Classificação binária de movimentos imaginários da flexão da mão capturados por eletroencefalografia através de um sistema neuro-fuzzy

• Ano de defesa: 2019
• Autor(a) principal: Badaraco, Fabiano Roméro de Souza
• Orientador(a): Balbinot, Alexandre
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Processamento de sinais; Eletroencefalografia
• Palavras-chave em Inglês: EEG signal processing; Imaginary movement
• Link de acesso: http://hdl.handle.net/10183/204507

Este trabalho consiste na avaliação do método Neuro-Fuzzy associado ao Substractive Clustering como classificador de sinais de eletroencefalografia para sistemas Brain Computer Interface (BCI), utilizando a combinação de três diferentes características extraídas deste sinal, durante a imaginação do movimento de flexão da mão direita ou esquerda. Para isto é avaliado a ocorrência dos fenômenos ERD e ERS, com o objetivo de determinar em qual segmentação no tempo devem ser extraídas as características do mesmo. Os sinais de Eletroencefalografia avaliados são provenientes do banco de dados do BCI Competition e de um ensaio adquirido no Laboratório de Instrumentação Eletroeletrônica & Biosinais da UFRGS. O método proposto é testado e comparado com outro método de aprendizagem de máquina denominado Multi Layer Percetron (MLP) treinado com o algoritmo Levenberg-Marquardt (LM), com o objetivo de conhecer qual o método e a combinação de características apresenta a maior taxa de acerto. Em sequência, estas taxas de acerto são comparadas com as taxas de acerto de outros trabalhos da área. Os métodos propostos neste trabalho alcançaram uma taxa de acerto máxima de 92,6±1,1% para a ANFIS SC e 87,9±1,5% para a MLP LM. Por fim, é apresentada uma análise estatística dos resultados alcançados.