Obtención de métricas sobre la actividad cerebral de usuarios a través de señales EEG y Machine Learning

Abstract

[ES] El análisis del impacto de las aplicaciones de software en los usuarios es una parte fundamental del proceso de calidad. Con el fin de obtener resultados más precisos y objetivos, se ha introducido la monitorización de datos fisiológicos a los métodos de evaluación de software. En concreto, la monitorización de señales electroencefalográficas han demostrado un gran desempeño reconociendo el estado cognitivo – emocional de los usuarios. Empresas como BitBrain han invertido en estas tecnologías, desarrollando dispositivos capaces de capturar las señales y herramientas de software para su procesado y visualización. Este software permite conocer el estado del usuario a través de cuatro métricas: valencia o atracción, memorización, implicación y carga cognitiva. En este trabajo se pretende crear una herramienta de software que sea capaz de procesar los datos en crudo obtenidos por BitBrain y llevar a cabo el cálculo de las métricas de forma independiente. Esto permitiría crear la base de un proyecto open-source donde se pueda aumentar las funcionalidades e integrarlo en otras aplicaciones. Para ello, se ha llevado a cabo un estudio sobre el marco teórico, se han desarrollado procedimientos para el preprocesado, limpieza y disposición de los datos, y se han entrenado modelos de Machine Learning usando como referencia los datos de BitBrain. Como resultado, se ha generado un modelo para cada métrica usando redes neuronales de regresión. Se han probado diferentes configuraciones para el algoritmo, y se han encontrado similitudes en cuanto a precisión entre la mayoría de ellas. Los rangos de error de los modelos se encuentran dentro de un límite aceptable que permite identificar la tendencia en el estado del usuario

[EN] Analysing the impact of software applications in users plays a key role in the quality process. Aiming to obtain more accurate and objective results, monitoring physiological data is being introduced as an alternative to conventional evaluation techniques. Specifically, monitoring EEG signals has proved a great performance at evaluating users’ cognitive – emotional state. Companies like BitBrain have invested in these technologies, developing devices capable of capturing raw EEG signals as well as software applications for processing and displaying data. This software provides four metrics about the user’s state: valence, memorization, engagement and workload. The aim of this thesis is to create a software tool capable of processing the raw data obtained from BitBrain’s software and then calculating the metrics independently. This would set the foundations of an opensource project where new functionalities could be implemented and integrations with other applications would be possible. To achieve this goal, this thesis contains a theoretical background, the procedures to pre-process, clean and lay out the data, and the training of Machine Learning models using BitBrain’s data as reference. As a result, a model has been created for each metric. Different configurations for the algorithm have been applied and the accuracy results are similar for the majority of them. The model’s errors are below an acceptable range that allows to identify the tendency in the variation of the user’s state.