El Fin Del Conocimiento - Bóveda 3 - G.TEC BCI & Neurotecnología Escuela de Primavera 2024 - Día 6 - HACKATHON DE DISEÑADORES BR41N.IO

graph LR classDef bci fill:#f9d4d4, font-weight:bold, font-size:14px classDef hackathon fill:#d4f9d4, font-weight:bold, font-size:14px classDef institutes fill:#d4d4f9, font-weight:bold, font-size:14px classDef projects fill:#f9f9d4, font-weight:bold, font-size:14px classDef unicorn fill:#f9d4f9, font-weight:bold, font-size:14px classDef datasets fill:#d4f9f9, font-weight:bold, font-size:14px A["HACKATHON DE DISEÑADORES
BR41N.IO - 1"] --> B["Escuela de Primavera: asistentes,
educación, ponentes. 1"] A --> C["Hackathon: 24h, mundial,
jurado experto. 2"] C --> D["Institutos: varios países. 3"] C --> E["Jurado: universidades, empresas. 4"] C --> F["Premios: dinero, certificados,
categorías. 5"] C --> G["Proyectos pasados: auriculares,
robótica, arte, rehabilitación. 6"] A --> H["Guger: bienvenida, proyecto excavadora. 7"] A --> I["Spuler: Unicorn BCI
hardware & software. 8"] I --> J["Amplificador: 8 canales,
24-bit, electrodos híbridos. 9"] I --> K["Unicorn: uso mundial,
características clave. 10"] I --> L["Software: APIs a aplicaciones,
varias plataformas. 11"] I --> M["Preprocesamiento: filtrar ruido,
enfocar en frecuencias. 12"] I --> N["Ritmos EEG: estados cerebrales. 13"] I --> O["Potenciales evocados visualmente:
P300, SSVEP, c-VEP. 14"] I --> P["Demo: auricular, impedancia,
visualizar EEG. 15"] I --> Q["Unicorn Speller: P300,
controlar aplicaciones. 16"] I --> R["Blondie Checker: clasificar imágenes
por P300. 17"] I --> S["Unity: juegos BCI,
SSVEP & teclado. 18"] S --> T["Demo: juego Unity SSVEP,
opciones de configuración. 19"] S --> U["Consejos: estímulos, clasificadores,
entrada multimodal. 20"] S --> V["Paquete: instalar, prefabricados,
controladores. 21"] S --> W["Personalizar: UI, objetos. 22"] S --> X["Simulador: probar sin hardware,
enviar LSL. 23"] I --> Y["APIs: Python, C#, C,
integración flexible. 24"] A --> Z["Conjuntos de datos: EEG, ECoG,
varios paradigmas. 25"] Z --> AA["Rehabilitación de ictus: imaginación motora,
pre/post terapia. 26"] Z --> AB["P300 speller: parpadeo de filas/columnas. 27"] Z --> AC["SSVEP: 4 frecuencias,
2 sujetos, LDA. 28"] Z --> AD["Pacientes no responsivos: P300 táctil. 29"] AD --> AE["Diferencias de precisión justifican
análisis de biomarcadores. 30"] Z --> AF["Poses de mano ECoG:
tarea piedra-papel-tijera. 31"] AF --> AG["Actividad de alta frecuencia
discrimina poses. 32"] Z --> AH["Vídeo ECoG: decodificación
de categoría visual. 33"] AH --> AI["Analizar electrodos discriminantes
de categorías. 34"] A --> AJ["Asistentes: moverse a Discord,
comenzar hackathon. 35"] A --> AK["Horario: charla NeuroTechX,
premios mañana. 36"] A --> AL["Equipos: participación emocionante. 37"] A --> AM["Guger: anticipa resultados de proyectos. 38"] class A,B,H,I,M,N,O,P,Q,R,Y bci class C,D,E,F,G,AJ,AK,AL,AM hackathon class J,K,S,T,U,V,W,X unicorn class Z,AA,AB,AC,AD,AE,AF,AG,AH,AI datasets

Resumen:

1.- BCI & Neurotecnología Escuela de Primavera 2024 tiene 81,000 asistentes de 118 países con 140 horas de educación y 85 ponentes.

2.- Hoy es el día del hackathon con 24 horas para crear aplicaciones BCI. Es un evento mundial con un jurado experto.

3.- Los institutos anfitriones abarcan muchos países, incluyendo Austria, Países Bajos, Dinamarca, EAU, Canadá, EE.UU., China, Italia, Colombia, Suecia, Polonia y Australia.

4.- Los miembros del jurado provienen de la Universidad de Ámsterdam, Universidad de Timisoara, Bootsen Italia, Queen's University Canadá y Universidad de Tennessee EE.UU.

5.- Los premios incluyen $1000 para el primer lugar y certificados para el segundo y tercero. Las categorías cubren juegos, programación, control de hogar inteligente, arte, etc.

6.- Los proyectos pasados involucraron auriculares de máquina de coser, manos protésicas, drones, pintura de sueños, rehabilitación VR/AR, robots esféricos, control de excavadoras y pintura robótica.

7.- Christoph Guger da la bienvenida a los asistentes y resume estadísticas. Muestra un proyecto controlando una excavadora con un unicorn speller.

