Processamento e classificação do eeg visando a identificação do estado mental com aplicações em neurofeedback
Carregando...
Data
2023-02-01
Autores
Orientador
Lucena, Samuel Euzedice 
Coorientador
Pós-graduação
Curso de graduação
Guaratinguetá - FEG - Engenharia Mecânica
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
A eletroencefalografia tem sido utilizada para a análise de sinais cerebrais e desenvolvimento de sistemas Brain Computer Interface (BCI) por meio da medição da atividade elétrica dos neurônios a partir de eletrodos fixados no couro cabeludo humano (escalpo). Essa medição pode ser utilizada com objetivo de modular a atividade cerebral por meio de técnicas de condicionamento em uma forma de autorregulação neurofisiológica, conhecida como neurofeedback, a fim de produzir alterações cognitivas, motoras ou comportamentais benéficas ao indivíduo. Este trabalho promoveu analisar, em ambiente MATLAB, um sistema de classificação dos estados mentais a partir dos dados de EEG adquiridos de um paciente em repouso e seguindo um protocolo de atividade de atenção seletiva e em estado de relaxamento. Para a análise e processamento dos sinais foi utilizada a ferramenta de
processamento de sinais eletrofisiológicos EEGLab para filtrar e caracterizar as atividades cerebrais do sinal elétrico adquirido, a ferramenta matemática Transformada Wavelet Discreta para a extração das características da atividade cerebral do sinal de EEG, a ferramenta de aprendizado de máquina supervisionado Support Vector Machine (SVM) para treinamento e classificação dos dados. Com a metodologia proposta foi possível verificar
resultados em que o sistema foi capaz de adquirir, processar e classificar os sinais de forma coerente, apresentado acurácia acima de 99% para classificação dos estados de atenção e relaxamento propostos. Estes resultados sugerem a possibilidade da aplicação da metodologia proposta em um sistema de neurofeedback para prosseguimento em estudos sobre a eficácia da ferramenta como solução terapêutica.
Resumo (inglês)
Electroencephalography has been used for the analysis of brain signals and development of Brain Computer Interface (BCI) systems by measuring the electrical activity of neurons from electrodes attached to the human scalp (scalp). This measurement can be used with the aim of modulating brain activity through conditioning techniques in a form of neurophysiological self-regulation, known as neurofeedback, to produce cognitive, motor, or behavioral changes beneficial to the individual. This work promoted the analysis, in a MATLAB environment, of a mental states classification system based on EEG data acquired from a patient at rest and following a protocol of selective attention activity and in a state of relaxation. For the analysis and processing of the signals, the tool for processing electrophysiological signals EEGLab was used to filter and characterize the brain activities of the acquired electrical signal, the mathematical tool Discrete Wavelet Transform for extracting the characteristics of brain activity from the EEG signal, and the Support Vector Machine (SVM) tool of supervised machine learning for data training and classification. With the proposed methodology, it was possible to verify results in which the system was able to acquire, process and classify the signals in a coherent way, presenting accuracy above 99% for classification of the proposed states of attention and relaxation. These results suggest the possibility of applying the proposed methodology in a neurofeedback system for further studies on the tool effectiveness as therapeutical solution.
Descrição
Palavras-chave
Idioma
Português
Como citar
DI BATTISTA, E.G. Processamento e classificação do eeg visando a identificação do estado mental com aplicações em neurofeedback. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica ) - Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2023.