Ilustracionesspa:La electroencefalografía EEG, se ha convertido en una herramienta de suma importancia en el análisis de la actividad cognitiva, las técnicas basadas en inteligencia artificial han llegado a integrarse como una parte fundamental en los procesos de extracción de patrones, clasificación y aprendizaje de datos de señales EEG. Uno de los fenómenos, objeto de estudio del análisis cerebral a nivel electrofisiológico y clínico es la meditación. Dados sus beneficios comprobados científicamente y su uso potencial para la curación de las condiciones médicas, relacionadas con trastornos cognitivos y el bienestar mental en general. Recientemente se han identificado un cúmulo de investigaciones que involucran recursos de la inteligencia computacional en el análisis de factores asociados al estudio de la mente divagante y la meditación. La meditación como herramienta reguladora de los pensamientos divagantes y su incidencia en la salud del cerebro, está fundamentada en el hecho de que algunos desordenes cognitivos vienen dados por los pensamientos divagantes. El estado de mente divagante se ve expresado mediante la actividad del Default-Mode Network DMN. La meditación regula el estado de DMN. Basados en estos principios se pretende diseñar un modelo e implementar un prototipo para la detección de la mente divagante MW, usando procesamiento de señales EEG y Aprendizaje Automático ML a partir de señales eléctricas producidas por el cerebro. Con el propósito de crear un framework basado en inteligencia artificial, para el análisis datos EEG y caracterización de mente divagante MW, como base de un programa de entrenamiento asistido por computadora para el aprendizaje de la meditación.eng:Electroencephalography EEG has become in one main resources in cerebral activity analysis. Artificial Intelligence based techniques has been a fundamental part in pattern detection, classification and learning of EEG signals data. One of the subjects, which is object of study at electrophysiology and clinic level in neural analysis is meditation. Despite of its well-known and scientifically proven benefits and its potential use in medical conditions related with cognitive disorders and mental healthcare. At this point there are a few initiatives involved in the use of Computational Intelligence in the analysis of meditation. The meditation as mind-wandering controller and its relationship with mental wellness, is established in this project by the fact that some mental conditions are increased by mind-wandering MW; this experience arises from activity in the Default Mode Network DMN; Mindfulness meditation regulates the DMN activity. Based on these principles we propose to design a model and implement a prototype for mind-wandering MW classification using EEG signal processing and machine learning ML processing from electrical signals produced by the brain, with the purpose of create an Artificial Intelligence based framework to analyze EEG data and classify MW activity arousal, as a part of a computer-aided meditation training program.Título de la tesis / Resumen / Abstract / Índice / Lista de Figuras / Lista de Tablas / Lista de Abreviaturas / 1. CAPITULO 1. Introducción / 1.1. Campo temático / 1.2. Planteamiento del problema / 1.2.1. Descripción de la realidad problemática / 1.2.2. Formulación del problema / 1.2.3. Delimitación de la investigación / 1.3. Justificación / 1.4. Objetivos: / 1.4.1. Objetivo general / 1.4.2. Objetivos específicos / 1.5. Estructura del documento / 2. CAPITULO 2. Revisión bibliográfica / 2.1. Marco teórico / 2.1.1. Procesamiento de Señales Bioeléctricas y Electroencefalografía: / 2.1.2. Interfaces Cerebro Computador BCI / 2.1.3. Procesamiento de señales EEG / 2.1.4. Inteligencia Artificial y Aprendizaje Automático / 2.2. Trabajos Relacionados / 2.2.1. Mindwanering: La mente divagante y el Default Mode Network / 2.2.2. Meditación Mindfulness: Una terapia de relajación de la mente basado en conciencia plena asociada y un fenómeno neurológico en la electroencefalografía / 2.2.3. Inteligencia Artificial y Aprendizaje automático en Interfaces Cerebro Computador / 2.2.4. Interfaces Cerebro Computador en la actualidad / 2.2.5. Teoría y métodos de estimación espectral: Aplicación al análisis EEG / 2.2.6. Referente neurocientífico de la mente divagante, la meditación y el DMN / 3. CAPITULO 3. Metodología: Descripción detallada del proceso / 3.1. Materiales y Métodos / 3.1.1. Establecer los datos provenientes de análisis neuronales con el fin de proyectar experimentos para la detección del Default Mode Network (DMN) / 3.1.2. Evaluar las técnicas de procesamiento de neuroseñales EGG para la detección de DMN a través de dispositivos BCI / 3.1.3. Determinar y aplicar técnicas de análisis de datos a partir de técnicas de clasificación y aprendizaje automático que aproximen la caracterización de mente divagante / 3.1.4. Validar el prototipo del sistema mediante pruebas que se llevaran a cabo sobre la interfaz 112 3.2. Diseño de la solución / 3.2.1. Adquisición de datos / 3.2.2. Preprocesamiento y extracción de características / 3.2.3. Clasificación: Desarrollar un modelo predictivo / 3.2.4. Validación, optimizar del modelo y despliegue / 4. CAPITULO 4. Análisis de Resultados / 4.1. Estudio Entre-sujetos: / 4.2. Estudio Intra-sujetos: / 5. CAPÍTULO 5. Trabajo futuro, conclusiones y recomendaciones / 5.1. Diseñar un modelo e implementar un prototipo computacional, para la detección de estado de mente divagante, que contribuya en el aprendizaje de la meditación / 5.2. Establecer los datos provenientes de análisis neuronales con el fin de proyectar experimentos para la detección del Default Mode Network (DMN) / 5.3. Evaluar las técnicas de procesamiento de neuroseñales EGG para la detección de DMN a través de dispositivos BCI / 5.4. Determinar y aplicar técnicas de análisis de datos a partir de técnicas de clasificación y aprendizaje automático que aproximen la caracterización de mente divagante / 5.5. Validar el prototipo del sistema mediante pruebas que se llevaran a cabo sobre la interfaz / . 130 5.6. Trabajo Futuro / Anexos / Anexo 1 / Anexo 2 / Anexo 3 /Anexo 4 / Anexo 5 / Bibliografía / ReferenciasMaestríaMagister en Ingeniería ComputacionalModelos Biocomputacionales y BioinformáticaInteligencia Computacional y Organizacional