Resumo |
A interface cérebro-computador (ICC) possui uma grande área de aplicação, variando da medicina ao entretenimento. Um meio de implementar essa interface é através da detecção da atenção seletiva auditiva através de um exame de eletroencefalograma (EEG), fornecendo assim um canal de comunicação binário, onde as respostas serão obtidas através do foco de atenção em uma das orelhas. Antes de aplicar algum classificador de padrões é necessário estabelecer os parâmetros e configurações que resultarão em uma maior taxa de transferência de informação na ICC e para encontrar essas configurações, faz-se o uso de rotinas computacionais. No Núcleo Interdisciplinar de Análise de Sinais (NIAS) já existiam rotinas, utilizando o software Matlab, para tais fins, porém algumas não possuíam interfaces gráficas, diminuindo o rendimento dos estudos que dependiam dessas rotinas e aumentando o período de treinamento para quem iniciasse uma pesquisa na área. Além disso, outras necessitavam de melhorias e novas implementações, devido aos avanços tecnológicos e científicos que surgiram desde a última implementação das mesmas. Visto estas necessidades, o objetivo do trabalho foi analisar e verificar essas rotinas computacionais já desenvolvidas para o processamento do EEG na análise da atenção seletiva auditiva, bem como implementar melhorias de desempenho e funcionalidades e desenvolver uma interface gráfica para as mesmas, de modo a agilizar trabalhos futuros. De posse das rotinas antigas, foi realizada a verificação do código a fim de encontrar erros e pontos em que era possível melhorar o desempenho, além de adequá-las a novas análises e comentar adequadamente o código. Para certificar que funcionavam corretamente, depois das alterações, foram realizados testes com dados coletados em pesquisas anteriores e comparações com os resultados obtidos. Após verificadas e otimizadas, foi utilizada a ferramenta de criação de interfaces gráficas do Matlab para desenvolver as interfaces gráficas necessárias. Feito isto, obteve-se um ganho em simplicidade de uso e velocidade, com uma redução de aproximadamente 80% no tempo de processamento. Com isso esperamos que os trabalhos de pesquisa dependentes destas rotinas possam ser desenvolvidos com maior velocidade e, posteriormente, aplicados na classificação usando redes neurais, para implementar a ICC. |