Modelo computacional baseado em interface cérebro-computador para extração de características e classificação de sinais EEG

Abstract

Qualquer pessoa que seja tolhida de seus movimentos físicos, por um impacto ou um trauma, fica prejudicada de forma dramática. Quanto mais tempo isso permanecer ou maior for o acidente, pior. Os movimentos físicos representam a liberdade, a capacidade de expressar-se, de ser, de movimentar-se e de revelar-se como pessoa. Sucede que, a Incapacidade física, parcial ou total produz um elevado custo social e, uma elevada carga econômica para os familiares. Tais acometimentos levam os pacientes a perderem suas qualidades de vida de modo inevitável e incontestável. Epidemiologicamente, observa-se que o número de pessoas acometidas com doenças neurológicas têm crescido devido a diversos fatores oriundos da sociedade moderna. A ciência contemporânea — incluindo: medicina, neurológica, biomecânica, robótica, informática, física e engenharias — vem progredindo expressivamente no desenvolvimento de conhecimento multidisciplinar. O principal foco tem sido trazer esses pacientes acometidos dessas enfermidades a um patamar superior de qualidade de vida. Isso significa maior cognição, mais liberdade e mais movimentos controlados e controláveis. Epidemiologicamente, observa-se que o número de pessoas acometidas com doenças neurológicas têm crescido devido a diversos fatores oriundos da sociedade moderna. A ciência contemporânea — incluindo: medicina, neurológica, biomecânica, robótica, informática, física e engenharias — vem progredindo expressivamente no desenvolvimento de conhecimento multidisciplinar. O principal foco tem sido trazer esses pacientes acometidos dessas enfermidades a um patamar superior de qualidade de vida. Isso significa maior cognição, mais liberdade e mais movimentos controlados e controláveis. Esta dissertação desenvolve um modelo matemático baseado em interface cérebro-computador que permite o desenvolvimento de novas tecnologias tomando como base sinais de eletroencefalogramas. Tal esforço teórico reflete a necessidade de se produzir cadeiras de rodas mais inteligentes, interfaces flexíveis [para se adaptar a distintos indivíduos]. Num extremo, tentando-se eliminar o ruído de sinais indesejados (os artefatos), se terá a essência, o precioso teor dos sinais pensados que conseguem expressar a origem das variações cerebrais que podem movimentar uma cadeira, por exemplo. Ademais, a cadeira é incômoda, requer ajuda de outros e, precisa de alterações nas estruturas arquitetônicas, para se dizer o mínimo. O método utilizado para essa modelagem baseou-se em usar os sinais de eletroencefalogramas do banco de dados eegmmidb – EEG Motor Movement-Imagery Dataset, que está disponível. Tal amostra contém sinais de eletroencefalogramas de 105 indivíduos. Esses sinais foram utilizados para validação do modelo computacional proposto. Os resultados obtidos da simulação, mostraram que o modelo consegue explicar algo como 75% dos movimentos, quando os outros semelhantes alcançavam, no máximo 50%. Assim, este modelo-interface cérebro-computador ofereceu maior robustez revelando que os esforços feitos aqui foram proveitosos. Mais que isso, que outras tentativas podem ser feitas a partir das suposições inerentes ou das associações feitas na construção desse modelo. ABSTRACT: Any person who is impeded of his physical movements, by an impact or a trauma, is dramatically impaired. The longer it stays or the bigger the accident, the worse. Physical movements represent freedom, the ability to express oneself, to be, to move and to reveal oneself as a person. It happens that, the Physical disability, partial or total, produces a high social cost and a high burden economical for family members. Such impairments lead patients to lose their qualities of life in an unavoidable and indisputable way. Epidemiologically, it is observed that the number of people affected with neurological diseases has grown due to various factors arising from modern society. Contemporary science — including: medicine, neurological, biomechanics, robotics, informatics, physics and engineering — comes progressing significantly in the development of multidisciplinary knowledge. O main focus has been to bring these patients affected by these diseases to a level superior quality of life. That means greater cognition, more freedom, and more controlled and controllable movements. Epidemiologically, it is observed that the number of people affected with neurological diseases have grown due to several factors from modern society. Contemporary science — including: medicine, neurological, biomechanics, robotics, informatics, physics and engineering — has been progressing significantly in the development of multidisciplinary knowledge. the main focus has been to bring these patients affected by these diseases to a higher level of quality of life. That means greater cognition, more freedom and more movement. controlled and controllable. This dissertation develops a mathematical model based on in a brain-computer interface that allows the development of new technologies taking based on electroencephalogram signals. Such theoretical effort reflects the need to produce smarter wheelchairs, flexible interfaces [to adapt to different individuals]. At one extreme, trying to eliminate noise from unwanted signals (the artifacts), you will have the essence, the precious content of the thought signs that manage to express the origin of brain variations that can move a chair, for example. In addition, the chair is uncomfortable, requires help from others, and needs structural changes. architectural, to say the least. The method used for this modeling was based on using the electroencephalogram signals from the eegmmidb – EEG database Movement-Imagery Dataset engine, which is available. Such a sample contains signs of electroencephalograms of 105 individuals. These signals were used to validate the proposed computational model. The results obtained from the simulation showed that the model can explain something like 75% of the movements, when the others are similar reached a maximum of 50%. Thus, this model-brain-computer interface offered greater robustness, revealing that the efforts made here were fruitful. more than that, what other attempts can be made on the basis of inherent assumptions or associations made in building this model.