Orientadores: Romis Ribeiro de Faissol Attux, Diogo Coutinho Soriano

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação

Resumo: As interfaces cérebro-computador baseadas em potenciais evocados visualmente em regime permanente (BCI-SSVEP) têm sido largamente empregadas em diferentes contextos, produzindo aplicações que vão desde o entretenimento à reabilitação. O presente estudo aborda o módulo de processamento de...

Resumo: As interfaces cérebro-computador baseadas em potenciais evocados visualmente em regime permanente (BCI-SSVEP) têm sido largamente empregadas em diferentes contextos, produzindo aplicações que vão desde o entretenimento à reabilitação. O presente estudo aborda o módulo de processamento de sinais de sistemas BCI-SSVEP que empregam sinais coletados por meio da eletroencefalografia (EEG). Ao longo deste trabalho, foi desenvolvido um sistema BCI-SSVEP completo e foi gerada uma base de dados de sinais EEG-SSVEP coletados tanto em pacientes que sofreram acidente vascular cerebral como em voluntários saudáveis. A partir desta base de dados e visando à concepção de um sistema capaz de operar em tempo de execução de maneira autônoma, eficiente e robusta, foram realizadas diversas análises nas quatro etapas fundamentais do módulo de processamento de sinais da BCI: pré-processamento, extração de características, seleção de características e classificação. Um amplo quadro comparativo, envolvendo mais de 36 combinações de técnicas, foi projetado permitindo vislumbrar os melhores arranjos a serem aplicados no desenvolvimento de uma BCI-SSVEP. Outras contribuições relevantes advindas deste trabalho são: a análise e caracterização de uma abordagem relativamente nova de classificação, definida pela rede neural conhecida como Extreme Learning Machine, e a proposta de uma técnica de filtragem espaço-temporal, capaz de combinar a disposição espacial dos eletrodos com as frequências que geraram os estímulos visuais

Abstract: Brain-computer interfaces based on steady state visually evoked potentials (BCI-SSVEP) have been increasingly used in different contexts, engendering applications from entertainment to rehabilitation. This study addresses the stage of signal processing of BCI-SSVEP systems that use...

Abstract: Brain-computer interfaces based on steady state visually evoked potentials (BCI-SSVEP) have been increasingly used in different contexts, engendering applications from entertainment to rehabilitation. This study addresses the stage of signal processing of BCI-SSVEP systems that use electroencephalography signals. Throughout this study, a full BCI-SSVEP was developed and a database of EEG-SSVEP signals collected from patients that had suffered stroke and healthy volunteers was generated. From this database and in order to design a system capable of operating in real time, autonomously, efficiently and robustly, many analyses were carried out regarding the four signal processing module stages: pre-processing, feature extraction, feature selection and classification. A large comparative framework, involving more than 36 combinations of techniques, was designed allowing a notion of the best set of techniques to be applied on BCI-SSVEP systems. Other relevant contributions of this study are: the analysis and characterization of a relatively new approach to classification, defined by the neural network known as Extreme Learning Machine, and the proposal of a new technique of spatiotemporal filtering, able to combine the spatial arrangement of the electrodes with the frequencies of visual stimuli

Requisitos do sistema: Software para leitura de arquivo em PDF