Navegando por Assunto "SSVEP"
Agora exibindo 1 - 2 de 2
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 - Artigo Acesso aberto (Open Access) Apresentação do artigo elaborado em 2023 por meio da Proeg nº 01/2023: aplicação da análise de correlação canônica em sistemas ICM baseados em SSVEP(2023-12-18) SOUSA, Sávio Milhomens de; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329Este trabalho aborda a apresentação do artigo intitulado “Aplicação da Análise de Correlação Canônica em Sistemas ICM Baseados em SSVEP”, desenvolvido durante o período de Abril de 2023 a Setembro de 2023, durante a execução do projeto de pesquisa, sob orientação do Professor Dr. Cleison Daniel Silva e apresentado na III Escola Regional de Aprendizado de Máquina e Inteligência Artificial Norte 2. O sistema ICM (Interface Cérebro Máquina) é uma tecnologia capaz de realizar comunicações entre seres humanos e máquinas através da atividade cerebral em resposta a estímulos visuais, imaginários ou somatossensoriais. Essa atividade é aquisitada, por meio de métodos como o eletroencefalograma (EEG), processada e convertida em sinais de comando. O estudo do artigo se concentra no processamento de informações usando o método de Análise de Correlação Canônica (CCA) para auxiliar na classificação de sinais em sistemas ICM’s baseados em SSVEP (Potencial Evocado Visualmente em Estado Estável). Como metodologia, foram realizadas cinco abordagens do método CCA, em ambiente Python, usando o mesmo conjunto de dados e mesma técnica de processamento e classificação de sinais, alterando apenas a forma como os dados são tratados no método. Os dados usados são provenientes de um repositório de domínio público contendo sinais de EEG de quatro sujeitos em presença de estímulos de SSVEP em frequências de 8 Hz, 14 Hz e 28 Hz. Em adição ao CCA, utilizou-se do periodograma como tecnica para maximizar a extração de características dos sinais resultantes da aplicação do método. Na etapa de classificação os sinais foram agrupados em três combinações binárias entre as frequências de estímulo, e para cada par, foi aplicado a Análise do Discriminante Linear (LDA). Ao final, a acurácia do classificador foi utilizada como parâmetro para discussões e conclusões de cada abordagem. De forma geral, notou-se que os resultados variam entre os indivíduos numa faixa de 38% a 100% de acurácia. A partir da lógica de construção e dos resultados da abordagem E, conclui-se que essa é propícia para aplicação em um sistema real.