Los sistemas de interfaz cerebro-computadora: una herramienta para apoyar la rehabilitación de pacientes con discapacidad motora
Palabras clave:
Interfaces cerebro-computadora, rehabilitación, electroencefalografía, daño neuromotorResumen
En los últimos 15 años se han desarrollado en diversas partes del mundo nuevos sistemas para
la rehabilitación de pacientes con desórdenes neuromusculares severos, como esclerosis lateral
amiotrófica, infarto cerebral y lesión medular. Estos sistemas han sido denominados como inter-
faces cerebro-computadora. Los sistemas de interfaz cerebro-computadora buscan proveer a
sus usuarios de capacidades de comunicación básicas, como operar programas de selección de
palabras en una computadora o controlar una neuroprótesis. Los sistemas de interfaz cerebro-
computadora descifran la intención del usuario de moverse o comunicarse a través del análisis
de señales eléctricas cerebrales que incluyen potenciales corticales lentos, potenciales evocados
visuales, potencial P300, y ritmos beta o mu registrados sobre el cuero cabelludo, así como la
actividad neuronal cortical registrada mediante electrodos implantados. Estas señales son con-
vertidas en comandos para operar una computadora o algún otro dispositivo por medio de un
procesamiento digital efectuado en tiempo real. En este artículo se muestra un panorama general
de los sistemas de interfaz cerebro-computadora, sus características y aplicaciones con mayor
relevancia orientadas a mejorar la calidad de vida de los pacientes con discapacidad motora.
##plugins.generic.pfl.publicationFactsTitle##
##plugins.generic.pfl.reviewerProfiles## N/D
##plugins.generic.pfl.authorStatements##
Indexado: {$indexList}
-
##plugins.generic.pfl.indexedList##
- ##plugins.generic.pfl.editorAndBoard##
- ##plugins.generic.pfl.profiles##
- ##plugins.generic.pfl.academicSociety##
- N/D
Para obtener más información sobre un dato, haga clic
##plugins.generic.pfl.maintainedByPKP##
Citas
Mason SG, Birch GE. A general framework for brain-
computer interface design. IEEE Trans Neural Syst and
Rehab Eng. 2006; 11: 70-85.
Schalk G, McFarland DJ, Hinterberger T, Birbaumer N,
Wolpaw JR. BCI2000: a general-purpose braincomputer
interface (BCI) system. IEEE Trans Biomed Eng. 2004;
: 1034-1043.
Rokni U, Richardson AG, Bizzi E, Seung HS. Motor
learning with unstable neural representations. Neuron.
; 54: 653-666.
Leuthardt EC, Schalk G, Wolpaw JR, Ojemann JG,
Moran DW. A brain-computer interface using electro-
cortic graphic signals in humans. J Neural Eng. 2004;
: 63-71.
Kennedy, PR, Bakay RAE, Moore MM, Adams KD,
Goldwaithe J. Direct control of a computer from the
human central nervous system. IEEE Trans Rehabil
Eng. 2000; 8: 198-202.
Hochberg L, Serruya MD, Friehs GM, Mukand JA, Sa-
leh M, Caplan AH et al. Neuronal ensemble control of
prosthetic devices by a human with tretraplegia. Nature.
; 442: 164-171.
Taylor D, Tillery SI, Schwartz AB. Direct cortical control of 3D
neuroprosthetic devices. Science. 2002; 296: 1829-1832.
Musallam S, Greger B, Scherberger H, Andersen RA.
Cognitive control signals for neural prosthetics. Science.
; 305: 258-262.
Carmena JM, Lebedev MA, Crist RE, O’Doherty JE,
Santucci DM, Dimitrov DF et al. Learning to control a
brain-machine interface for reaching and grasping by
primates. PLoS Biol. 2003; 1: 42.
Wang R, Gao X, Hong B, Gao S. A practical VEP–ba-
sed brain-computer interface. IEEE Trans Neural Syst
Rehabil Eng. 2006; 14: 234-240.
Friman O, Volosyak I, Gräser A. Multiple channel
detection of steady–state visual evoked potentials for
brain-computer interfaces. IEEE Trans Biomed Eng.
; 54: 742-750.
Sutton S, Braren M, Zubin J, John ER. Evoked-potentials
correlates of stimulus uncertainty. Science. 1965; 150:
-1188.
Farwell LA, Donchin E. Talking off the top of your head:
toward a mental prosthesis utilizing event-related brain
potentials. Electroencephal Clin Neurophys. 1988; 70:
-523.
Pfurtscheller G, Neuper C. Motor imagery activates pri-
mary sensorimotor area in humans. Neurosci Lett.1997;
: 65-68.
Neuper C, Müller GR, Kübler A, Birbaumer N, Pfurt
cheller G. Clinical application of an EEG-based bra-
in–computer interface: a case study in a patient with
severe motor impairment. J Clin Neurophysiol. 2003;
: 399-409.
Wolpaw J, McFarland DJ. Control of two-dimensional
movement signal by a noninvasive brain-computer
interface in humans. PNAS. 2004; 101: 17849-17854.
Wolpaw J, Birbaumer N, McFarland DJ, Pfurtscheller G,
Vaughan TM. Brain–computer interfaces for communica-
tion and control. J Clin Neurophysiol. 2002; 113: 767-791.
Birbaumer N, Ghanayim N, Hinterberger T, Iversen I,
Kotchoubey B, Kübler A, Perelmouter J et al. A spelling
device for the paralysed. Nature. 1999; 398: 297-298.
Hoffmann U, Vesin JM, Ebrahimi, T. Recent advances in
brain-computer interfaces (Invited Paper). 2007 MMSP;
: 7-17.
Schlögl A, Lee F, Bischof H, Pfurtscheller G. Charac-
terization of four-class motor imagery EEG data for the
BCI-competition 2005. J Neural Eng. 2005; 1: 14-22.
Lalor E, Kelly SP, Finucane C, Burke R, Smith R, Reilly
RB. Steady-state VEP-based brain-computer interface
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Instituto Nacional de Rehabilitación Luis Guillermo Ibarra Ibarra
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© Instituto Nacional de Rehabilitación Luis Guillermo Ibarra Ibarra under a Creative Commons Attribution 4.0 International (CC BY 4.0) license which allows to reproduce and modify the content if appropiate recognition to the original source is given.
