental que es asociado a un
incremento en la actividad de θ y α [41], pero después de que α alcance cierto valor, θ va incre-
mentándose. En [54] se informa de un incremento en la actividad de δ relacionada con la atención
durante la realización de una tarea mental.
El uso de la relación entre bandas de frecuencia como θ/β, conocido como TBR, informa
que es también un indicador de trastorno de déficit de atención o hiperactividad [55]. El TBR se
incrementa en niños que sufren trastorno de déficit de atención en comparación con niños que no

lo padecen.
Algunos trabajos han demostrado la viabilidad de la detección de estados de atención y relaja-
ción usando un reducido número de electrodos. Por ejemplo, en [44] se utilizaron dos conjuntos de
electrodos para controlar la posición de un objeto en la pantalla de un ordenador por medio de la
concentración. Un conjunto ten´ıa 16 electrodos cubriendo diferentes áreas y hemisferios en el cue-
ro cabelludo. El otro conjunto ten´ıa solo un electrodo en la posición Pz. En los experimentos, los
resultados mostraron que un alto porcentaje de los participantes (70 %) pod´ıan controlar el juego
con solo un electrodo. Dicho porcentaje se incrementó cuando se usó el primer conjunto de elec-
trodos. En [43], dos electrodos en las posiciones FP1 y FP2 fueron usados para detectar el nivel de
relajación. Los autores informaron que la suma de los ´ındices tales como α + θ, y α + β + θ eran
buenos ´ındices de la medición de la relajación. En [56] cinco diferentes configuraciones bipolares
de dos electrodos fueron investigadas durante los ejercicios de atención. Los resultados mostraron
que los ritmos EEG se observaron con más amplitud en dos canales de EEG: FP1-A1 y FP1-T3.
Adoptaron la configuración FP1-A1 porque estas posiciones están libres de cabello y permiten
una fácil colocación de electrodos (estas posiciones son las utilizadas por Neurosky MindWave).
También encontraron que los ritmos α, β y γ presentaron diferencias significativas (p<0.05) entre
niveles de atención altos y bajos. Por esta razón, propusieron un ´ındice, llamado Attention Power
(AP), basado en la suma de las bandas α y β para controlar un juego. El 80 % de los sujetos en-
contraron correlación entre su nivel de atención y el efecto que se ejerce sobre el juego.
No está claro cómo se calcula la atención en el chip Neurosky. Los fabricantes aseguran que
el estado de atención tiene un mayor énfasis en la onda beta, pero el algoritmo exacto no ha sido
publicado. Sin embargo, en [42] se obtuvo una correlación positiva entre el nivel de atención ob-
servado de este dispositivo y los niveles de atención reportados por los propios participantes, que
realizaron un experimento en el que se analizó la capacidad de uso de Neurosky en Second Life
[57].
En la Figura 4.2 [58] podemos ver los principales electrodos a colocar en la cabeza para las
pruebas EEG.
Figura 4.2: Principales electrodos en las pruebas EEG

4.3– ¿Qué es Mindflex?
Mindflex es un juego creado por Mattel [59] en 2009 y que utiliza el chip de Neurosky [31].
Su funcionamiento consiste en leer los impulsos cerebrales a través de sensores colocados en la
posición FP1 y la referencia en la posición A1 del lóbulo de la oreja izquierda. (Figura 4.3).
Figura 4.3: Casco Mindflex
En concreto, se compró la versión Mindflex Duel [60] que viene con dos cascos y es para dos
jugadores. El juego utiliza la atención para transmitir la señal a un ventilador ubicado dentro de la
consola y una pelota de goma. La medida de la atención sirve para controlar la altura de la pelota.
Si la atención es muy baja o ninguna, la pelota estará apoyada en la base y a medida que vamos
aumentando la atención, la pelota irá ascendiendo poco a poco impulsada por una leve corriente
de aire. As´ı hasta llegar a la atención máxima, haciendo que la pelota flote lo más alto posible, a
unos 10cm de la consola.
El objetivo depende del modo de juego a elegir. Hay un modo de estilo libre (freestyle), otro
con obstáculos que hay que ir superando aumentando y disminuyendo la atención, combates entre
dos jugadores cuyo ganador es el que más tiempo esté con la atención alta, etc. La finalidad es
poder controlar el nivel de atención en cada situación. (Figura 4.4)

Figura 4.4: Duelo Mindflex
La principal ventaja del juego Mindflex Duel es que incluye dos cascos y su coste es de apro-
ximadamente 80e.
El inconveniente de este dispositivo es que, aunque usa el chip de Neurosky, no recoge la
información de la señal bruta ni los parpadeos. Además, la esponja que hace contacto con la frente
está recubierta de una tela conductora y con la propia grasa y sudor hace que se produzca a veces
un mal contacto y no funcione bien.
4.3.1. Estructura inicial Mindflex
La estructura inicial de Mindflex tiene tres componentes principales, el chip de Neurosky, un
microcontrolador y un módulo de wireless.
El chip de Neurosky es el encargado de analizar los datos EEG capturados a través de los
sensores colocados en la cabeza. Estos datos se env´ıan de forma inalámbrica a la estación base del
juego, que gracias a su microcontrolador, hace que un ventilador levite la pelota y encienda unos
leds en función del nivel de atención actual. (Figura 4.5).

