Conectividade cerebral para o controle online de interfaces cérebro-máquina

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Saito, Éric Kauati
Orientador(a): Tierra Criollo, Carlos Julio
Banca de defesa: Ichinose, Roberto Macoto, Meggiolaro, Marco Antonio
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:
Interface Cérebro-Máquina
EEG
Conectividade
Online
Redes Neurais Artificiais
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS
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

Registros relacionados