Aurora – EEG Real-Time Monitoring System

Enlace a la página Aurora EEG: https://aurora-eeg.com/

Aurora es una aplicación web orientada al ámbito médico que permite la monitorización en tiempo real de la actividad cerebral mediante dispositivos EEG conectados a un sistema distribuido. El sistema está diseñado para ayudar a profesionales sanitarios a observar la actividad cerebral de pacientes en tiempo real, con el objetivo de explorar cómo la tecnología puede facilitar el análisis de señales cerebrales y apoyar procesos de diagnóstico o seguimiento clínico.

La aplicación permite gestionar pacientes, iniciar sesiones de monitorización y visualizar la evolución de las ondas cerebrales en directo, sin necesidad de recargar la página. Todo el sistema está diseñado para funcionar de forma continua y con baja latencia, simulando un entorno lo más cercano posible a una herramienta real de monitorización médica.

El objetivo del proyecto es proporcionar una plataforma que permita a profesionales sanitarios visualizar, almacenar y analizar datos neurofisiológicos de pacientes en tiempo real. Aurora no busca sustituir sistemas médicos profesionales, sino demostrar cómo una arquitectura basada en tecnologías web, comunicación en tiempo real y dispositivos embebidos puede integrarse en una solución funcional orientada al ámbito sanitario.

---

Arquitectura del sistema

El sistema Aurora está compuesto por una arquitectura distribuida basada en tres capas principales:

1. Dispositivo de adquisición (Arduino Nano ESP32)

• Captura señales EEG mediante sensores MindFlex
• Procesa las ondas cerebrales (delta, theta, alpha, beta, gamma)
• Envía los datos en formato JSON
• Conexión WiFi directa o mediante modo Access Point (AP)
• Comunicación con el servidor mediante WebSockets

---

2. Servidor en tiempo real (Node.js + WebSockets)

• Implementa un servidor WebSocket persistente
• Recibe datos del dispositivo EEG en tiempo real
• Reenvía la información a los clientes web conectados
• Permite transmisión de baja latencia

Tecnologías:

• Node.js
• Librería ws (WebSockets)

---

3. Backend (Laravel API REST)

• Gestión de usuarios y autenticación
• Gestión de pacientes y sesiones clínicas
• Almacenamiento estructurado de datos médicos
• Control de permisos mediante tokens

Tecnologías:

• PHP 8+
• Laravel Framework
• MySQL (Amazon RDS)

---

4. Frontend (JavaScript Vanilla)

• Interfaz web para profesionales médicos
• Visualización de datos EEG en tiempo real
• Gráficas dinámicas actualizadas mediante WebSockets
• Panel de gestión de pacientes

Tecnologías:

• HTML5
• CSS3
• JavaScript Vanilla

---

5. Infraestructura (AWS)

El sistema está desplegado en Amazon Web Services:

• ECS (Servicios con Docker) para backend y servidor Node.js
• RDS (MySQL) en red privada
• VPC para segmentación de red
• Subred pública para balanceador de carga
• Subred privada para servicios de backend, comunicación en tiempo real y base de datos

---

Flujo de datos

EEG Device (ESP32) → WebSocket Server (Node.js) → Frontend (visualización en tiempo real) → API REST (Laravel) → Base de datos (MySQL en AWS RDS)

---

Funcionalidades principales

• Monitorización cerebral en tiempo real
• Visualización de ondas EEG en vivo
• Gestión de pacientes y sesiones
• Autenticación mediante tokens
• Configuración automática de red WiFi en el dispositivo
• Arquitectura distribuida en la nube

---

Seguridad

• Autenticación basada en tokens
• Base de datos en red privada (AWS RDS)
• Separación entre API REST y comunicación en tiempo real
• Control de acceso por roles

---

Problemas técnicos resueltos

• Implementación de comunicación en tiempo real con WebSockets
• Configuración automática de WiFi en ESP32 mediante Access Point
• Sincronización de datos entre hardware, servidor y frontend
• Despliegue en entorno cloud con Docker
• Integración de múltiples tecnologías heterogéneas

---

Futuras mejoras

• Incorporación de inteligencia artificial para análisis de señales EEG
• Uso de dispositivos EEG profesionales multicanal
• Automatización de pruebas (unit testing e integration testing)
• Sistema de generación automática de informes médicos
• Mejora de visualización avanzada de datos neurológicos

---

Autores

• Sergio Belvís
• Brian Camba
• Damiem Rave

---

Tecnologías utilizadas

• Arduino Nano ESP32
• Node.js + WebSockets
• Laravel (PHP)
• MySQL (AWS RDS)
• JavaScript Vanilla
• Docker
• Amazon Web Services (ECS, VPC, RDS, ALB y más)

---

Nota

Este proyecto forma parte del Trabajo de Fin de Grado del ciclo de Desarrollo de Aplicaciones Web (DAW).