Efeito das técnicas de filtragem espacial no desempenho de sistemas BCI-SSVEP : um estudo de caso.

Abstract

Interfaces Cérebro-Computador (BCI, do inglês: Brain Computer Interface) permitem aos usuários uma interação com dispositivos eletrônicos sem que seja necessário a movimentação de qualquer membro de seu corpo. Sinais de comandos originados diretamente no cortéx cerebral são utilizados para o controle das BCIs. Neste trabalho foram desenvolvidas todas as etapas de processamento necessárias para a construção de uma interface cérebro-computador baseada na abordagem SSVEP (do inglês: Steady-State Visually Evoked Potentials). O processamento de sinais cerebrais foi dividido em cinco etapas: 1. Segmentação dos dados; 2. Pré-processamento; 3. Extração de Características através da estimativa da Densidade Espectral de Potência; 4. Seleção de Atributos através da técnica de forward wrappers; 5. Classificação por meio de um classificador linear baseado no método de mínimos quadrados. Os objetivos deste trabalho foram estabelecer a comparação entre três técnicas de pré-processamento: CAR (do inglês: Common Average Reference), MEC (do inglês: Minimum Energy Combination) e MCC (do inglês: Maximum Contrast Combination); e avaliar o efeito da seleção de atributos. Todas as análises foram balizadas pela taxa de acerto do sistema. Os resultados comprovam a importância do pré-processamento e da seleção de atributos na implementação de uma BCI. Utilizando-se a filtragem espacial CAR juntamente com a seleção de atributos foi possível obter uma melhora no desempenho do sistema, podendo levar a uma taxa de acerto superior a 98,48%,considerando duas classes. Esse valor representa um ganho de 24% em relação ao cenário inicial, quando nenhuma técnica de filtragem e seleção são utilizadas.