Figura 4.5: Estructura inicial Mindflex
4.3.2. Estructura final Mindflex
La estructura final de Mindflex tras su modificación es similar a la anterior, la única diferencia
es que soldamos un cable al pin TX de Neurosky encargado de transmitir los datos y otro a la tierra
de la placa principal. Estos dos cables se conectan al Arduino UNO.
Después de estos cambios, el juego sigue funcionando igual que antes pero la información
transcurre en dos direcciones, una para la consola del juego y otra para Arduino. (Figura 4.6).
Figura 4.6: Estructura final Mindflex

4.3.3. Proceso de modificación de Mindflex
Después de comprar el juego y abrir la caja cogemos cualquiera de los dos cascos. (Figura 4.7
y Figura 4.8).
Figura 4.7: Caja Mindflex Duel
Figura 4.8: Interior Mindflex Duel
Después, desatornillar el casco para ver el interior. (Figura 4.9)

Figura 4.9: Apertura cascos Mindflex
Una vez abierto, nos fijamos en los dos componentes principales (Figura 4.10), el módulo de
Neurosky (de color amarillo) y el módulo de wireless (de color azul). El objetivo es soldar un
cable al pin TX de Neurosky (de color violeta) y otro a la tierra de la placa principal, localizada al
reverso (color amarillo en Figura 4.11).
Figura 4.10: Interior frontal cascos Mindflex

Figura 4.11: Interior reverso cascos Mindflex
Finalmente, atornillamos y cerramos los cascos. Deben quedar los dos cables por fuera para
poderlos conectar con Arduino. (Figura 4.12).
Figura 4.12: Cascos Mindflex modificados
4.3.4. Conectar Mindflex con Arduino UNO
Los datos capturados por el chip de Neurosky son enviados a una placa de prototipado Arduino
UNO [12]. La conexión es muy sencilla, simplemente conectamos el cable soldado al pin TX de
Neurosky al pin RX (el número 0) del Arduino UNO y el otro a la tierra (GND). (Figura 4.13 y
Figura 4.14)

Figura 4.13: Pines de Arduino UNO para conectar Mindflex
Figura 4.14: Mindflex y Arduino UNO conectados
Una vez realizado esto, programamos el microcontrolador ATmega328P [61] que tiene la placa
a través del cable USB. Utilizamos el IDE de Arduino [62] para programarlo. Usamos el código
que nos proporciona la web [11], que incluye la librer´ıa necesaria Brain [63]. Con este código
conseguimos capturar los datos EEG y enviarlos por el puerto serie. (Código 4.1)
1 #include <Brain.h>
2
3 // Set up the brain parser, pass it the hardware serial object you want
4 // to listen on.
5 Brain brain(Serial);
6

7 void setup() {
8 // Start the hardware serial.
9 Serial.begin(9600);
10 }
11
12 void loop() {
13 // Expect packets about once per second.
14 // The .readCSV() function returns a string (well, char*) listing
15 // the most recent brain data, in the following format:
16 // "signal strength, attention, meditation, delta, theta, low
17 // alpha, high alpha, low beta, high beta, low gamma, high gamma"
18 if (brain.update()) {
19 Serial.println(brain.readCSV());
20 }
21 }
Código 4.1: Código Arduino para capturar datos EEG
Para que funcione correctamente, se añade al Arduino UNO una placa de prueba con un op-
toacoplador 4N25 [64, 65] para aislar este circuito y el del casco Mindflex. Esto se hace después
de una serie de problemas de desconexión que surgieron. Creemos que pueden ser interferencias
entre la carga estática del cuerpo humano y ambos circuitos, ya que solo se produce la descone-
xión al entrar en contacto con alguna parte del cuerpo. Gracias al optoacoplador, el único contacto
entre ambos circuitos es un haz de luz combinando un LED y un fototransistor. (Figura 4.15, en
rojo conexión para el RX y en negro para la tierra).
Figura 4.15: Circuito Arduino para Mindflex
Una vez solventado el problema, ejecutamos el código y observamos la salida de los datos del
puerto serie que nos llegan. Esta es toda la información que recibimos desde el chip de Neurosky.
Cada conjunto se datos nos llega a una velocidad de 1Hz (uno por segundo) y los valores están
separados por comas. Los valores son: señal de conexión, atención, meditación, delta (δ), theta
(θ), low alpha (αl), high alpha (αh), low beta (βl), high beta (βh), low gamma (γl) y high gamma

