FenixEdu™

Dissertação

EEG-Based Brain-Computer Interfaces EVALUATED

Detalhes: Comunicar através da mente parece futurístico ou tirado de um livro de ficção científica. No entanto, já existem sistemas capazes de descodificar sinais cerebrais e atribuí-los a um output específico, como manusear um braço robótico ou escrever palavras num ecrã de computador. Estes sistemas são designados por Interfaces Cérebro-Computador. Nesta tese, pretendemos encontrardiferenças mensuráveis entre duas formas simples de comunicar: transmitir sim e não, usando uma direct-recognition approach, i.e., reconhecendo assinaturas específicas das respostas. 22 indivíduos (idades entre 23 e 60 anos) foram submetidos a uma tarefa visual na qual responderam a questões de sim/não, enquanto os seus EEGs foram registados. Os EEGs foram processados, no qual foi utilizado um algoritmo de remoção automática de artefactos (Artifact Subspace Reconstruction). De seguida, foi usado um método designado por Common Spatial Patterns para extrair features (informação relevante) que maximizam a diferença entre a variância de sinais de classes diferentes. Estas features foram classificadas por SVMs, cujos parâmetros foram otimizados usando gridsearch, e os resultados foram posteriormente apresentados numa representação gráfica a duas dimensões, onde é representada a classification accuracy por intervalos de tempo e frequência dos EEGs analisados. Finalmente, features cuja classification accuracy foi mais elevada nos conjuntos de treino foram usadas para avaliar a performance do classificador nos conjuntos de teste. A classification accuracy nos conjuntos de teste foi inferior ao nível teórico de classification accuracy arbitrária (65%), mesmo quando a do conjunto de treino foi superior a 86%. A análise proposta não foi suficiente para concluir a tarefa desejada.
Keywords: Interfaces Cérebro-Computador, Electroencefalograma, Aquisição de EEG, Common Spatial Patterns, Classificação Binária

Discussão: outubro 28, 2020, 10:0