Brain computer interface

• Autor(a) principal: Almeida, Luís Filipe Martinho de
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/21618
• topic: Engenharia electrónica e telecomunicações; Interfaces de computador; Interacção homem; Próteses - Cérebro

A investigação e desenvolvimento de sistemas BCI, Brain Computer Interface tem crescido de ano para ano, com resultados cada vez melhores. Uma das principais vertentes para a qual estes sistemas têm sido usados é na área da neuroprostética. Desta forma tem-se demonstrado em vários estudos e investiga ções a possibilidade de controlar membros completos ou parciais robóticos por nós seres humanos, dando assim uma liberdade e conquista de movimentos perdidos a pessoas incapacitadas. No entanto uma grande parte dos melhores resultados obtidos envolve a utilização de BCI invasivos, o que necessita de ser implantado diretamente no cérebro humano, através de uma operação cirúrgica. Isto é ainda um dos grandes inconvenientes que esta abordagem implica e também o facto de uma grande parte destes estudos ainda estarem na fase de testes. Este trabalho teve como objetivo tentar comprovar que os BCI não invasivos também conseguem obter bons resultados apesar das suas limitações e pior aquisição de resultados devido à inclusão de ruído por parte do nosso crânio e cabelo, assim como a inclusão dos Parâmetros Hjorth proporciona melhores resultados na identificação das classes desejadas. Dividiu-se o trabalho em duas partes, uma para a identificação das classes de “Piscar de Olho” e outra para identificação das classes de “Ações Pensadas” . Os resultados foram todos obtidos tendo em conta apenas um utilizador. Relativamente à deteção do “Piscar de Olho” comprovou-se que ́e facilmente conseguido com resultados quase perfeitos, com uma precisção de 99 . 98%. Relativamente à deteção de “Ações Pensadas” não foi possível comprovar a sua deteçãao usando sessções de gravação diferentes, no entanto verificou-se que a classificação das classes tendo em conta a mesma sessão de gravação, obtém resultados muito bons com valores acima dos 99% para o melhor m ́etodo preditivo. A inclusão dos Parâmetros Hjorth foi em todos os casos de estudo, a opção em que os resultados foram sempre melhores, demonstrando assim que a inclusão dos mesmos é uma opção aconselhável, pois em alguns casos, a precisão na deteção das classes aumento para duas ou mais vezes. Os resultados são promissores e apesar de não ter conseguido obter os melhores resultados para sessões de gravação independentes na classificação de “Ações Pensadas” , indico nas análises os passos necessáios para a obtenção de melhores resultados e a possibilidade de generalização do processo para diversos utilizadores.