(γh).
Los valores de conexión pueden ser 0 (si los cascos están bien colocados), 200 (si no están
colocados) y algún valor intermedio (si están mal conectados). Los valores de la atención y la
meditación están entre 0 y 100. (Figura 4.16).
Figura 4.16: Datos Neurosky en puerto serie
Por último, graficamos los datos en tiempo real. Para ello, utilizamos Processing [66], que es
un lenguaje de programación y entorno de desarrollo integrado de código abierto basado en Java.
El IDE de Arduino está basado en Processing, por lo que son similares. Descargamos el software
de Processing Brain Grapher [67] para mostrar los datos en gráfica en tiempo real. (Figura 4.17 y
Figura 4.18).

Figura 4.17: Gráfica 1 para los datos de Neurosky
Figura 4.18: Gráfica 2 para los datos de Neurosky

4.4– Conectando Mindflex, Arduino y Android
4.4.1. Enviar los datos EEG desde Arduino a Android
El siguiente paso es poder enviar los datos a través de un módulo bluetooth conectado en el
Arduino UNO. Para ello, hemos elegido el bluetooth JY-MCU [68] que tiene un coste muy bajo y
es muy fácil de utilizar. (Figura 4.19).
Figura 4.19: Módulo bluetooth JY-MCU
El problema de utilizar el módulo bluetooth es que necesita los pines RX y TX de Arduino. El
RX ya está en uso para recibir los datos del casco de Mindflex, por lo que el código anterior del
microcontrolador no nos vale. (Figura 4.20 [69]).
Figura 4.20: Esquemático circuito Arduino con el módulo bluetooth
Para solucionar esto, utilizamos la librer´ıa SoftwareSerial [70], que sirve para simular que
cualquier pin que configuremos de Arduino UNO se comporte igual que los pines RX y TX. Tam-
bién usamos la librer´ıa Amarino “MeetAndroid” [71], que nos facilita la comunicación bluetooth
entre Arduino y un dispositivo Android. Actualmente hay formas más fácil de hacerlo, pero en
2012 ésta era la mejor opción.

Combinando ambas librer´ıas, podemos programar el microcontrolador y enviar los datos EEG
a cualquier dispositivo Android a través del módulo bluetooth. Simulamos que el pin 2 se com-
porta como RX y el 3 como TX. Ambos son los que usa el bluetooth. Además, para mejorar la
combinación de ambas librer´ıas, se ha modificado MeetAndroid para que acepte un constructor
con un objeto SoftwareSerial. (Código 4.2)
1 // Libreria para recoger los datos de Neurosky EEG
2 #include <Brain.h>
3 // Libreria para virtualizar los pines RX y TX de Arduino
4 #include <SoftwareSerial.h>
5 // Libreria para enviar los datos del bluetooth desde Arduino a Android
6 #include <MeetAndroid.h>
7
8 // Define con RX_BT (RX Bluetooth) para virtualizarlo en el pin 2 y
9 // TX_BT (TX Bluetooth) para virtualizarlo en el pin 3
10 #define RX_BT 2
11 #define TX_BT 3
12 // Define con los bauds por defecto
13 #define BAUDS 9600
14
15 // Creamos el objeto brain pasandole el Serial por defecto donde se
16 // recibiran los datos en los pines 0 (RX) y 1 (TX).
17 Brain brain(Serial);
18
19 // Creamos el objeto sentToAndroid con el que enviaremos los datos
20 // desde el bluetooth hasta el dispositivo Android
21 MeetAndroid sendToAndroid(RX_BT, TX_BT, BAUDS);
22
23 void setup() {
24 // Configuramos el puerto Serial por defecto (por el que recibimos
25 // los datos del dispositivo neurosky)
26 Serial.begin(BAUDS);
27 }
28
29 void loop() {
30 // Se recibe un paquete por segundo aproximadamente. El orden de los
31 // parametros recibidos con el metodo readCSV() es:
32 // "signal strength, attention, meditation, delta, theta, low alpha,
33 // high alpha, low beta, high beta, low gamma, high gamma"
34
35 // Comprobamos que llega la seal a traves del pin 0 RX (Serial)
36 // procedente de neurosky
37 if (brain.update()) {
38 // Si nos llega la seal, enviamos los datos a traves del bluetooth
39 // por el pin 3 TX virtualizado
40 sendToAndroid.send(brain.readCSV());
41 }
42 }
Código 4.2: Código Arduino para capturar datos EEG y enviarlos por bluetooth a Android
Finalmente, el circuito con el módulo bluetooth incluido tiene el siguiente aspecto. (Figu-
ra 4.21).

