Análise da otimização de sistemas BCI baseados em Imagética Motora através do Algoritmo Colônia Artificial de Abelhas

• Danilo de Sousa Lopes UFPA
• Demison Rolins de Souza Alves UFPA
• Cleison Daniel Silva UFPA

DOI: https://doi.org/10.5753/erad-no2.2022.228297

Resumo

Neste artigo, são apresentadas novas contribuições quanto a otimização de sistemas de Interface Cérebro-Máquina baseados em Imagética Motora, através do uso das informações espectrais dos sinais de eletroencefalografia, para ponderar as matrizes de covariância e evidenciar as características discriminantes. Sendo necessário a utilização de uma matriz de pesos, parametrizada por duas funções de pertinência gaussianas, onde os melhores parâmetros são definidos através do Algoritmo Colônia de Abelhas Artificiais. Os sinais são classificados por meio do algoritmo Distância Mínima à Média Riemanniana e os experimentos utilizam o conjunto de dados IIa da IV Competição Internacional de Interface Cérebro-Máquina. Os resultados são satisfatórios em relação a abordagem do estado da arte, com ganhos de precisão consideráveis e as novas inferências mostram que o aumento do mapeamento das regiões do espectro do sinal, contribuem para uma maior assertividade da classificação dos padrões de imagética motora de diferentes sujeitos.

Referências

Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., and Zhao, X. (2019). A comprehensive review of eeg-based brain-computer interface paradigms. Journal of neural engineering, 16(1):011001.

Alves, D. R., Teixeira, O. N., and Silva, C. D. (2022). Feature weighting on eeg signal by artificial bee colony for classification of motor imaginary tasks. In International Conference on Sensing and Imaging, pages 301-310. Springer.

Barachant, A., Bonnet, S., Congedo, M., and Jutten, C. (2011). Multiclass brain-computer interface classification by riemannian geometry. IEEE Transactions on Biomedical Engineering, 59(4):920-928.

Congedo, M., Barachant, A., and Andreev, A. (2013). A new generation of brain-computer interface based on riemannian geometry. arXiv preprint arXiv:1310.8115.

Silva, C., Duarte, R., Goulart, R., and Trofino, A. (2016). Towards a lmi approach to feature extraction improvements and classification by riemann distance. In 2016 12th IEEE International Conference on Control and Automation (ICCA), pages 990-995. IEEE.

Silverthorn, D. U. (2017). Fisiologia humana: uma abordagem integrada. Artmed editora.