Registro de carga mental mediante EEG en interacción hombre máquina con procesamiento visual, toma de decisiones y control de movimiento.

Abstract

[ES]Introducción: El estudio de las interacciones entre un individuo y un equipo, sistema o máquina, desde un enfoque cognitivo, tiene como principal interés conocer el nivel de estrés o de carga mental que se presenta. El electroencefalograma (EEG) es un medio para observar dichos niveles a través del comportamiento de los ritmos neurológicos y con interfaces cerebro-computador (BCI), registrarlas para facilitar su análisis y posterior aplicación en tecnologías emergentes como la IA, la IoT y la ciencia de datos. Método: Se ejecutó una tarea simple y de corta duración en 30 repeticiones, por parte de un voluntario, al cual se le colocaron electrodos utilizando el sistema 10-20, para registrar la carga mental en Pz, O1 y O2 de Alpha y Theta con la interfaz Aura de Mirai Innovation Research Institute y el software Jasp para determinar el coeficiente de correlación de Pearson. Resultados: Se registraron 30 bases de datos, las cuales fueron procesadas en Jasp para calcular la correlación entre los ritmos Alpha y Theta, en las ubicaciones Pz, O1 y O2. Conclusiones: El procesamiento de información obtenida concluyó que existe una correlación positiva entre ambos ritmos, información coincidente con la establecida en la literatura disponible al respecto y por consecuencia, valida al resto de los datos para ser utilizados en la construcción de la base neurológica que interviene en tareas de procesamiento visual, toma de decisiones y control de movimiento, para futuros desarrollos de tecnología emergente. [EN] Introduction: The main interest of the study of the interactions between a person with a team, system or machine, from a cognitive approach, is to know the level of stress or mental load that occurs. The electroencephalogram (EEG) is a way to observe these levels through the behavior of neurological rhythms and with brain-computer interfaces (BCI), record them to facilitate their analysis and future application in emerging technologies such as AI, IoT and science of data. Method: A simple and short-duration task was performed in 30 repetitions by a volunteer, who was placed with electrodes using the 10-20 system to record the mental load in Pz, O1 and O2 of Alpha and Theta with the Aura interface of Mirai Innovation Research Institute and Jasp software to determine the Pearson correlation coefficient. Results: 30 databases were registered, which were processed in Jasp to calculate the correlation between Alpha and Theta rhythms, at locations Pz, O1 and O2. Conclusions: The processing of information obtained concluded that there is a positive correlation between both rhythms, information that coincides with that established in the available literature and validates the rest of the data to be used in the construction of the neurological basis that intervenes in visual processing tasks, taking decision making and motion control, for future emerging technology developments.