Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Paula Gabrielly
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167
Resumo: Orientador: Prof. Dr. Diogo Coutinho Soriano
id UFBC_b6e1048200a93619efe47f07daef8b9d
oai_identifier_str oai:BDTD:109167
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexasINTERFACE CÉREBRO-COMPUTADORIMAGÉTICA MOTORAPOTENCIAIS VISUALMENTE EVOCADOS EM REGIME PERMANENTEBRAIN-COMPUTER INTERFACESMOTOR IMAGERYPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA BIOMÉDICA - UFABCOrientador: Prof. Dr. Diogo Coutinho SorianoDissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Engenharia Biomédica, 2018.A busca por materiais funcionais que possam desempenhar reparo e/ou regeneracao de Uma interface cérebro-computador (BCI) consiste em um sistema que busca extrair informações da atividade do sistema nervoso central e traduzi-las em comandos de saída, os quais podem eventualmente ser usados para controle de dispositivos assistivos. Mais do que contribuir para o controle de tecnologias assistivas ou reabilitação de pessoas com severas limitações, um sistema BCI pode contribuir para uma melhor compreensão do funcionamento cerebral e dos complexos mecanismos de cognição na medida em que se busca avaliar as variáveis mais relevantes para a eficiente decodificação de tarefas mentais. Entre as possíveis formas de se estudar o funcionamento cerebral destaca-se a quantificação da conectividade funcional, a qual visa estabelecer a similaridade observacional entre diferentes regiões cerebrais. Tal estratégia tem sido utilizada na caracterização e diagnóstico de patologias de grande relevância como depressão, Parkinson, Alzheimer, distúrbios de atenção, entre outras. Tendo isso em vista, este trabalho visou estudar o desempenho de decodificação de tarefas mentais a partir de métricas de grafos (grau, coeficiente de agregação, centralidade de intermediação e centralidade de autovetor) obtidas pela avaliação da conectividade funcional no contexto de sinais eletroencefalográficos na execução de paradigmas clássicos de sistemas BCI definidos pela imagética motora e os potenciais visualmente evocados em regime permanente (SSVEP). Além da análise comparativa entre tais métricas, o presente trabalho apresenta um estudo em relação ao desempenho de decodificação quando diferentes métodos de estimação da matriz de adjacência - forma de representação da conectividade funcional ¿ são utilizados, os quais abrangem as medidas de similaridade definidas pela correlação de Pearson, de Spearman e contagem de recorrência espaço-temporal (STR), sendo a última uma proposta original desta dissertação. Como resultado, para os sinais relacionados à BCIs baseadas em imaginação de movimentos, a STR obteve o melhor desempenho considerando todos os sujeitos e classes, mostrando-se uma possível abordagem para extração de características no contexto de sistemas BCI baseadas em imagética de tarefas. Para os sinais relacionados ao paradigma SSVEP, a decodificação baseada na conectividade funcional alcançou desempenhos satisfatórios, porém inferiores aos da análise em frequência classicamente utilizada neste contexto.Brain-computer interface (BCI) consists of a system that aims to extract information from the activity of central nervous system and translate it into output commands, which can eventually be used to control assistive devices. More than contributing to the control of assistive technologies or rehabilitation of people with severe limitations, a BCI can also contribute to a better understanding of brain functioning and the complex mechanisms of cognition when evaluating the most relevant variables for the efficient decoding of mental tasks. Among the possible ways to study brain functioning, the functional connectivity quantification deserves careful attention, since it aims to establish the observational similarity between different brain regions. Such strategy has been used in the characterization and diagnosis of pathologies of great relevance such as depression, Parkinson, Alzheimer, attention disorders, among others. This work aimed to study the performance of decoding mental tasks from graph metrics (degree, clustering coefficient, betweenness centrality and eigenvector centrality) obtained by evaluation of functional connectivity in the context of electroencephalographic signals in the execution of classic BCI paradigms defined by motor imagery and steady state visually evoked potentials (SSVEP). In addition to the comparative analysis of such metrics, this work also presents a study regarding decoding performance when using different methods of adjacency matrix estimation - a functional connectivity representation - which include similarity measures defined by the correlation of Pearson, Spearman and Space-Time Recurrence counting (STR), being the latter an original proposal of this work. As main results, for signals related to motor imagery BCI, STR obtained the best performance considering all the subjects and classes, stablishing a possible approach for feature extraction in the context of motor imagery BCIs. For signals related to the SSVEP paradigm, decoding based on functional connectivity achieved satisfactory performance, but lower than the spectral analysis, classically used in this context.Soriano, Diogo CoutinhoSato, João RicardoMoura, Fernando Silva deRodrigues, Paula Gabrielly2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf125 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167&midiaext=75686http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167&midiaext=75685Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=109167porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2018-06-29T17:31:18Zoai:BDTD:109167Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2018-06-29T17:31:18Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
title Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
spellingShingle Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
Rodrigues, Paula Gabrielly
INTERFACE CÉREBRO-COMPUTADOR
IMAGÉTICA MOTORA
POTENCIAIS VISUALMENTE EVOCADOS EM REGIME PERMANENTE
BRAIN-COMPUTER INTERFACES
MOTOR IMAGERY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA BIOMÉDICA - UFABC
title_short Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
title_full Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
title_fullStr Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
title_full_unstemmed Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
title_sort Extração de características em interfaces cérebro-máquina utilizando métricas de redes complexas
author Rodrigues, Paula Gabrielly
author_facet Rodrigues, Paula Gabrielly
author_role author
dc.contributor.none.fl_str_mv Soriano, Diogo Coutinho
Sato, João Ricardo
Moura, Fernando Silva de
dc.contributor.author.fl_str_mv Rodrigues, Paula Gabrielly
dc.subject.por.fl_str_mv INTERFACE CÉREBRO-COMPUTADOR
IMAGÉTICA MOTORA
POTENCIAIS VISUALMENTE EVOCADOS EM REGIME PERMANENTE
BRAIN-COMPUTER INTERFACES
MOTOR IMAGERY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA BIOMÉDICA - UFABC
topic INTERFACE CÉREBRO-COMPUTADOR
IMAGÉTICA MOTORA
POTENCIAIS VISUALMENTE EVOCADOS EM REGIME PERMANENTE
BRAIN-COMPUTER INTERFACES
MOTOR IMAGERY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA BIOMÉDICA - UFABC
description Orientador: Prof. Dr. Diogo Coutinho Soriano
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167&midiaext=75686
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=109167&midiaext=75685
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=109167
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
125 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502101010907136

Registros relacionados