Figura 4.21: Circuito Arduino con el módulo bluetooth listo para Neurosky y Android
4.4.2. Recibiendo los datos EEG en Android y mostrándolos en gráficas
En el proyecto de Android con la librer´ıa de Amarino agregada, utilizamos el componente de
Android BroadcastReceiver [72] para capturar los datos recibidos a través del bluetooth. Los datos
llegan cada segundo en una l´ınea, separados por comas, como en Figura 4.16. Lo que hacemos es
dividir cada dato utilizando la coma como separador.
La implementación de esta librer´ıa es compleja y requiere de mucho código para que funcione
correctamente. Esto hace que el código no quede muy limpio y que sea poco escalable para futuros
proyectos.
Por último, utilizamos la librer´ıa AndroidPlot [73] para graficar los datos en tiempo real y
mostrar distintos tipos de gráficas. (Figura 4.22, Figura 4.23, Figura 4.24 y Figura 4.25).

Figura 4.22: Gráfica de barras con datos Neurosky en Android
Figura 4.23: Gráfica de l´ıneas con datos de Neurosky en Android

Figura 4.24: Gráfica de l´ıneas y puntos con datos de Neurosky en Android
Figura 4.25: Gráfica de l´ıneas, puntos y sombras con datos de Neurosky en Android
Una vez terminada la graficación de datos, se dio el visto bueno para continuar y empezar un
nuevo proyecto con el objetivo de poder entrenar la atención.
4.5– Simplificando el diseño del circuito
La última fase de este proyecto y con la que se finalizó el curso 2012/2013 fue la de simplificar
el circuito (Figura 4.26 y Figura 4.27) y los cables de los cascos (Figura 4.28).

Figura 4.26: Circuito simpliﬁcado
Figura 4.27: Circuito simpliﬁcado con Arduino UNO y bluetooth

Figura 4.28: Cable de cascos simplificados
4.6– Cambio de Mindflex por Neurosky MindWave
Después de un año y medio trabajando con Mindflex y tras realizar las pruebas con personas
sin discapacidad (ver cap´ıtulo 8) se decidió comprar los cascos originales de Neurosky, llamados
MindWave [14]. Aprovechamos que bajaron de precio casi un 50 %. (Figura 4.29).
Figura 4.29: Cascos Neurosky MindWave

Este nuevo casco tiene muchas ventajas, como la detección de los parpadeos, captura de la
señal raw, un sistema de colocación mucho más cómodo, menores problemas de conexión, menor
peso, etc. Además, evitamos tener que depender de un Arduino constantemente. (Figura 4.30).
Figura 4.30: Colocación cascos Neurosky MindWave

CAPÍTULO 5
Proyecto Principal 1 - EEG Mindroid Training
5.1– Introducción
El proyecto EEG Mindroid Training tiene el objetivo de que el usuario pueda entrenar la
capacidad de la atención y conseguir dominarla. Esta es la fase previa que es necesario dominar
para poder utilizar con éxito el segundo proyecto EEG Mindroid Pictogramas.
Hay dos modos de entrenamiento, el primero es el modo “Freestyle” en el que el usuario
podrá experimentar con su atención, sin tener que llegar a un objetivo en concreto, simplemente
debe ser capaz de averiguar los est´ımulos que le ayudan a tener una atención alta (concentración)
o una atención baja (desconcentración). El segundo consiste en una serie de pruebas programadas
en las que durante un tiempo determinado los usuarios deben estar con la atención alta y en otros
con la atención baja.
Con estas pruebas, analizamos la capacidad que tienen las personas con parálisis cerebral y las
personas sin ninguna discapacidad para controlar la aplicación.
5.2– Diseño
5.2.1. Actores
Existen dos tipos de actores que usarán la aplicación.
ACT-01 Usuario
Descripción El actor usuario podrá manejar toda la aplicación sin restricciones
Comentarios
Este actor representa a personas sin discapacidad o a personas con la su-
ficiente autonom´ıa para no depender de terceras personas para realizar las
pruebas
Cuadro 5.1: Actor 01 - Usuario
35

EEG Mindroid Training App

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a EEG Mindroid Training App

Similar a EEG Mindroid Training App (20)

Último

Último (20)

EEG Mindroid Training App