| spelling |
Bruno Otávio Soares TeixeiraCarlos Julio Tierra CriolloEduardo Mazoni Andrade Marcal MendesSady Antonio dos Santos FilhoWendy Yadira Eras Herrera2019-08-11T19:36:30Z2019-08-11T19:36:30Z2012-12-07http://hdl.handle.net/1843/BUBD-9GJFWCA interface cérebro-máquina (ICM) é um sistema de comunicação que utiliza sinais cerebrais para controlar a ativação de dispositivos externos. AICM é uma via de interação entre pessoas que apresentam alguma incapacidade motora e o ambiente externo. Uma das formas de aperfeiçoar os conhecimentos envolvidos no desenvolvimento de ICMs é por meio do estudo dos sinais de potenciais relacionados ao evento (PRE), os quais são obtidos pelo registro do sinal de encefalograma (EEG).Aidentificação do PRE em meio da atividade elétrica espontânea é uma etapa fundamental na implementação de uma ICM. O PRE motor, provocado por uma tarefa motora, pode ser caracterizado por componentes pré-evento, como contingente de variação negativa (CNV). Assim, os sinais de EEG registrados durante as tarefas mentais, como execução do movimento voluntário EEGTVM ou imaginação do movimento EEGIM, podem, a principio, serem utilizados para o acionamento de dispositivos externos, como próteses, órteses ou cadeiras de rodas. Neste trabalho foram utilizados sinais de EEG de 7 indivíduos saudáveis por meio de 19 eletrodos utilizando o sistema internacional 10-20. Acontibuição deste trabalho é estimar e detectar o PRE relacionado à imaginação do movimento do dedo indicador da mão esquerda utilizando um banco interativo com dois filtros de Kalman (BIFK) em paralelo. O primeiro FK fornece uma estimativa dos sinais de EEGTV, ao passo que o segundo fornece uma estimativa para o sinal de EEGTVM ou EEGIM . Neste trabalho, a metodologia inclui duas etapas: a etapa de modelagem e a etapa de estimação. O BIFK alcançou taxas de classificação de 65, 92, 89, 94, 90, 54 e 67 % para os sete indivíduos, respectivamente, para M = 30 trechos. Inicialmente, o sinal de EEG durante a EEGIM contêm M=30 trechos. Além disso, é analisado o efeito do número de repetições da tarefa mental na detecção do PRE. Do ponto de vista prático, o menor número de repetições da tarefa tornaria a ICM mais rápida, pois o individuo executaria um menor número de repetições da mesma tarefa. Dessa forma, com a finalidade de detectar o sinal de PRE utilizando menos repetições da EEGIM, propõe-se obter modelos matemáticos a partir da promediação dos trechos do sinal de EEG com M=15, M=10 e M=5 durante as tarefas mentais. Os resultados obtidos sugerem que o BIFK é um método promissor para a detecção de PRE relacionados à imaginação do movimento, tornando-se uma ferramenta útil para aplicações de ICMs.The brain-machine interface (BMI) is a communication system that uses brain signals to control the activation of external devices. The BMI is a two way interaction between people who have some motor impairment and the external environment. One way to improve the skills involved in developing BMIs is by means of the study of eventrelated potential (ERP) signals, which are obtained by recording the EEG signal. The identification of the ERP among the spontaneous electrical activity is a key step in implementing a BMI. The motor ERP, caused by a motor task, may be characterized by pre-event components, such as Contingent Negative Variation (CNV). Thus, the EEG signals recorded during mental tasks, such as voluntary movement execution (EEGTVM) or imagination of the movement (EEGIM), can, in principle, be used to drive external devices such as prostheses, orthoses or wheelchairs. In this work, EEG signals collected from 7 healthy individuals by means of 19 electrodes using the international 10-20 system were used. The contribution of this work is to estimate and detecting the ERP related to the imagination of the movement of the left hands index finger using an interactive bank with two Kalman filters (BIFK) in parallel. The first KF estimates the EEGTV signals, whereas the second one estimates the EEGTVM or EEGIM. This works methodology includes two steps: the modeling step and the estimation step. The BIFK reached classification rates of 65, 92, 89, 94, 90, 54, and 67 % for all individuals, respectively, for M=30 epochs. Initially, the EEG signal during the EEGIM contains M=30 epochs. Furthermore, we analyze the e_ect of the number of mental tasks repetitions on the detection of ERP. Froma practical standpoint, a smaller number of repetitions would make the BMI faster, since the individual would have to perform a smaller number of repetitions of the same task. Thus, in order to detect the signal ERP using fewer repetitions of EEGIM, this work proposes obtaining mathematical models from the averaging epochs of the EEG signal with M = 15, M = 10 and M = 5 during mental tasks. The results suggest that the BIFK is a promising method to detect the ERP related to the imagination of movement, making it a useful tool for the application of BMIs.Universidade Federal de Minas GeraisUFMGEngenharia elétricaKalman, Filtragem deEngenharia ElétricaDetecção do potencial relacionado à imaginação do movimento usando a filtragem de Kalmaninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdissertacao_wendy_.pdfapplication/pdf6722747https://repositorio.ufmg.br/bitstream/1843/BUBD-9GJFWC/1/dissertacao_wendy_.pdf7d5cb11ddb2814e9afa83afb25b635b8MD51TEXTdissertacao_wendy_.pdf.txtdissertacao_wendy_.pdf.txtExtracted texttext/plain147003https://repositorio.ufmg.br/bitstream/1843/BUBD-9GJFWC/2/dissertacao_wendy_.pdf.txte1ebb10d694dc40d9220818a016949deMD521843/BUBD-9GJFWC2019-11-14 09:46:05.593oai:repositorio.ufmg.br:1843/BUBD-9GJFWCRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T12:46:05Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|