Conectividade cerebral para o controle online de interfaces cérebro-máquina
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal do Rio de Janeiro
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Biomédica
|
Departamento: |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://hdl.handle.net/11422/13223 |
Resumo: | A classificação de diferentes tarefas de Imagética Motora (IM) no mesmo membro ainda é um grande desafio utilizando Eletroencefalografia (EEG), uma vez que a sua representação no córtex motor é muito próxima espacialmente. As técnicas que consideram o fluxo de informação, como a Coerência Direcionada Parcial (PDC), têm se mostrado promissoras para Interface Cérebro-Máquina (ICM) do mesmo membro. O objetivo deste trabalho é identificar online a IM da flexão e extensão do cotovelo para acionamento de um braço robótico numa interface cérebro-máquina síncrona. Parâmetros e técnicas de pré-processamento foram estudados em classificação offline antes da sua aplicação online. Os sinais de EEG de dois participantes foram registrados durante a IM da flexão e extensão do cotovelo, seguindo o braço robótico. A função de conectividade foi utilizada para obter as características para o treinamento da Rede Neural Artificial (RNA) para cada voluntário. Então, quatro sessões online foram executadas. Na validação online (3 classes: IM de flexão e extensão do cotovelo e da situação de repouso), os melhores valores de acurácia foram 48,0%, para o primeiro voluntário (na terceira sessão) e 58,0% para o segundo voluntário (na quarta sessão). Assim, a conectividade direcionada se mostra promissora para o desenvolvimento de ICM online para a classificação de tarefas de imaginação no mesmo membro |
id |
UFRJ_be7a45836ce072f8c91325923b14e81c |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/13223 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Saito, Éric Kauatihttp://lattes.cnpq.br/5743404268947726http://lattes.cnpq.br/3990946136913836Miranda de Sá, Antônio Mauricio Ferreira Leitehttp://lattes.cnpq.br/4306437718089895Ichinose, Roberto MacotoMeggiolaro, Marco AntonioTierra Criollo, Carlos Julio2020-10-14T01:31:25Z2020-10-15T03:00:08Z2019-06http://hdl.handle.net/11422/13223A classificação de diferentes tarefas de Imagética Motora (IM) no mesmo membro ainda é um grande desafio utilizando Eletroencefalografia (EEG), uma vez que a sua representação no córtex motor é muito próxima espacialmente. As técnicas que consideram o fluxo de informação, como a Coerência Direcionada Parcial (PDC), têm se mostrado promissoras para Interface Cérebro-Máquina (ICM) do mesmo membro. O objetivo deste trabalho é identificar online a IM da flexão e extensão do cotovelo para acionamento de um braço robótico numa interface cérebro-máquina síncrona. Parâmetros e técnicas de pré-processamento foram estudados em classificação offline antes da sua aplicação online. Os sinais de EEG de dois participantes foram registrados durante a IM da flexão e extensão do cotovelo, seguindo o braço robótico. A função de conectividade foi utilizada para obter as características para o treinamento da Rede Neural Artificial (RNA) para cada voluntário. Então, quatro sessões online foram executadas. Na validação online (3 classes: IM de flexão e extensão do cotovelo e da situação de repouso), os melhores valores de acurácia foram 48,0%, para o primeiro voluntário (na terceira sessão) e 58,0% para o segundo voluntário (na quarta sessão). Assim, a conectividade direcionada se mostra promissora para o desenvolvimento de ICM online para a classificação de tarefas de imaginação no mesmo membroThe classification of different Motor Imagery (MI) tasks of the same limb remains a challenge using electroencephalography (EEG), since its representation in the motor cortex area is very close spatially. Methods that consider the information flow, like Partial Directed Coherence (PDC), have shown to be promising for brain-computer interface (BCI) of the same limb. The objective of this thesis is to identify the MI of elbow flexion and extension to activate a robotic arm with a synchronous BCI. Parameters and preprocessing methods were study in offline classification before their online application. EEG signals of two volunteers were recorded performing during the MI of the elbow flexion and extension, following a robotic arm. For each volunteer, the connectivity function was used to obtain the characteristics for artificial neural network (ANN) training. Four online session were performed. In online validation (3 class: MI elbow flexion and extension and rest), the best accuracy for the first volunteer was 48.0% (third session), and 58.0% for the second volunteer (fourth session). Therefore, directed connectivity looks promising for the development of online BCI for the classification of MI of the same limb.Submitted by Moreno