SSVEP-based BCI with visual stimuli from LCD screen applied for wheelchair control: offline and online investigations

• Ano de defesa: 2018
• Autor(a) principal: Zambalde, Ellen Pereira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Uberlândia; Brasil; Programa de Pós-graduação em Engenharia Biomédica
• Palavras-chave em Português: SSVEP based BCI; LCD screen; Target location; Window length; SVM; ICM baseada em PEV-RP; Controle de cadeira de rodas; Monitor LCD; Localização de alvos; Tamanho do janelamento; Wheelchair control; Engenharia biomédica; Cadeiras de rodas - Controle automático; CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS
• Link de acesso: https://repositorio.ufu.br/handle/123456789/22316; http://dx.doi.org/10.14393/ufu.di.2018.1166

As Interfaces Cérebro-Máquina (ICMs) têm se mostrado como tecnologias promissoras atualmente, especialmente para os usuários de cadeira de rodas afetados por lesões ou doenças de comprometimento motor. Os sistemas ICM baseados em Potencial Evocado Visual em Regime Permanente (PEV-RP) são amplamente utilizados para diversas aplicações, como o controle de um teclado de computador e robôs, devido ao seu baixo tempo de resposta e facilidade de uso.As ICMs baseadas em PEV-RP utilizam respostas cerebrais a qualquer estímulo visual piscando à uma frequência específica como comando de entrada para um dispositivo externo. Embora algumas ICMs baseadas em PEV-RP aplicadas ao controle de cadeiras de rodas tenham mostrado resultados promissores, existem características específicas do sistema que devem ser analisadas e discutidas com o objetivo de aumentar a precisão da classificação. Esta dissertação tem como objetivo desenvolver e investigar o desempenho de um sistema ICM baseada em PEV-RP utilizando um monitor LCD como estimulador visual e aplicado ao controle de cadeira de rodas. Dois experimentos foram realizados (offline e online). Através do experimento offline, realizado por 9 participantes, foi possível identificar os canais significativos do sinal EEG, e o tamanho adequado da janela para o processamento do sinal, além da localização do alvo no monitor LCD. No experimento online, 9 canais de EEG (PO3, PO4, PO5, PO6, PO7, PO8, O1, O2 e Oz) foram usados para registrar o sinal cerebral utilizando uma interface com 5 alvos de estímulo (15, 12, 6.67, 8.57 e 10 Hz) colocados na parte superior, inferior, direita, esquerda e centro da tela. Quatro participantes foram posicionados na frente do monitor LCD onde a interface foi executada. A interface foi desenvolvida em linguagem Python e, após a coleta do sinal, foi responsável por realizar filtragem, janelamento, extração de características (FFT) e classificação (SVM). Os resultados mostraram um bom desempenho ao utilizar um janelamento de 3 segundos com 250 ms de sobreposição. As taxas de precisão de classificação dos experimentos online foram altas, o que permitiu o controle de uma cadeira de rodas motorizada. Este sistema foi capaz de fornecer independência e aumentar a qualidade de vida dos usuários de cadeira de rodas. Trabalhos futuros envolvem adaptações e melhorias do sistema para aumentar a eficiência e fornecer mais confiabilidade ao usuário.