Navegando por CNPq "CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise de classificadores multiclasse aplicados a sinais de EEG baseados em SSVEP(2025-08-13) AZEVEDO, João Lucas Santos; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928Interfaces Cérebro-Máquina (ICM) têm cada vez mais tomado uma posição de destaque dentro do meio acadêmico, sendo sua otimização e refinamento um dos objetos de maior interesse no campo da engenharia e neurociência, devido ao seu potencial de promover autonomia e melhorar a qualidade de vida, especialmente de pessoas com limitações motoras. Entre as abordagens existentes, as ICMs baseadas em Steady-State Visually Evoked Potentials (SSVEPs) se destacam pela praticidade e simplicidade na conversão de estímulos visuais em comandos. Os sistemas ICM baseados em SSVEP usam respostas cerebrais à estímulos visuais calibrados em frequências específicas, os quais são interpretados como diferentes comandos, a fim de serem utilizados em um dispositivo externo ou aplicação digital. Neste contexto, o presente trabalho realiza uma análise comparativa de classificadores multiclasse aplicados a sinais de EEG obtidos com o paradigma SSVEP, utilizando dados públicos do RIKEN-LABSP. Foram implementadas diferentes estratégias de extração de características e pré-processamento antes da aplicação dos classificadores Linear Discriminant Analysis (LDA), K Nearest Kneighbors (KNN) e Random Forest. Os resultados demonstram a viabilidade da abordagem, com acurácias máximas de 100%, 83,33% e 74,81% para janelas temporais de 2s, 1 s e 500 ms, respectivamente. O classificador LDA apresentou o melhor desempenho entre os avaliados, sendo o mais adequado para a tarefa proposta.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Otimização de interfaces cérebro-máquina baseadas em imagética motora por seleção de features e combinação de modelos: compilado de artigos publicados em 2024 e 2025(2026-05-26) DOURADO, Guilherme da Costa; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928Este Trabalho de Conclusão de Curso aborda o estudo e a otimização de sistemas de Inter faces Cérebro-Máquina (ICM) baseadas em Imagética Motora (IM), com foco na melhoria da precisão e da robustez de classificadores aplicados a sinais de Eletroencefalografia (EEG). O trabalho está dividido em dois estudos complementares, ambos utilizando o conjunto de dados público 2a da IV Competição de ICM. No primeiro estudo, foi investigado o impacto da seleção de features sobre o desempenho de sistemas ICM-IM. A metodologia incluiu filtragem por sub-bandas, aplicação do método Common Spatial Pattern (CSP) para geração de vetores de características e seleção por meio dos algoritmos Least Absolute Shrinkage and Selection Operator (LASSO) e SelectKBest, seguida de classificação com Support Vector Machine (SVM). Os resultados indicaram um ganho médio de 2% na acurácia da classificação, demonstrando que a seleção criteriosa de características contribui para reduzir redundâncias e aprimorar o desempenho dos classificadores. No segundo estudo, foram exploradas técnicas de aprendizado em conjunto, como Bagging e Soft Voting, aplicadas à combinação de modelos personalizados via otimização Bayesiana. As análises mostraram um aumento médio de 14,4% nos valores do índice Kappa médio (κm), métrica que avalia a concordância entre as predições do classificador e os rótulos reais, em relação aos modelos individuais. Entretanto, não foi observada significância estatística nos valores de zκ, indicando que os ganhos permaneceram sensíveis à variabilidade individual dos sinais de EEG. Em conjunto, os dois estudos configuram uma proposta de otimização em múltiplos estágios para sistemas de ICM, contribuindo para o desenvolvimento de soluções mais precisas, interpretáveis e adaptáveis, com potencial aplicação em contextos clínicos e assistivos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Viabilidade técnica de um sistema de OCR para monitoramento de sinais vitais em monitores multiparâmetro(2025-07-08) FERREIRA, Gabriel Lima; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166Este trabalho apresenta o desenvolvimento e a avaliação de um sistema em Python, baseado em técnicas de visão computacional (OpenCV) e OCR (Pytesseract), para extração automatizada de sinais vitais a partir de vídeos de monitores médicos. Foram processados quatro vídeos obtidos na internet, com diferentes resoluções, taxas de quadros e condições de iluminação, para verificar a sensibilidade do método a fatores externos. A região de saturação de oxigênio obteve acurácias entre 94 % e 100 %, enquanto batimento cardíaco variou de 69,23 % a 100 %. A extração da frequência de pulso apresentou maior dispersão, indo de apenas 2,86 % no primeiro vídeo até 100 % nos ajustes posteriores. A média geral de acertos foi de 84,29 % (erro médio de 15,71 %), evidenciando viabilidade técnica do sistema. As principais limitações identificadas estão associadas à qualidade dos vídeos — resolução, estabilidade da câmera, iluminação e ruídos visuais —, o que reforça a necessidade de ambientes controlados e calibração refinada das regiões de interesse. Este estudo de viabilidade técnica demonstra que a combinação de OpenCV e Pytesseract pode suportar soluções de monitoramento remoto em unidades de terapia intensiva, desde que respeitadas as condições mínimas de captura de imagem.