Barros (moreno@ct.ufrj.br) on 2020-10-14T01:31:25Z No. of bitstreams: 1 EricKauatiSaito.pdf: 1808256 bytes, checksum: 4aee08f3ba8a4140cdf2531ac1a23815 (MD5)Made available in DSpace on 2020-10-14T01:31:25Z (GMT). No. of bitstreams: 1 EricKauatiSaito.pdf: 1808256 bytes, checksum: 4aee08f3ba8a4140cdf2531ac1a23815 (MD5) Previous issue date: 2019-06porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia BiomédicaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIASInterface Cérebro-MáquinaEEGConectividadeOnlineRedes Neurais ArtificiaisConectividade cerebral para o controle online de interfaces cérebro-máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/13223/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALEricKauatiSaito.pdfEricKauatiSaito.pdfapplication/pdf1808256http://pantheon.ufrj.br:80/bitstream/11422/13223/1/EricKauatiSaito.pdf4aee08f3ba8a4140cdf2531ac1a23815MD5111422/132232020-10-15 00:00:08.997oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2020-10-15T03:00:08Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
title |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
spellingShingle |
Conectividade cerebral para o controle online de interfaces cérebro-máquina Saito, Éric Kauati CNPQ::ENGENHARIAS Interface Cérebro-Máquina EEG Conectividade Online Redes Neurais Artificiais |
title_short |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
title_full |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
title_fullStr |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
title_full_unstemmed |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
title_sort |
Conectividade cerebral para o controle online de interfaces cérebro-máquina |
author |
Saito, Éric Kauati |
author_facet |
Saito, Éric Kauati |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5743404268947726 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3990946136913836 |
dc.contributor.advisorCo1.none.fl_str_mv |
Miranda de Sá, Antônio Mauricio Ferreira Leite |
dc.contributor.advisorCo1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4306437718089895 |
dc.contributor.author.fl_str_mv |
Saito, Éric Kauati |
dc.contributor.referee1.fl_str_mv |
Ichinose, Roberto Macoto |
dc.contributor.referee2.fl_str_mv |
Meggiolaro, Marco Antonio |
dc.contributor.advisor1.fl_str_mv |
Tierra Criollo, Carlos Julio |
contributor_str_mv |
Ichinose, Roberto Macoto Meggiolaro, Marco Antonio Tierra Criollo, Carlos Julio |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
topic |
CNPQ::ENGENHARIAS Interface Cérebro-Máquina EEG Conectividade Online Redes Neurais Artificiais |
dc.subject.por.fl_str_mv |
Interface Cérebro-Máquina EEG Conectividade Online Redes Neurais Artificiais |
description |
A classificação de diferentes tarefas de Imagética Motora (IM) no mesmo membro ainda é um grande desafio utilizando Eletroencefalografia (EEG), uma vez que a sua representação no córtex motor é muito próxima espacialmente. As técnicas que consideram o fluxo de informação, como a Coerência Direcionada Parcial (PDC), têm se mostrado promissoras para Interface Cérebro-Máquina (ICM) do mesmo membro. O objetivo deste trabalho é identificar online a IM da flexão e extensão do cotovelo para acionamento de um braço robótico numa interface cérebro-máquina síncrona. Parâmetros e técnicas de pré-processamento foram estudados em classificação offline antes da sua aplicação online. Os sinais de EEG de dois participantes foram registrados durante a IM da flexão e extensão do cotovelo, seguindo o braço robótico. A função de conectividade foi utilizada para obter as características para o treinamento da Rede Neural Artificial (RNA) para cada voluntário. Então, quatro sessões online foram executadas. Na validação online (3 classes: IM de flexão e extensão do cotovelo e da situação de repouso), os melhores valores de acurácia foram 48,0%, para o primeiro voluntário (na terceira sessão) e 58,0% para o segundo voluntário (na quarta sessão). Assim, a conectividade direcionada se mostra promissora para o desenvolvimento de ICM online para a classificação de tarefas de imaginação no mesmo membro |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-06 |
dc.date.accessioned.fl_str_mv |
2020-10-14T01:31:25Z |
dc.date.available.fl_str_mv |
2020-10-15T03:00:08Z |
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 |
http://hdl.handle.net/11422/13223 |
url |
http://hdl.handle.net/11422/13223 |
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 do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Biomédica |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/13223/2/license.txt http://pantheon.ufrj.br:80/bitstream/11422/13223/1/EricKauatiSaito.pdf |
bitstream.checksum.fl_str_mv |
dd32849f2bfb22da963c3aac6e26e255 4aee08f3ba8a4140cdf2531ac1a23815 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1766886499961274368 |