Interface cérebro-máquina baseada em potenciais visualmente evocados: análise de extração de épocas
| dc.contributor.advisor1 | SILVA, Cleison Daniel | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1445401605385329 | pt_BR |
| dc.contributor.advisor1ORCID | https://orcid.org/0000-0001-8280-2928 | pt_BR |
| dc.creator | DIAS, Fablena Kathllen Nascimento | |
| dc.creator.Lattes | http://lattes.cnpq.br/6304785443391100 | pt_BR |
| dc.date.accessioned | 2024-01-04T15:20:10Z | |
| dc.date.available | 2024-01-04T15:20:10Z | |
| dc.date.issued | 2023-12-15 | |
| dc.description.abstract | The Brain-Computer Interface (BCI) seeks not only to understand, but also to optimize complex neural processes, establishing communication between the brain and an electronic device. Neuroscience applied to BCI involves studying brain signals to identify patterns associated with specific intentions, allowing the creation of algorithms capable of interpreting these intentions into commands to control devices, the evolution of this promising area stands out for boosting the understanding of brain processes and offering practical solutions, such as improvements in the quality of life for people with motor limitations. BCI systems based on Steady State Visually Evoked Potential (SSVEP) use brain responses to any visual stimulus flashing at a constant frequency as input command to an application or external device, although it is widely used for many applications, there are system characteristics that must be analyzed and discussed to increase the application's performance. This study addresses preprocessing, feature extraction and classification in the digital signal processing steps in an SSVEP-based BCI. The results include comparative analyzes of the extraction of epochs in five different sizes (2s, 1s, 500ms, 250ms, 125ms) for electroencephalogram (EEG) signals in a Brain-Computer Interface in front of stimuli at three different SSVEP frequencies (8Hz, 14Hz and 28Hz). Classification accuracies are presented for each analysis. The results obtained through the system classification reveal that epochs with longer durations present better performance. However, when analyzing shorter duration epochs, they have reasonable performance, offering efficiency for the scenario and providing a greater number of commands applicable in an BCI-SSVEP configuration. | pt_BR |
| dc.description.resumo | A Interface Cérebro-Máquina (ICM) busca não apenas compreender, mas também otimizar os complexos processos neurais, estabelecendo uma comunicação entre o cérebro e um dispositivo eletrônico. A neurociência aplicada à ICM envolve o estudo dos sinais cerebrais para identificar padrões associados a intenções específicas, permitindo a criação de algoritmos capazes de interpretar essas intenções em comandos para controle de dispositivos, a evolução dessa área promissora se destaca por impulsionar a compreensão dos processos cerebrais e oferecer soluções práticas, como melhorias na qualidade de vida para pessoas com limitações motoras. Os sistemas ICM baseados em Steady State Visually Evoked Potential (SSVEP) usam respostas cerebrais a qualquer estímulo visual piscando em uma frequência constante como comando de entrada para um aplicativo ou dispositivo externo, embora seja amplamente utilizado para muitas aplicações, existem características do sistema que devem ser analisadas e discutidas visando aumentar o desempenho da aplicação. Este estudo aborda o préprocessamento, extração de características e classificação nas etapas de processamento digital de sinais em uma ICM baseada SSVEP. Os resultados incluem análises comparativas da extração de épocas em cinco diferentes tamanhos (2s, 1s, 500ms, 250ms, 125ms) para sinais de eletroencefalograma (EEG) em uma Interface Cérebro-Máquina diante de estímulos em três frequências distintas de SSVEP (8Hz, 14Hz e 28Hz). As acurácias de classificação são apresentadas para cada análise. Os resultados obtidos por meio da classificação do sistema revelam que épocas com durações maiores apresentam melhor desempenho. Entretanto, é notório que, ao analisar épocas com menor duração, estas possuem desempenho razoável, oferecendo eficácia para o cenário e proporcionando maior número de comandos aplicáveis em uma configuração de ICM-SSVEP. | pt_BR |
| dc.identifier.citation | DIAS, Fablena Kathllen Nascimento. Interface cérebro-máquina baseada em potenciais visualmente evocados: análise de extração de épocas. Orientador: Cleison Daniel Silva. 2023. 56 f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2023. Disponível em: https://bdm.ufpa.br/jspui/handle/prefix/6493. Acesso em:. | pt_BR |
| dc.identifier.uri | https://bdm.ufpa.br/jspui/handle/prefix/6493 | |
| dc.rights | Acesso Aberto | pt_BR |
| dc.source.uri | Disponível na Internet via Sagitta | pt_BR |
| dc.subject | Interface cérebro-máquina | pt_BR |
| dc.subject | Steady state visually evoked potential | pt_BR |
| dc.subject | Processamento digital de sinais | pt_BR |
| dc.subject | Extração de épocas | pt_BR |
| dc.subject | Brain-computer interface | pt_BR |
| dc.subject | Digital signal processing | pt_BR |
| dc.subject | Extraction of epochs | pt_BR |
| dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | pt_BR |
| dc.title | Interface cérebro-máquina baseada em potenciais visualmente evocados: análise de extração de épocas | pt_BR |
| dc.type | Trabalho de Curso - Graduação - Monografia | pt_BR |