Repositório UNIFEI UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/1178
Tipo: Dissertação
Título: Ferramenta Simplificada Para Testes de Algoritmos de Seleção de Características e Classificação em Sinais Cerebrais Captados com EEG para BCIs baseados em Imagética Motora.
Autor(es): BERNARDI, Giovanna Bonafé
Abstract: Uma interface cérebro-computador é um sistema que traduz sinais elétricos em comandos e permite que usuários possam controlar um dispositivo apenas com o uso de sinais cerebrais. No entanto, sinais cerebrais são distintos para pessoas distintas e até mesmo para uma mesma pessoa. Uma mudança no emocional ou apenas cansaço são fatores que costumam afetar o comportamento desses sinais. Desta forma, o sistema deve ser construído com algoritmos que possam se adaptar ao usuário. O intuito deste trabalho é desenvolver uma ferramenta cujo objetivo é simplificar o trabalho de um profissional de interface cérebro-computador que tenha interesse em sistemas que utilizam ritmos sensório-motores captados na região do córtex motor como sinais de controle e que estejam especialmente interessados em testes de algoritmos de classificação e/ou nas características escolhidas para a mesma. Gravações de movimentos de mãos direita e esquerda captadas por eletrodos são passadas como entrada para a ferramenta, esta irá processar os sinais eliminando ruídos e separando os sinais nos tipos de movimento encontrado em cada eletrodo. Depois, a ferramenta separa os sinais nas faixas de frequência que representam os ritmos sensório-motores. Para os projetistas que desejam escolher suas próprias características, uma das saídas da ferramente são os sinais que representam os sinais de controle. Para aqueles que desejam usar características como: média, variância, amplitude máxima e energia, a outra saída possível da ferramenta é justamente essas informações retiradas dos sinais de controle e colocadas em um vetor. Esse vetor pode, então, ser usado como entrada para um algoritmo de classificação. A ferramenta é desenvolvida de forma fixa a fim de possibilitar melhores comparações entre algoritmos projetados pelo usuário. Desta forma, aumenta-se a velocidade de construção de sistemas desse tipo, além de facilitar a introdução de profissionais de áreas específicas, como de computação, uma vez que se torna menos necessário aprofundar-se em outros tópicos como o funcionamento do cérebro em si, por exemplo. Ao longo deste trabalho, é feita uma contextualização com algumas definições importantes sobre sistemas de interface cérebro-computador. É dado um destaque para o comportamento dos sinais de controle usados, bem como para o algoritmo de separação de frequências escolhido. As características escolhidas para compor o vetor de saída da ferramenta foram extraídas com fórmulas matemáticas simples e conceitos sobre energia. É feita também, uma análise gráfica do comportamento dos sinais de controle usados, comprovando a viabilidade da ferramenta para testes de algoritmos e fazendo com que seja possível que usuários a utilizem para procurar aqueles que forneçam melhores resultados para a interpretação de sinais cerebrais.
metadata.dc.publisher.department: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
metadata.dc.publisher.program: Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
Citação: BERNARDI, Giovanna Bonafé. Ferramenta Simplificada Para Testes de Algoritmos de Seleção de Características e Classificação em Sinais Cerebrais Captados com EEG para BCIs baseados em Imagética Motora. 2018. 84 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2018.
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/1178
Data do documento: Jan-2018
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
dissertacao_bernardi_2018.pdf2,52 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.