Análise de sinais de eletroencefalograma para Interface Cérebro-Computador visando aplicação em reabilitação motora.

• Ano de defesa: 2023
• Autor(a) principal: Melo, Gabriel Chaves de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizagem motora; Brain-Computer Interface (BCI); Electroencephalogram (EEG); Eletrodo de referência; Eletroencefalografia; Interface homem-computador; Motor rehabilitation; Reabilitação; Reference electrode
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3152/tde-22082023-075818/

Há casos em que o caminho do sistema nervoso que conecta o cérebro aos membros do corpo fica comprometido. Depois de um acidente vascular cerebral (AVC), por exemplo, uma pessoa pode perder a capacidade de controlar seu braço. Nesses casos, a terapia de reabilitação motora pode devolver o controle total ou parcial sobre o membro afetado. Todavia, quando não há movimento residual no membro afetado, a reabilitação é extremamente difícil. Uma Interface Cérebro-Computador (ICC) registra sinais cerebrais e os transforma em comandos para uma máquina. As ICCs tornaram-se uma alternativa promissora para a reabilitação desses casos mais difíceis. Isso ocorre por meio de um dispositivo auxiliar, como um exoesqueleto, que movimenta o membro paralisado do paciente ao detectar essa intenção por meio de processamento em tempo real dos sinais cerebrais. ICCs não invasivas são preferíveis em função de sua segurança. Nas ICCs, a eletroencefalografia (EEG) é a técnica mais empregada para registrar os sinais cerebrais. ICC baseada em EEG é o foco deste trabalho. O maior desafio desses sistemas é a variabilidade dos sinais. Isso significa que os sinais cerebrais de uma pessoa em uma dada tarefa repetida várias vezes serão diferentes em cada repetição. O volume condutor entre o cérebro e o couro cabeludo e a impossibilidade de se registrar os sinais utilizando uma referência eletricamente neutra são duas das principais razões para a variabilidade do EEG. Este trabalho tem por objetivo desenvolver uma estratégia para melhorar a identificação do movimento em pseudo tempo real. Um estudo sobre sinais motores de membros superiores é realizado. Na sequência, é proposto um método para personalizar o algoritmo de uma ICC a cada indivíduo, visando reduzir a variabilidade do EEG e, assim, melhorar a identificação pretendida. Foi visto que o método proposto foi eficaz, proporcionando uma acurácia média de 95% entre 15 sujeitos.