Comparison of performance of scenarios with one and three brain-machine interfaces applied

  • Francisco F. de S. Neto UFPA
  • Vitor da S. Jorge UFPA
  • Cleison Daniel da Silva UFPA

Resumo


Interfaces Cérebro-Máquina baseadas em Imagética Motora (ICM-IM) permitem o controle de dispositivos independente do uso de nervos e músculos periféricos. Este trabalho propõe dois cenários, com o intuito de comparar o desempenho final dos mesmos. Dentre as diferenças entre eles, estão:a forma em que é feito o janelamento do sinal; o treinamento das ICMís e a classificação, onde é aplicado um método de classificação que faz uso de uma estratégia de fusão de classificadores tendo uma rede neural como responsável pela decisão final.

Referências

Feng J, Yin E, Jin J, Saab R, Daly I, Wang X, Hu D, Cichocki A (2018). "Towards correlation-based time window selection method for motor imagery BCIs". Neural Netw. Jun;102:87-95. doi: 10.1016/j.neunet.2018.02.011. Epub 2018 Mar 2. PMID: 29558654.

G. Pfurtscheller, C. Neuper (2001). "Motor imagery and direct brain-computer communication," Proc. IEEE, vol. 89, no. 7, pp. 1123-1134.

Haykin, Simon. (2001) "Redes neurais: princípios e práticas". Trad. Paulo Martins Engel. - 2.ed. - Porto Alegre: Bookman.

J. Jin, Y. Miao, I. Daly, C. Zuo, D. Hu, and A. Cichocki (2020) "Correlation-based channel selection and regularized feature optimization for MI-based BCI," Neural Netw., vol. 118, pp. 262-270.

Jorge, V. S. (2022) "Análise da utilização de interfaces-cérebro máquina em paralelo para a classificação da imagética motora". Trabalho de Conclusão de Curso, Orientador: Prof. Dr. Cleison Daniel Silva - Universidade Federal do Pará (UFPA), Tucuruí.

Lal, T. N. et al. (2004) "Support vector channel selection in BCI". IEEE transactions on biomedical engineering, IEEE, v. 51, n. 6, p. 1003-1010.

Lotte, F.; Guan, C. (2010) "Spatially regularized common spatial patterns for EEG classification". IEEE, 20th International Conference on Pattern Recognition. p. 3712-3715.

Nicolas-Alonso, L. F. and Gomez-Gil, J. (2012) "Brain computer interfaces" a review Sensors (Basel, Switzerland), v. 12, n. 2, p. 1211-79. ISSN 1424-8220.

Seul-Kee Kim, Da-Hye Kim, Laehyun. (2019) "Optimization method of error-related potentials to improve MI-BCI performance". IEEE, 7th International Winter Conference on Brain-Computer Interface (BCI).

Silva, C. D. (2017) "Processamento de sinais de EEG para classificação de tarefas motoras em sistemas de interface cérebro-máquina". Orientador: Alexandre Trofino Neto. 189 p. Tese (Doutorado em Engenharia de Automação e Sistemas) - Universidade Federal de Santa Catarina (UFSC), Florianópolis.

Silverthorn, D. U. (2017) "Fisiologia Humana: uma abordagem integrada". 7. ed. [S.l.]: Porto Alegre: Artmed editora. ISBN 978-8-5388-0532-8.

Siqueira, A. O; Barbosa, R. F (2013). "Terapia por Contensão Induzida e Treino Mental na Função de Membro Superior Pós-AVC". Rev Neurocienc. 21(2):193-201.

Tayla de J. Lopes, William Machado, Jhoanyn V. F. Calvinho, Vitor M. Vilas-Boas, Cleison D. Silva. (2019). "Interface Cérebro-Máquina baseada em Imagética Motora: Estudo comparativo da quantidade de canais de EEG". Anais do 14 Congresso Brasileiro de Inteligência Computacional.

Teplan, M. (2002) "Fundamentals of EEG measurement". Measurement science review,, v. 2, n. 2, p. 1-11. ISSN 1335-8871.

V. M. Vilas-Boas, V. da S. Jorge, C. D. Silva (2020). "Towards ideal time window for classifying motor imagery in brain-computer interfaces". Symposium on Knowledge Discovery, Mining and Learning, KDMILE 2020.

Vilas Boas, Vitor Mendes (2021). "AutoBCI : interface cérebro-máquina com configuração hiperparamétrica automatizada". Orientador(a): Prof. Dr. Cleison Daniel Silva. Núcleo de Desenvolvimento Amazônico em Engenharia, Programa de Pós-Graduação em Computação Aplicada, UFPA, Tucuruí.

Wang, M. (2018) "A wearable SSVEP-based BCI system for quadcopter control using head-mounted device". IEEE Access,, v. 6, p. 26789-26798. ISSN 2169-3536.

Nam, C. S.; Nijholt, A.; Lotte, F. (2018) "Brain-computer interfaces handbook: technological and theoretical advances".

Yangyang Miao, Jing Jin, Ian Daly, Cili Zuo, Xingyu Wang (2021). "Learning Common Time-Frequency-Spatial Patterns for Motor Imagery Classification". IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 29.
Publicado
28/11/2022
Como Citar

Selecione um Formato
S. NETO, Francisco F. de; JORGE, Vitor da S.; SILVA, Cleison Daniel da. Comparison of performance of scenarios with one and three brain-machine interfaces applied. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 19. , 2022, Campinas/SP. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 198-209. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2022.227599.