FenixEdu™

Dissertação

{en_GB=EEG-Based Brain-Computer Interfaces} {} EVALUATED

Detalhes: {pt=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., en=Communicating with the mind sounds futuristic and taken from a science-fiction novel. However, machines which can decode brain signals and assign them to specific outputs, like moving a robotic arm, or typing words on a screen, already exist. Such machines are called Brain-Computer Interfaces. In this work, we aim to find measurable differences between two forms of communication: conveying yes or no, in a direct-recognition approach, i.e., by recognizing a signature of the actual answer. 22 subjects (ages between 23 and 60) underwent a visual task where they answered to yes and no questions, as their EEG recordings were gathered. The recordings were processed using, among others, an automatic artifact removal algorithm (Artifact Subspace Reconstruction). The Common Spatial Patterns method was then employed to design spatial filters (by maximally differentiating the variance of each class) and to build the input feature vectors. These input vectors were classified using SVMs whose parameters were tuned through the gridsearch method, and the results were plotted in a 2D graphical representation which displayed the classification accuracy by frequency and time of the classified trials. Finally, the features which presented the highest classification accuracy on the training sets, were used to evaluate the performance of the classifier on new data. The classification accuracy of the test sets failed to reach the theoretical chance level (65%), even when the classification accuracy on the training sets was over 86% for all analysis. Our analysis, following this methodology, failed to find detectable differences between these two answers.}
Keywords: {pt=Interfaces Cérebro-Computador, Electroencefalograma, Aquisição de EEG, Common Spatial Patterns, Classificação Binária, en=Brain Computer Interfaces, Electroencephalogram, EEG Acquisition, Common Spatial Patterns, Binary Classification}

Discussão: outubro 28, 2020, 10:0