Ciência, saúde e esporte: conhecimento e acessibilidade
21 a 26 de outubro de 2013
Trabalho 322
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Automação, projetos de máquinas, equipamentos, processos e produtos |
| Setor | Departamento de Engenharia Elétrica |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Diego Marques Dourado |
| Orientador | LEONARDO BONATO FELIX |
| Título | Redes Neurais Artificiais para Classificação da Atenção Seletiva Auditiva: Aplicação em Interface Cérebro-Computador |
| Resumo | Neste trabalho foram desenvolvidas técnicas computacionais para classificação da atenção seletiva auditiva (capacidade da mente humana de resistir a estímulos de distração e focar em informações auditivas relevantes) usando sinais de eletroencefalograma e redes neurais artificiais. O eletroencefalograma é um método para investigação do funcionamento do cérebro, no qual é possível verificar a reação do órgão a vários estímulos. Mais especificamente, o eletroencefalograma foi usado neste projeto para desenvolvimento de uma interface cérebro-computador, onde o sistema permitiria que uma pessoa se comunicasse usando suas ondas cerebrais. Para isso, o indivíduo deveria usar seu poder de atenção seletiva auditiva para selecionar mentalmente dentre dois estímulos concomitantes, mimetizando uma comunicação binária. Durante a estimulação e coleta dos sinais eletroencefalográficos os indivíduos foram instruídos a focar atenção em um de dois estímulos auditivos simultâneos. Os estímulos auditivos foram tons modulados em amplitude com diferentes combinações de portadoras e moduladoras. Estes estímulos foram usados pois evocam respostas evocadas em regime permanente, o que torna o procedimento mais próximo de situações cotidianas. A classificação foi realizada após o tratamento do sinal (filtragem digital e rejeição de artefatos), seguida de redução de dimensionalidade dos dados utilizando análise de componentes principais e extração de características usando modelagem autorregressiva. As componentes principais foram variadas de 1 a 4 e a ordem do modelo autorregressivo foi variada de 1 a 10. O melhor resultado foi obtido usando as derivações do sistema 10-20 T3, F3, P3, O1, T4, P4, O2, Fz e Pz, que apresentou taxa de acerto de 87,5 % e tempo para classificação de 20 segundos. Conclui-se, portanto, que as RNA são eficientes na classificação de atenção seletiva auditiva e promissoras para a implementação de sistemas de comunicação para indivíduos impossibilitados de se mover. Estudos nessa linha devem ser continuados para criação de alternativas para a melhoria na qualidade de vida dos severamente desabilitados. |
| Palavras-chave | EEG, redes neurais, interface cérebro computador |
| Forma de apresentação..... | Painel |