8.- Martin Spuler de G.Tec da una presentación sobre las interfaces de hardware y software del sistema de interfaz cerebro-computadora unicorn.

9.- El amplificador unicorn tiene 8 canales EEG con resolución de 24 bits y electrodos híbridos secos/gel. Funciona directamente.

10.- El unicorn es utilizado por muchas instituciones de investigación en todo el mundo. Las características clave son resolución de 24 bits, electrodos híbridos y colocación inteligente de electrodos.

11.- El software unicorn abarca desde APIs hasta aplicaciones terminadas para investigación, arte, robótica, educación y más. Soporta muchas plataformas.

12.- El preprocesamiento de EEG implica filtrado de paso de banda y de muesca para eliminar el ruido y enfocarse en frecuencias de interés de 0.5-50 Hz.

13.- Los ritmos EEG como delta, theta, alfa, beta y gamma reflejan diferentes estados cerebrales desde el sueño profundo hasta la alta alerta.

14.- Los potenciales evocados visualmente como P300, SSVEP y c-VEP utilizan estímulos visuales para provocar respuestas cerebrales detectables para el control BCI.

15.- Una demostración en vivo muestra la aplicación del auricular unicorn, comprobando impedancias y visualizando datos EEG limpios con los ojos abiertos/cerrados.

16.- El Unicorn Speller utiliza P300 para seleccionar caracteres parpadeando filas y columnas. Se puede usar para controlar otras aplicaciones.

17.- El Blondie Checker clasifica imágenes basándose en la detección de respuestas P300 cuando aparece un rostro rubio, mostrando que el cerebro detecta estímulos objetivo.

18.- La interfaz del motor de juegos Unity permite crear juegos BCI que combinan control de teclado con control SSVEP del entorno.

19.- Demostración en vivo del control SSVEP en el juego Unity y discusión de herramientas de desarrollo y opciones de configuración en el marco Unity.

20.- Consejos para el diseño de juegos BCI incluyen no tener demasiados estímulos simultáneos, ajustar parámetros del clasificador y combinar modalidades de entrada.

21.- El paquete Unity para Unicorn se instala a través del gestor de paquetes Unity. Los prefabricados facilitan la integración en proyectos.

22.- La calidad de la señal, el gestor BCI y los controladores Flash manejan el núcleo de la tubería BCI. Los desarrolladores pueden personalizar la UI y los objetos.

23.- El modo simulador permite probar juegos sin conectar el hardware BCI. El marco soporta el envío de datos a otras aplicaciones vía LSL.

24.- Python, C#, C y otras APIs permiten la integración flexible de Unicorn en aplicaciones personalizadas siguiendo una plantilla básica de adquisición de datos.

25.- Conjuntos de datos de rehabilitación de ictus (imaginación motora), conjuntos de datos P300, conjuntos de datos SSVEP y conjuntos de datos de pacientes no responsivos (P300 vibrotáctil) están disponibles.

26.- Conjuntos de datos ECoG de clasificación de poses de mano y visualización de vídeos con categorización de estímulos visuales proporcionan una perspectiva BCI invasiva.

27.- El paradigma de rehabilitación de ictus proporciona retroalimentación en bucle cerrado vía FES, con conjuntos de datos que muestran cambios pre/post terapia. Se describe una tubería.

28.- El P300 speller utiliza parpadeo de filas/columnas para detectar la letra objetivo. Se proporcionan conjuntos de datos de 5 sujetos grabados con Unicorn.

29.- Conjuntos de datos SSVEP con 4 frecuencias (9-15 Hz) de 2 sujetos viendo estímulos parpadeantes se detallan, incluyendo un clasificador LDA.

30.- Los datos de pacientes no responsivos utilizan un paradigma P300 táctil de 3 clases (muñeca objetivo, muñeca no objetivo, tobillo distractor) para evaluar el seguimiento de comandos.

31.- Las diferencias de precisión entre sesiones para pacientes no responsivos justifican un análisis adicional para posibles biomarcadores explicativos.

32.- El conjunto de datos invasivo de poses de mano, grabado desde una cuadrícula ECoG de alta densidad durante una tarea de piedra-papel-tijera, abarca la corteza sensoriomotora.

33.- La actividad de alta frecuencia (>50 Hz) proporciona una señal robusta para las poses de mano, con datos muestreados a 1.2 kHz. Se comparten tuberías de referencia.

34.- Otro conjunto de datos ECoG involucra a un paciente viendo un vídeo de un paseo por el jardín con varias categorías visuales (caras, objetos, dígitos, etc).

35.- Analizar los datos ECoG del paseo por el jardín podría revelar electrodos discriminativos de categorías visuales, por ejemplo, en el lóbulo temporal.

36.- A continuación, los asistentes se moverán a Discord y otros foros para hacer networking y comenzar el hackathon. Se están distribuyendo conjuntos de datos y enlaces.

37.- El hackathon reanuda presentaciones a las 4pm hora de Viena con NeuroTechX, luego presentaciones de equipos y premios mañana por la tarde.

38.- Muchos equipos están participando, lo cual es emocionante. Christoph espera con interés los resultados de los proyectos presentados mañana.

Bóveda de Conocimiento construida por David Vivancos 2024