Correção de artefatos e teste de hipóteses baseados em modelos da resposta mismatch negativity em sinais de EEG para aplicações em tempo real

• Ano de defesa: 2020
• Autor(a) principal: Freitas, Amanda Medeiros de
• Orientador(a): Soares, Alcimar Barbosa
• Banca de defesa: Andrade, Adriano de Oliveira, Oliveira, Sérgio Ricardo de Jesus, Brasil, Fabricio Lima, Mattout, Jérémie
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Uberlândia
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Correção de artefatos online; Online artifact correction; Negatividade de incompatibilidade; Mismatch negativity; Modelagem perceptual sensorial; Sensory perceptual modeling; Teste de hipóteses; Hypothesis testing; Design adaptativo; Adaptive design
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA; CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA
• Link de acesso: https://repositorio.ufu.br/handle/123456789/29402; http://doi.org/10.14393/ufu.te.2020.456

As Interfaces Cérebro-Máquina utilizam sinais cerebrais para controlar em tempo real diversos mecanismos assistivos, como por exemplo, dispositivos de comunicação alternativa, próteses de membros superiores, exoesqueletos, cadeiras de rodas, entre outros. Estas abordagens enfrentam desafios intrínsecos ao sistema, como a remoção de artefatos para extração confiável de características corticais em single-trial, especialmente quando a atividade cortical é mensurada por eletroencefalografia (EEG). Além dos artefatos, outro problema na implementação de sistemas ICMs é a resposta cortical do usuário, uma vez que cada sujeito possui sua própria dinâmica cortical, que varia ao longo do tempo. Alguns estudos também mostraram que existem diferença estatística significativa na resposta cortical entre sujeitos saudáveis e pacientes com Esclerose Lateral Amiotrófica. Desta maneira, modelos computacionais visam comparar diferentes modelos e identificar qual deles melhor explica o sinal cortical por meio do EEG. Entretanto, desenvolver experimentos capazes de discriminar conclusivamente os modelos em análises não é trivial. Alguns estudos, utilizando dados simulados, mostraram a viabilidade de utilizar design adaptativos e otimizados para melhorar a comparação dos modelos computacionais. Portanto, a hipótese deste trabalho é que a utilização conjunta de correção de artefatos em tempo real e um sistema adaptativo e otimizado podem proporcionar respostas mais acuradas e rápidas sobre a resposta cortical por meio de dados reais de EEG em análises online e em single-trial. Existem alguns métodos para correção de artefatos online, mas nenhum deles está sendo utilizado como um “padrão ouro” e nenhuma pesquisa foi conduzida para analisar e comparar seus respectivos efeitos por meio de decisão baseada em inferência, ou seja, comparação de modelos matemáticos que visam explicar a dinâmica cortical em decorrência de algum evento. Portanto, na primeira parte do trabalho, avaliamos métodos para correção de artefatos e os ajustes necessários para implementá-los em single-trial para a análise online de EEG. Investigamos os seguintes métodos: Artifact Subspace Reconstruction (ASR), Fully Online and automated artifact Removal for brain-Computer interfacing (FORCe), Empirical Mode Decomposition (EMD) online, e Independent Component Analysis (ICA) online. Para avaliação, simulamos o processamento de dados online utilizando dados reais obtidos por meio de um paradigma oddball auditivo. Comparamos os métodos acima com um processamento de dados offline clássico, em sua capacidade (i) de revelar uma resposta significativa de Mismatch Negativity (MMN) aos estímulos auditivos; (ii) revelar a modulação mais sutil do MMN por mudanças contextuais (previsibilidade na sequência sonora) e (iii) identificar a modelagem do processo cortical de percepção sensorial mais provável de explicar a resposta MMN. Nossos resultados alcançados mostram que os métodos ASR e EMD são capazes de revelar a resposta MMN e sua modulação por previsibilidade, e até se mostram mais sensíveis que a análise offline na comparação dos modelos alternativos de percepção sensorial às respostas evocadas auditivas. Na segunda parte do trabalho, exploramos especificamente a modelagem cortical. Alguns estudos propõem a implementação de designs adaptativos, que possibilitam a distinção entre os modelos de forma mais rápida e acurada. Entretanto, até o presente momento, nenhum estudo explorou o teste de hipóteses (comparação dos modelos) considerando a modelagem computacional de percepção sensorial (MMN) para adaptar e otimizar o design experimental para aplicações em tempo real baseado em sinais reais de EEG em single-trial. Nossos resultados com dados simulados mostraram que o teste de hipóteses foi capaz de concluir em favor do modelo que gerou os dados. Além disso, o design adaptativo apresentou melhores resultados do que o design clássico. Os resultados com dados reais mostrou variabilidade na resposta cortical entre os sujeitos e também quanto ao bloco experimental (previsibilidade na sequência sonora). O design adaptativo mostrou mais resultados em favor dos modelos alternativos, enquanto o design clássico, em favor do modelo nulo. A combinação da correção de artefatos em tempo real e do design adaptativo mostrou ser viável para identificar o modelo computacional que melhor explica a resposta cortical em análise single-trial do sinal EEG. Estes resultados são importantes para aplicações de ICMs pois podem identificar se o sujeito é apto a utilizar o sistema e também para investigar as alterações de sua resposta cortical ao longo do tempo.