Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: XAVIER, Felipe Porge. lattes
Orientador(a): PERKUSICH, Angelo. lattes
Banca de defesa: ROCHA NETO, José Sérgio da. lattes, SILVA, Jaidilson Jó da. lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
Departamento: Centro de Engenharia Elétrica e Informática - CEEI
País: Brasil
Palavras-chave em Português:
Sonolência
Eletroencefalograma
Motoristas
Trânsito
Somnolence
Electroencephalogram
Drivers
Traffic
Área do conhecimento CNPq:
Engenharia Elétrica
Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/26979
Resumo: O cérebro humano está, na maior parte do tempo, processando informações para reagir de acordo com os estímulos recebidos pelo conjunto sensorial do corpo humano. A fadiga men- tal é um estado de sonolência e baixa atenção que aumenta o tempo de reação do indivíduo. No trânsito, o baixo tempo de reação é crucial para evitar acidentes, o que torna a fadiga mental um fator de risco para os motoristas, principalmente ao trafegar em rodovias, as quais normalmente permitem velocidades mais altas. Neste trabalho, é descrito um método de classificação de sinais de eletroencefalograma (EEG) em sonolência, utilizando redes neu- rais artificiais otimizadas utilizando algoritmos genéticos. Os parâmetros de entrada foram calculados para grupos de 256 amostras (janelas de 1 segundo) do canal AF7 de um headset de EEG portátil denominado Muse. A aplicação do método proposto resultou em 13,42% de erro na classificação das amostras (confusão), 14,49% de erro quadrático médio, 85,21% de sensitividade e 87,95% de especificidade, a partir da utilização de dados adquiridos durante sessões em um simulador de direção.
id UFCG_ec317adef0d83e3e7378f576ec1f0541
oai_identifier_str oai:dspace.sti.ufcg.edu.br:riufcg/26979
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str
spelling PERKUSICH, Angelo.Perkusich, Angelo.Perkusich, A.Angelo Perkusic.http://lattes.cnpq.br/9439858291700830ROCHA NETO, José Sérgio da.ROCHA NETO, J. S.ROCHA NETO, J S DA.DA ROCHA NETO, JOSE SERGIO.http://lattes.cnpq.br/9085919442313408SILVA, Jaidilson Jó da.SILVA, J. J.Da Silva, J. J.Silva, Jaidilson Jó.http://lattes.cnpq.br/9247322786251981XAVIER, F. P.XAVIER, FELIPE P.PORGE XAVIER, FELIPE.http://lattes.cnpq.br/3053349637803534XAVIER, Felipe Porge.O cérebro humano está, na maior parte do tempo, processando informações para reagir de acordo com os estímulos recebidos pelo conjunto sensorial do corpo humano. A fadiga men- tal é um estado de sonolência e baixa atenção que aumenta o tempo de reação do indivíduo. No trânsito, o baixo tempo de reação é crucial para evitar acidentes, o que torna a fadiga mental um fator de risco para os motoristas, principalmente ao trafegar em rodovias, as quais normalmente permitem velocidades mais altas. Neste trabalho, é descrito um método de classificação de sinais de eletroencefalograma (EEG) em sonolência, utilizando redes neu- rais artificiais otimizadas utilizando algoritmos genéticos. Os parâmetros de entrada foram calculados para grupos de 256 amostras (janelas de 1 segundo) do canal AF7 de um headset de EEG portátil denominado Muse. A aplicação do método proposto resultou em 13,42% de erro na classificação das amostras (confusão), 14,49% de erro quadrático médio, 85,21% de sensitividade e 87,95% de especificidade, a partir da utilização de dados adquiridos durante sessões em um simulador de direção.Most of the time, the human brain is processing information to react according to the stim- uli received through the sensory nervous system. The mental fatigue is a state of drowsiness and low attention that increases the reaction time of an individual. In the traffic, the short reaction time is crucial to avoid accidents, what means that mental fatigue is a risk factor for drivers, especially when driving through highways in which higher speeds are normally al- lowed. This work describes a method to classify EEG signals in drowsiness by using artificial neural networks optimized by genetic algorithms. The input parameters were calculated for groups of 256 samples (1 second window) of channel AF7 of a Muse portable EEG headset. The application of the proposed method resulted in 13.42% of classification error (confu- sion), 14.49% of mean squared error, 85.21% of sensitivity and 87.95% of specificity, using data acquired during sessions in a driving simulator.Submitted by Roselânia Costa (roselaniasantos86@gmail.com) on 2022-09-06T19:00:05Z No. of bitstreams: 1 FELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdf: 1753948 bytes, checksum: 68b85acffb0e9ca9b1323535eedc7440 (MD5)Made available in DSpace on 2022-09-06T19:00:05Z (GMT). No. of bitstreams: 1 FELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdf: 1753948 bytes, checksum: 68b85acffb0e9ca9b1323535eedc7440 (MD5) Previous issue date: 2018-08-08Universidade Federal de Campina GrandePÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICAUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEIEngenharia ElétricaSonolênciaEletroencefalogramaMotoristasTrânsitoSomnolenceElectroencephalogramDriversTrafficClassificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.Drowsy state rating for drivers based on electroencephalogram, artificial neural networks and genetic algorithms.2018-08-082022-09-06T19:00:05Z2022-09-062022-09-06T19:00:05Zhttps://dspace.sti.ufcg.edu.br/handle/riufcg/26979XAVIER, Felipe Porge. Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos. 2018. 73 fl. Dissertação (Mestrado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2018.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGTEXTFELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdf.txtFELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdf.txttext/plain110310https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/3/FELIPE+PORGE+XAVIER+-+DISSERTA%C3%87%C3%83O+%28PPGEE%29+2018.pdf.txt08e478570305f4571dc783f8dd9943b1MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALFELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdfFELIPE PORGE XAVIER - DISSERTAÇÃO (PPGEE) 2018.pdfapplication/pdf1753948https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/1/FELIPE+PORGE+XAVIER+-+DISSERTA%C3%87%C3%83O+%28PPGEE%29+2018.pdf68b85acffb0e9ca9b1323535eedc7440MD51riufcg/269792025-07-24 09:03:11.501oai:dspace.sti.ufcg.edu.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512025-07-24T12:03:11Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.pt_BR.fl_str_mv Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
dc.title.alternative.pt_BR.fl_str_mv Drowsy state rating for drivers based on electroencephalogram, artificial neural networks and genetic algorithms.
title Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
spellingShingle Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
XAVIER, Felipe Porge.
Engenharia Elétrica
Sonolência
Eletroencefalograma
Motoristas
Trânsito
Somnolence
Electroencephalogram
Drivers
Traffic
title_short Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
title_full Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
title_fullStr Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
title_full_unstemmed Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
title_sort Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos.
author XAVIER, Felipe Porge.
author_facet XAVIER, Felipe Porge.
author_role author
dc.contributor.advisor1.fl_str_mv PERKUSICH, Angelo.
dc.contributor.advisor1ID.fl_str_mv Perkusich, Angelo.
Perkusich, A.
Angelo Perkusic.
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9439858291700830
dc.contributor.referee1.fl_str_mv ROCHA NETO, José Sérgio da.
dc.contributor.referee1ID.fl_str_mv ROCHA NETO, J. S.
ROCHA NETO, J S DA.
DA ROCHA NETO, JOSE SERGIO.
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/9085919442313408
dc.contributor.referee2.fl_str_mv SILVA, Jaidilson Jó da.
dc.contributor.referee2ID.fl_str_mv SILVA, J. J.
Da Silva, J. J.
Silva, Jaidilson Jó.
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/9247322786251981
dc.contributor.authorID.fl_str_mv XAVIER, F. P.
XAVIER, FELIPE P.
PORGE XAVIER, FELIPE.
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3053349637803534
dc.contributor.author.fl_str_mv XAVIER, Felipe Porge.
contributor_str_mv PERKUSICH, Angelo.
ROCHA NETO, José Sérgio da.
SILVA, Jaidilson Jó da.
dc.subject.cnpq.fl_str_mv Engenharia Elétrica
topic Engenharia Elétrica
Sonolência
Eletroencefalograma
Motoristas
Trânsito
Somnolence
Electroencephalogram
Drivers
Traffic
dc.subject.por.fl_str_mv Sonolência
Eletroencefalograma
Motoristas
Trânsito
Somnolence
Electroencephalogram
Drivers
Traffic
description O cérebro humano está, na maior parte do tempo, processando informações para reagir de acordo com os estímulos recebidos pelo conjunto sensorial do corpo humano. A fadiga men- tal é um estado de sonolência e baixa atenção que aumenta o tempo de reação do indivíduo. No trânsito, o baixo tempo de reação é crucial para evitar acidentes, o que torna a fadiga mental um fator de risco para os motoristas, principalmente ao trafegar em rodovias, as quais normalmente permitem velocidades mais altas. Neste trabalho, é descrito um método de classificação de sinais de eletroencefalograma (EEG) em sonolência, utilizando redes neu- rais artificiais otimizadas utilizando algoritmos genéticos. Os parâmetros de entrada foram calculados para grupos de 256 amostras (janelas de 1 segundo) do canal AF7 de um headset de EEG portátil denominado Muse. A aplicação do método proposto resultou em 13,42% de erro na classificação das amostras (confusão), 14,49% de erro quadrático médio, 85,21% de sensitividade e 87,95% de especificidade, a partir da utilização de dados adquiridos durante sessões em um simulador de direção.
publishDate 2018
dc.date.issued.fl_str_mv 2018-08-08
dc.date.accessioned.fl_str_mv 2022-09-06T19:00:05Z
dc.date.available.fl_str_mv 2022-09-06
2022-09-06T19:00:05Z
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.uri.fl_str_mv https://dspace.sti.ufcg.edu.br/handle/riufcg/26979
dc.identifier.citation.fl_str_mv XAVIER, Felipe Porge. Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos. 2018. 73 fl. Dissertação (Mestrado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2018.
url https://dspace.sti.ufcg.edu.br/handle/riufcg/26979
identifier_str_mv XAVIER, Felipe Porge. Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos. 2018. 73 fl. Dissertação (Mestrado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2018.
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.publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.publisher.program.fl_str_mv PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv UFCG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Engenharia Elétrica e Informática - CEEI
publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
bitstream.url.fl_str_mv https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/3/FELIPE+PORGE+XAVIER+-+DISSERTA%C3%87%C3%83O+%28PPGEE%29+2018.pdf.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/2/license.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/26979/1/FELIPE+PORGE+XAVIER+-+DISSERTA%C3%87%C3%83O+%28PPGEE%29+2018.pdf
bitstream.checksum.fl_str_mv 08e478570305f4571dc783f8dd9943b1
8a4605be74aa9ea9d79846c1fba20a33
68b85acffb0e9ca9b1323535eedc7440
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1863363520839548928

Registros relacionados