Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Bastos, Narúsci dos Santos
Orientador(a): Billa, Cleo Zanella, Adamatti, Diana Francisca
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Mineração de dados
Deficiência visual
Eletroencefalograma
Sistemas BMI
Sistemas BCI
Árvores de decisão
EEG
Data Mining
Decision trees
Brain Machine Interface
Visual Impairment
Electroencephalogram
Link de acesso: http://repositorio.furg.br/handle/1/8449
Resumo: O Eletroencefalograma (EEG) baseia-se em registros de atividade elétrica cerebral medidas através do escalpo, e é comumente utilizado para estudos e exames neurológicos. Atualmente tem sido usado em conjunto com sistemas BMI (Brain Machine Interface), que permitem a comunicação entre um indivíduo e um equipamento externo, como um computador, somente através do estímulo cerebral, sem que haja qualquer movimento muscular. Estas ferramentas normalmente apresentam os dados em forma de gráficos ou mapas topográficos, para monitoramento ou análise das atividades cerebrais. Sendo assim, propõem-se uma metodologia de análise EEG através da mineração de dados, que trata de extrair conhecimento de uma grande base de dados. Neste trabalho é apresentado um estudo de caso utilizando sinais EEG de indivíduos cegos e videntes durante a execução de uma atividade que estimulou a habilidade espacial. A fim de verificar a hipótese de que videntes e cegos utilizam áreas diferentes do cérebro para visualizar objetos espaciais. Em videntes, prioritariamente o lobo occipital é ativado. Em cegos, prioritariamente, o lobo parietal é ativado. Foi feito um experimento e através dos dados dos sinais cerebrais gravados foram aplicadas técnicas de árvores de decisão para compreender as principais áreas cerebrais envolvidas durante a execução da tarefa de reconhecimento de objetos. Os resultados obtidos sugerem que a hipótese é verdadeira mostrando que os sujeitos videntes e cegos ativam áreas cerebrais distintas.
id FURG_0f3b616c42254dc82071bca05d76db82
oai_identifier_str oai:repositorio.furg.br:1/8449
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Bastos, Narúsci dos SantosBilla, Cleo ZanellaAdamatti, Diana Francisca2020-03-26T21:53:49Z2020-03-26T21:53:49Z2017BASTOS, Narúsci dos Santos. Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais. 2017. 92 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.http://repositorio.furg.br/handle/1/8449O Eletroencefalograma (EEG) baseia-se em registros de atividade elétrica cerebral medidas através do escalpo, e é comumente utilizado para estudos e exames neurológicos. Atualmente tem sido usado em conjunto com sistemas BMI (Brain Machine Interface), que permitem a comunicação entre um indivíduo e um equipamento externo, como um computador, somente através do estímulo cerebral, sem que haja qualquer movimento muscular. Estas ferramentas normalmente apresentam os dados em forma de gráficos ou mapas topográficos, para monitoramento ou análise das atividades cerebrais. Sendo assim, propõem-se uma metodologia de análise EEG através da mineração de dados, que trata de extrair conhecimento de uma grande base de dados. Neste trabalho é apresentado um estudo de caso utilizando sinais EEG de indivíduos cegos e videntes durante a execução de uma atividade que estimulou a habilidade espacial. A fim de verificar a hipótese de que videntes e cegos utilizam áreas diferentes do cérebro para visualizar objetos espaciais. Em videntes, prioritariamente o lobo occipital é ativado. Em cegos, prioritariamente, o lobo parietal é ativado. Foi feito um experimento e através dos dados dos sinais cerebrais gravados foram aplicadas técnicas de árvores de decisão para compreender as principais áreas cerebrais envolvidas durante a execução da tarefa de reconhecimento de objetos. Os resultados obtidos sugerem que a hipótese é verdadeira mostrando que os sujeitos videntes e cegos ativam áreas cerebrais distintas.The Electroencephalogram (EEG) is based on records of brain electrical activity measured through the scalp, and is commonly used for studies and neurological examinations. It has now been used in conjunction with BMI (Brain Machine Interface) Systems, which allow the communication of an individual and external equipment, such as a computer, through brain stimulation, without any muscle movement. These tools typically present data in the form of graphs or topographic maps for monitoring or analysis of brain activities. In this work, a methodology of EEG analysis is proposed through data mining, which tries to extract knowledge from a large database. This paper presents a case study using EEG signals from blind and sighted individuals during the execution of an activity that stimulated spatial ability. In order to verify the hypothesis that sighted use the sense of sight, even with blindfold, and blind people use the sense of touch to identify spatial geometric objects. An experiment was made and through the data of the recorded brain signals, decision tree techniques were applied to understand the main areas involved in the brain activities during the execution of the recognition task. The results suggest that the hypothesis is true confirming that blind and sighted subjects activate different brain areas.porMineração de dadosDeficiência visualEletroencefalogramaSistemas BMISistemas BCIÁrvores de decisãoEEGData MiningDecision treesBrain Machine InterfaceVisual ImpairmentElectroencephalogramMetodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGORIGINAL51.pdf51.pdfapplication/pdf8393803https://repositorio.furg.br/bitstreams/298169f1-b31f-4677-b59c-fad7c82122e4/download1e87fe490d7399b6be1513f72e238a5bMD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstreams/20596e56-a59e-4cb6-b8c9-3fc87c063bf5/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADTEXT51.pdf.txt51.pdf.txtExtracted texttext/plain103046https://repositorio.furg.br/bitstreams/8eefdb6b-a278-4548-ba5c-792676686c1c/download24890c8705e5165310c2ae06a0284e0fMD53falseAnonymousREADTHUMBNAIL51.pdf.jpg51.pdf.jpgGenerated Thumbnailimage/jpeg3538https://repositorio.furg.br/bitstreams/a37b0e69-093f-4a3f-bacc-c1aacc69feda/download77f34d4e019d978ed2e017f62d53596cMD54falseAnonymousREAD1/84492025-12-10 00:14:40.674open.accessoai:repositorio.furg.br:1/8449https://repositorio.furg.brRepositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestrepositorio@furg.br||sib.bdtd@furg.bropendoar:2025-12-10T03:14:40Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)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
dc.title.pt_BR.fl_str_mv Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
title Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
spellingShingle Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
Bastos, Narúsci dos Santos
Mineração de dados
Deficiência visual
Eletroencefalograma
Sistemas BMI
Sistemas BCI
Árvores de decisão
EEG
Data Mining
Decision trees
Brain Machine Interface
Visual Impairment
Electroencephalogram
title_short Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
title_full Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
title_fullStr Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
title_full_unstemmed Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
title_sort Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais
author Bastos, Narúsci dos Santos
author_facet Bastos, Narúsci dos Santos
author_role author
dc.contributor.author.fl_str_mv Bastos, Narúsci dos Santos
dc.contributor.advisor1.fl_str_mv Billa, Cleo Zanella
Adamatti, Diana Francisca
contributor_str_mv Billa, Cleo Zanella
Adamatti, Diana Francisca
dc.subject.por.fl_str_mv Mineração de dados
Deficiência visual
Eletroencefalograma
Sistemas BMI
Sistemas BCI
Árvores de decisão
EEG
Data Mining
Decision trees
Brain Machine Interface
Visual Impairment
Electroencephalogram
topic Mineração de dados
Deficiência visual
Eletroencefalograma
Sistemas BMI
Sistemas BCI
Árvores de decisão
EEG
Data Mining
Decision trees
Brain Machine Interface
Visual Impairment
Electroencephalogram
description O Eletroencefalograma (EEG) baseia-se em registros de atividade elétrica cerebral medidas através do escalpo, e é comumente utilizado para estudos e exames neurológicos. Atualmente tem sido usado em conjunto com sistemas BMI (Brain Machine Interface), que permitem a comunicação entre um indivíduo e um equipamento externo, como um computador, somente através do estímulo cerebral, sem que haja qualquer movimento muscular. Estas ferramentas normalmente apresentam os dados em forma de gráficos ou mapas topográficos, para monitoramento ou análise das atividades cerebrais. Sendo assim, propõem-se uma metodologia de análise EEG através da mineração de dados, que trata de extrair conhecimento de uma grande base de dados. Neste trabalho é apresentado um estudo de caso utilizando sinais EEG de indivíduos cegos e videntes durante a execução de uma atividade que estimulou a habilidade espacial. A fim de verificar a hipótese de que videntes e cegos utilizam áreas diferentes do cérebro para visualizar objetos espaciais. Em videntes, prioritariamente o lobo occipital é ativado. Em cegos, prioritariamente, o lobo parietal é ativado. Foi feito um experimento e através dos dados dos sinais cerebrais gravados foram aplicadas técnicas de árvores de decisão para compreender as principais áreas cerebrais envolvidas durante a execução da tarefa de reconhecimento de objetos. Os resultados obtidos sugerem que a hipótese é verdadeira mostrando que os sujeitos videntes e cegos ativam áreas cerebrais distintas.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2020-03-26T21:53:49Z
dc.date.available.fl_str_mv 2020-03-26T21:53:49Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BASTOS, Narúsci dos Santos. Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais. 2017. 92 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
dc.identifier.uri.fl_str_mv http://repositorio.furg.br/handle/1/8449
identifier_str_mv BASTOS, Narúsci dos Santos. Metodologia para análise EEG utilizando árvores de decisão : um estudo de caso para reconhecimento de objetos espaciais. 2017. 92 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
url http://repositorio.furg.br/handle/1/8449
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstreams/298169f1-b31f-4677-b59c-fad7c82122e4/download
https://repositorio.furg.br/bitstreams/20596e56-a59e-4cb6-b8c9-3fc87c063bf5/download
https://repositorio.furg.br/bitstreams/8eefdb6b-a278-4548-ba5c-792676686c1c/download
https://repositorio.furg.br/bitstreams/a37b0e69-093f-4a3f-bacc-c1aacc69feda/download
bitstream.checksum.fl_str_mv 1e87fe490d7399b6be1513f72e238a5b
8a4605be74aa9ea9d79846c1fba20a33
24890c8705e5165310c2ae06a0284e0f
77f34d4e019d978ed2e017f62d53596c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv repositorio@furg.br||sib.bdtd@furg.br
_version_ 1856849666738487296

Registros relacionados