Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero

Detalhes bibliográficos
Autor(a) principal: Petter, Luana Cristina
Data de Publicação: 2017
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/001300000fn90
Texto Completo: http://repositorio.ufsm.br/handle/1/25277
Resumo: Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.
id UFSM_76a8c232dca558774291c2e3d37f8b01
oai_identifier_str oai:repositorio.ufsm.br:1/25277
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi ZeroImplementation of a methodology for classification of motor imagery in module Orange Pi ZeroEEGInterface cérebro-máquinaPlataforma portátilFlorestas aleatóriasMáquina de vetores de suporteImagética motoraBrain computer interfacePortable platformRandom forestSupport vector machineMotor imageryCNPQ::ENGENHARIASTrabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.Various people around the world live with some form of physical disability. For this part of the population that has some motor deficiency, can communicate or perform tasks that are impossible to perform is of utmost importance the development of technologies such as Brain Computer Interface (BCI). Because a BCI application works by converting the brain signals into commands to control external resources, such as orthotics, wheelchair, among other controllable devices. Being able to contribute significantly to the improvement of the living condition of these people. The main goal of the current study is to implement in a portable platform the techniques already tested in a computer, referring to a system of detection of movement intention based on EEG signals, implemented by (SILVA, 2017). This current study presents initial experiments for the identification of motor imagery, referring to the detection of intention of movement of the hands or detection of intention of movement referring to hand or foot. Aiming to contribute to the increase of reliability in the detection of intentions to the point of allowing its integration in a BCI system with practical application. The results are presented referring to the training stage of the algorithm and simulation in real time, where the trained algorithm is executed in the portable platform. In the methodology proposed by (SILVA, 2017), the signal is filtered in cerebral rhythms related to the tasks of motor imagery. After filtering, statistical attributes of these brain rhythms are extracted and fed to a classifier (used Random Forest and Support Vector Machine) that performs the prediction on the set of tests. In this current study, instead of the classifier being applied on the test set in a single time, the prediction of each attempt is performed one by one, in the real-time simulation step. The tests were performed with unbalanced and balanced classes. Were also performed tests with right hand and left hand detection instead of using the of hand and foot classes, as suggested by reviewers of the paper presented by (SILVA, 2017), in order to verify the performance of the proposed methodology.Várias pessoas no mundo inteiro vivem com alguma forma de deficiência física. Para que essa parte da população que apresenta alguma deficiência motora, possa se comunicar ou executar tarefas que estão impossibilitadas de realizar é de suma importância o desenvolvimento de tecnologias como Interfaces Cérebro-Computador (BCI). Pois uma aplicação BCI funciona convertendo os sinais cerebrais em comandos para controlar determinados recursos externos, tais como órteses, cadeira de rodas, entre outros dispositivos controláveis. Podendo contribuir significativamente para a melhoria da condição de vida dessas pessoas. O objetivo principal deste trabalho é implementar em uma plataforma portátil as técnicas já testadas em um computador, referentes a um sistema de detecção de intenção de movimento baseado em sinais de EEG, implementadas por (SILVA, 2017). Este trabalho apresenta experimentos iniciais para identificação de imagética motora, referente à detecção de intenção de movimento das mãos ou detecção de intenção de movimento referente a mão ou pé. Visando contribuir para o incremento da confiabilidade na detecção de intenções a ponto de permitir sua integração em um sistema BCI com aplicação prática. Os resultados são apresentados referentes a etapa de treino do algoritmo e simulação em tempo real, onde o algoritmo treinado é executado na plataforma portátil. Na metodologia proposta por (SILVA, 2017), o sinal é filtrado em ritmos cerebrais relacionados à tarefas de imagética motora. Após a filtragem, atributos estatísticos desses ritmos cerebrais são extraídos e alimentam um classificador (utilizado Florestas Aleatórias e Máquina de Vetores de Suporte) que realiza a predição sobre o conjunto de testes. Neste trabalho, ao invés do classificador ser aplicado sobre o conjunto de testes em uma única vez, a predição de cada tentativa é realizada uma a uma, na etapa de simulação em tempo real. Os testes foram realizados com classes desbalanceadas e balanceadas. Também foram realizados testes com a detecção de mão direita e mão esquerda ao invés da utilização das classes mão e pé, conforme sugerido por revisores do trabalho apresentado por (SILVA, 2017), para poder verificar a performance da metodologia proposta.Universidade Federal de Santa MariaBrasilUFSMCentro de TecnologiaRodrigues, Cesar RamosPetter, Luana Cristina2022-07-07T13:25:39Z2022-07-07T13:25:39Z2017-12-152017Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/25277ark:/26339/001300000fn90porAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2022-07-07T13:25:39Zoai:repositorio.ufsm.br:1/25277Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/ONGhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.comopendoar:2022-07-07T13:25:39Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
Implementation of a methodology for classification of motor imagery in module Orange Pi Zero
title Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
spellingShingle Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
Petter, Luana Cristina
EEG
Interface cérebro-máquina
Plataforma portátil
Florestas aleatórias
Máquina de vetores de suporte
Imagética motora
Brain computer interface
Portable platform
Random forest
Support vector machine
Motor imagery
CNPQ::ENGENHARIAS
title_short Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
title_full Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
title_fullStr Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
title_full_unstemmed Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
title_sort Implementação de uma metodologia para classificação de imagética motora em módulo Orange Pi Zero
author Petter, Luana Cristina
author_facet Petter, Luana Cristina
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Cesar Ramos
dc.contributor.author.fl_str_mv Petter, Luana Cristina
dc.subject.por.fl_str_mv EEG
Interface cérebro-máquina
Plataforma portátil
Florestas aleatórias
Máquina de vetores de suporte
Imagética motora
Brain computer interface
Portable platform
Random forest
Support vector machine
Motor imagery
CNPQ::ENGENHARIAS
topic EEG
Interface cérebro-máquina
Plataforma portátil
Florestas aleatórias
Máquina de vetores de suporte
Imagética motora
Brain computer interface
Portable platform
Random forest
Support vector machine
Motor imagery
CNPQ::ENGENHARIAS
description Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2017.
publishDate 2017
dc.date.none.fl_str_mv 2017-12-15
2017
2022-07-07T13:25:39Z
2022-07-07T13:25:39Z
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/25277
dc.identifier.dark.fl_str_mv ark:/26339/001300000fn90
url http://repositorio.ufsm.br/handle/1/25277
identifier_str_mv ark:/26339/001300000fn90
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com
_version_ 1815172334224408576

Registros relacionados