Aplicação da Análise de Correlação Canônica em Sistemas ICM Baseados em SSVEP
Resumo
Sistemas de Interface Cérebro-Máquina (ICM) são capazes de realizar comunicações entre seres humanos e máquinas através de sinais de eletroencefalograma (EEG) que são processados e convertidos em comandos. O foco desta pesquisa científica está no estudo de técnicas de extração e processamento de informação utilizando o método de Análise de Correlação Canônica (CCA) para otimização de sistemas ICM baseado em Potencial Evocado Visualmente em Estado Estável (SSVEP). Nesta pesquisa foi realizado cinco abordagens utilizando o método CCA mantendo o mesmo processo de aquisição de dados, pré-processamento e classificação. Ao final, a acurácia do classificador foi utilizada como parâmetro para discussões e conclusões.Referências
MA, Pengfei et al. A classification algorithm of an SSVEP brain-Computer interface based on CCA fusion wavelet coefficients. Journal of Neuroscience Methods, v. 371, p. 109502, 2022.
H. Bakardjian, T. Tanaka, and A. Cichocki. “Optimization of SSVEP brain responses with application to eight-command Brain–Computer Interface”. In: Neuroscience Letters 469.1 (2010), pp. 34–38. doi: 10.1016/j.neulet.2009.11.039.
C. S. Nam, A. Nijholt, and F. Lotte, Brain–Computer Interfaces Handbook: Technological and Theoretical Advances. CRC Press, 2018.
BROGIN, João Angelo Ferres. Generalização da técnica de correlação canônica para aplicações em interface cérebro-máquina. 2018.
Mohammad Samin Nur et al. CHOWDHURY. “Deep neural network for visual stimulus-based reaction time estimation using the periodogram of single-trial eeg”. In: Sensors 20.21 (2020), p. 6090.
REZENDE, Ana Cláudia Barbosa; LOPES FILHO, Gilberto; VIEIRA, Flávio Henrique Teles. Aplicação da Análise Discriminante Linear (LDA) para Classificação de Sinais Eletromiográficos (EMG) de Movimentos da Mão. In: Anais da VII Escola Regional de Informática de Goiás. SBC, 2019. p. 351-360.
H. Bakardjian, T. Tanaka, and A. Cichocki. “Optimization of SSVEP brain responses with application to eight-command Brain–Computer Interface”. In: Neuroscience Letters 469.1 (2010), pp. 34–38. doi: 10.1016/j.neulet.2009.11.039.
C. S. Nam, A. Nijholt, and F. Lotte, Brain–Computer Interfaces Handbook: Technological and Theoretical Advances. CRC Press, 2018.
BROGIN, João Angelo Ferres. Generalização da técnica de correlação canônica para aplicações em interface cérebro-máquina. 2018.
Mohammad Samin Nur et al. CHOWDHURY. “Deep neural network for visual stimulus-based reaction time estimation using the periodogram of single-trial eeg”. In: Sensors 20.21 (2020), p. 6090.
REZENDE, Ana Cláudia Barbosa; LOPES FILHO, Gilberto; VIEIRA, Flávio Henrique Teles. Aplicação da Análise Discriminante Linear (LDA) para Classificação de Sinais Eletromiográficos (EMG) de Movimentos da Mão. In: Anais da VII Escola Regional de Informática de Goiás. SBC, 2019. p. 351-360.
Publicado
30/10/2023
Como Citar
SOUSA, Sávio M.; DIAS, Fablena K. N.; SILVA, Cleison D..
Aplicação da Análise de Correlação Canônica em Sistemas ICM Baseados em SSVEP. In: ESCOLA REGIONAL DE ALTO DESEMPENHO NORTE 2 (ERAD-NO2) E ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL NORTE 2 (ERAMIA-NO2), 3. , 2023, Belém/PA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 5-8.
DOI: https://doi.org/10.5753/erad-no2.2023.236265.
