Víctor Martínez Cagigal

Víctor Martínez Cagigal nació en Valladolid, España, en 1992. Recibió el Grado en Ingeniería en Tecnologías Específicas de la Telecomunicación (Mención en Sistemas de Telecomunicación) en 2014, y el Máster en Investigación en Tecnologías de la Información y las Comunicaciones en 2015, ambas en la Universidad de Valladolid (UVa). Actualmente, se encuentra realizando su Tesis Doctoral en el Grupo de Ingeniería Biomédica de la UVa, centrada en el diseño y desarrollo de sistemas Brain–Computer Interface (BCI), así como en métodos de procesado de señal en tiempo real. A lo largo de sus estudios doctorales, ha publicado un total de 4 artículos en revistas internacionales indexadas (2 D1, 1 Q2, 1 Q4); 1 capítulo de libro; 6 comunicaciones en congresos internacionales y 7 en nacionales. Asimismo, ha participado en 7 proyectos de I+D+i financiados bajo convocatorias competitivas; ha impartido un total de 5 seminarios y ha codirigido 2 Trabajos Fin de Grado y 1 Trabajo Fin de Máster. A raíz de los méritos mencionados, se le han otorgado 3 premios relacionados con su trabajo con los sistemas BCI, incluyendo el Premio Extraordinario Fin de Máster, el Accésit de Asociaciones de Interés Público en el Concurso Desafío Universidad-Empresa (TCUE 2015-16) y el Premio a las Soluciones Innovadoras para la Mejora de la Calidad de Vida en la modalidad de Envejecimiento (2017); y la beca de investigación de la VIII Convocatoria de la Fundación Villalar-Castilla y León, de concurrencia competitiva entre 92 participantes. Los sistemas BCI, que permiten el control de aplicaciones o dispositivos utilizando únicamente las ondas cerebrales de los usuarios, han sido el pilar fundamental de su investigación tanto en el terreno teórico como el práctico. Su Tesis Doctoral profundiza en las distintas etapas metodológicas de estos sistemas: (1) la selección de canales relevantes, aplicando y desarrollando nuevos algoritmos basados en comportamientos naturales (inteligencia de enjambre, métodos evolutivos); (2) la extracción de características, desarrollando novedosas métricas para alcanzar un control asíncrono; (3) la clasificación de características, aplicando nuevas métricas de machine learning en sistemas BCI; y (4) la aplicación, diseñando y desarrollando aplicaciones de asistencia orientadas a personas con graves discapacidades motoras que les permiten controlar diversos dispositivos con su señal de electroencefalografía. En relación con las aplicaciones desarrolladas, todas ellas han sido testeadas con usuarios finales con graves discapacidades, gracias a la relación que mantiene con el Centro de Referencia Estatal de Discapacidad y Dependencia de San Andrés del Rabanedo (León).