Análise de desempenho de técnicas de extração de características e classificação em sinais de imagética motora para a ativação de um braço robótico.

Abstract

Uma interface cérebro-máquina (ICM) é um sistema de comunicação que utiliza sinais cerebrais para controlar a ativação de dispositivos externos. Diversas aplicações de ICMs baseadas na imagética motora (IM) são ativadas a partir da detecção da IM permitindo o controle de próteses, órteses e, consequentemente, melhoram a qualidade de vida de indivíduos que apresentam limitações no controle de membros do corpo. A sincronização/dessincronização relacionada ao evento (SRE/DRE) é uma resposta motora que se encontra nos registros de eletroencefalografia (EEG) e suas características podem ser utilizadas para a ativação de uma ICM. A classificação do sinal de SRE/DRE durante a IM em meio da atividade elétrica cerebral é uma etapa fundamental na implementação de uma ICM. Neste trabalho, os sinais de EEG das tarefas de IM da mão esquerda e mão direita são classificados para a ativação de um braço robótico. As características utilizadas são de densidade espectral de potência (PSD), utilizando o método não paramétrico de Welch e o paramétrico baseados em uma abordagem adaptativa para atualizar os parâmetros dos coeficientes autorregressivos (AR) e testados com o classificador linear denominado análise discriminante linear (LDA) e não linear perceptron de multicamadas (MLP). A metodologia proposta consiste em quatro etapas. Na primeira etapa, são obtidos os modelos AR que descrevem o sinal de EEG durante a IM. Na segunda etapa, os coeficientes do modelo autorregressivos são atualizados utilizando a abordagem de estimação dual de estados e parâmetros e a PSD é encontrada. Na terceira etapa, os coeficientes AR são utilizados como características no classificador LDA adaptativo e a PSD é utilizada como características para o MLP. Na quarta etapa, utilizam-se os sinais classificados para ativar o braço robótico ED7220C com o intuito de simular uma ICM. A abordagem proposta alcançou taxas de classificação de 76,19% com uma variação entre 57,14% até 100% para os noves indivíduos, respectivamente, utilizando o sinal de SRE/DRE. Utilizando a PSD e o classificador não linear, a média da taxa de acerto é de 71,17%, variando entre 62,50% até 81,25% dentre os indivíduos. Os resultados preliminares sugerem que a abordagem adaptativa proposta com o classificador linear e a abordagem com o classificador não linear são métodos promissores para tratar problemas de classificação de sinais de IM, possibilitando a utilização em aplicações de ICMs.