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
Gerado em 0,62 segundos.