Generalização da técnica de correlação canônica para aplicações em interface cérebro-máquina

• Ano de defesa: 2018
• Autor(a) principal: Brogin, João Angelo Ferres
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Análise de sinais; Interface cérebro-máquina; Eletroencefalograma; Potenciais visuais evocados; Análise de correlação canônica; Signal analysis; Brain-computer interface; Eletroencephalogram; Visual evoked potentials; Canonical correlation analysis
• Link de acesso: http://hdl.handle.net/11449/180763

A busca por uma melhor compreensão das regiões do cérebro e suas funções nas ações humanas tem sido uma tarefa árdua, porém muito útil, principalmente para aplicações da engenharia de interface cérebro-máquina (ICM), bem como para o auxílio a diagnósticos médicos a partir de sinais obtidos dos pacientes em avaliação. No contexto do presente trabalho, destacam-se os trabalhos de interface cérebro-máquina (ICM) pela abrangência no envolvimento de técnicas, métodos e ferramentas comumente estudadas nos cursos de engenharia. Em particular, análises envolvendo técnicas de processamento de sinais de eletroencefalograma (EEG) têm se mostrado de significativa importância para o desenvolvimento dessa área. Uma abordagem amplamente utilizada nesse contexto é a ICM usando Potenciais Visuais Evocados de Estados Estacionários (SSVEP, do inglês Steady-State Visual Evoked Potentials), que, de forma geral, são sinais caracterizados pela resposta evocada do cérebro a estímulos visuais modulados em uma frequência específica. Assim, este trabalho tem o objetivo de propor uma generalização do coeficiente de correlação, conceito-base da análise de correlação canônica (CCA), técnica que tem se mostrado robusta e eficiente no reconhecimento de padrões, especialmente no caso dos SSVEP, e detalhar seu comportamento em função dos parâmetros relevantes para se estabelecer melhores práticas de uso em aplicações de ICM, incluindo fatores fisiológicos, técnicos e operacionais.