Coerência, modelo oculto de Markov e Perceptron de multi-camadas em imagética motora

• Autor(a) principal: Ana Paula de Souza
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-8CLJ44
• topic: Engenharia Elétrica; Engenharia eletrica

Sinais cerebrais e a interpretação de padrões nos mesmos propiciam uma nova modalidade de comunicação: a Interface Cérebro Máquina (ICM). A ICM pode utilizar a atividade elétrica advinda do córtex cerebral relacionada à imaginação motora para promover o acionamento de um dispositivo, sem que haja necessariamente a integridade das vias motoras. A Magnitude Quadrática da Coerência (MSC Magnitude Square Coherence) tem sido utilizada para identificar o potencial relacionado a eventos no sinal de eletroencefalograma (EEG). Além disso, para a classificação desses eventos e aplicações em ICM técnicas como os Modelos Ocultos de Markov (Hidden Markov Model - HMM) e as Redes Neurais Artificiais (RNA) têm se mostrado promissoras. Dessa forma, esta dissertação visa investigar a classificação com HMM e RNA (na estrutura Multilayer Peceptron - MLP) utilizando como característica a MSC do sinal EEG, para os eventos:espontâneo; movimento do dedo indicador da mão esquerda; e imaginação deste movimento. Sinais EEG de três voluntários durante os eventos foram coletados com eletrodos dispostos segundo o Sistema Internacional 10-20 (1ª coleta) e Sistema 10-10 (2ª e 3ª coletas). O EEG foi dividido em trechos (M 14 segundos cada) sincronizados com oevento. Cada trecho foi fragmentado em seis segmentos: EEG espontâneo; EEG do voluntário visualizando um LED (Light Emitting Diode) vermelho atenção; EEG visualizando um LED amarelo preparação para realizar o evento; EEG durante o evento; EEG espontâneo; EEG espontâneo. Em cada segmento avaliou-se a MSC da banda delta (0,1-2 Hz), banda alfa (8-13 Hz) e banda beta (14-30 Hz), com M=12 e M=máximo número de trechos. A faixa de freqüência que apresentou maior MSC foi adotada como observação a ser utilizada no HMM e como entrada para a RNA. Os índices médios de acerto na classificação com o HMM para M=12 foram 68,5 %, 66,5 % e 67,5 %, para os sujeitos #1, #2 e #3, respectivamente. Para M máximo foram de 73,0 %, 70,0 % e 56,5 %. Quando utilizada a MLP para a classificação os índices para M=12 foram 64,0 %, 75,5 % e 82,0 % e, para M máximo 79,5 %, 85,5 % e 88,5 %. Esses achados mostram que é possível fazer modelos e classificações utilizando HMM e RNA de atividades cerebraisrelacionadas a diferentes eventos, usando a MSC do sinal de EEG. A RNA mostrou melhor desempenho do que o HMM na classificação dos eventos.