Abstract:
Este proyecto consistió en el desarrollo de una primera fase, dividida en cinco etapas,
de un sistema de clasificación automática de las etapas del sueño. Este sistema una vez
finalizado sería capaz de generar pulsos binaurales para combatir trastornos del sueño en
los atletas. En la primera etapa se realizó una conexión efectiva entre un Electro-Cap y una Cyton Board de OpenBCI para hacer lecturas de las ondas cerebrales. Posteriormente, en la segunda etapa se desarrolló un algoritmo en Python capaz de generar pulsos binaurales de cualquier frecuencia y duración, en donde los audios finales fueron examinados en el analizador de espectros de la herramienta Audacity y Sonic Visualizer. La tercera etapa consistió en la adquisición de los datos crudos en tiempo real de la Cyton Board, lo cual se logró mediante un algoritmo en Python que también permitía almacenar los datos leídos en un archivo CSV.
En la cuarta etapa se realizó el procesamiento de los datos mediante el diseño e implementación de filtros digitales en tiempo real. Para validar esta etapa las señales filtradas se compararon con las señales de la interfaz de OpenBCI y se pudieron obtener exactamente los mismos resultados. Finalmente, en la última etapa se utilizó la base de datos Sleep-EDF Database para adquirir polisomnografías de múltiples personas junto a sus hipnogramas respectivos. Se extrajeron las características Mean Absolute Value (MAV) y Zero Crossing (ZC) de cuatro distintas señales presentes en las polisomnografías para entrenar una red neuronal (RN) y una máquina de vectores de soporte (SVM). Las mejores clasificaciones fueron obtenidas a partir de las RN, en donde se llegaron a obtener rendimientos superiores al 90% al clasificar las etapas del sueño según las guías de la Academia Estadounidense de Medicina del Sueño (AASM).
