Análise de Sinais Eletroencefalográficos para a Classificação de Atividades: Uma Solução via Aprendizado de Máquina e Imagética Motora
Eletroencefalograma (EEG), Aprendizado de Máquina, Imagética Motora, Mindwave, VAMP.
As atividades motoras do corpo humano, assim como aquelas relacionadas a tomada de
decisões e questões emocionais e psíquicas, podem ser compreendidas por meio da análise
dos sinais elétricos provenientes do cérebro, também conhecidos como sinais
eletroencefalográficos (EEG). O estudo e aplicação desses dados vem crescendo dentro da
comunidade científica. Sabe-se que o emprego desses sinais constitui a base do
desenvolvimento das Interfaces Cérebro Computador (ICC), e que essas representam o futuro
das tecnologias assistivas, especialmente aquelas direcionadas às pessoas que não possuem
controle motor. Contudo, a extração de características e padrões desses sinais ainda é um
processo complexo. Algoritmos de aprendizagem de máquina vem mostrando excelentes
resultados na interpretação de sinais EEG, sendo empregados como ferramenta para
classificação e análise. Suas aplicações abrangem desde estudos na área de neurociências,
engenharia neural e até mesmo aplicações comerciais. Com isso, a proposta desse trabalho é
analisar os sinais advindos da atividade neural de indivíduos submetidos a protocolos que
envolvem tarefas do tipo motora e imagética. Entende-se que tarefas de imagética,
especificamente imagética motora, são técnicas neurocognitivas nas quais o sujeito imagina a
realização de uma ação motora sem executar o devido movimento, ou seja, trata-se de um
processo mental no qual se imagina o movimento do corpo sem executa-lo. A interpretação e
classificação desse tipo de sinal permite desenvolver ferramentas de controle que podem ser
ativadas por meio de processos cognitivos. Desta forma, utilizou-se como
instrumentação dois tipos de sensores para coleta dos sinais, um eletroencefalograma de 16
canais e um sensor de baixo-custo, de um eletrodo, com tecnologia de conexão sem
fio, wireless. Como resultados, identificou-se que os algoritmos empregados para análise dos
sinais EEG dos indivíduos submetidos a tarefas motoras e imagéticas mostraram-se bastante
eficientes no processo de classificação. Os resultados permitiram atestar a viabilidade de
utilizar esses sinais em aplicações envolvendo controle de dispositivos, especialmente aqueles
empregados para pessoas com deficiência motora.