Emprego de Banco de Filtros e do Teorema de Imersão de Takens em Padrões Espaciais para a Classificação de Imagética Motora em Interfaces Cérebro-Computador

Abstract

Resumo: As Interfaces Cérebro-Computador (BCI) são sistemas que provêm uma alternativa para que pessoas com perda severa ou total do controle motor possam interagir com o ambiente externo. Para mapear intenções individuais em operações de má-quina, os sistemas de BCI empregam um conjunto de etapas que envolvem a captura e pré-processamento dos sinais cerebrais, a extração e seleção de suas características mais relevantes e a classificação das intenções. Neste trabalho, diferentes abordagens para a extração de características de sinais cerebrais foram avaliadas, a mencionar: i) Padrões Espectro-Espaciais Comuns (CSSP); ii) Padrões Esparsos Espectro-Espaciais Comuns (CSSSP); iii) CSSP com banco de filtros (FBCSSP); e, finalmente, iv) CSSSP com banco de filtros (FBCSSSP). Em comum, essas técnicas utilizam de filtragem de banda de frequências e reconstrução de espaços para ressaltar similaridades entre sinais. A técnica de Seleção de Características baseada em Informação Mútua (MIFS) foi adotada para a redução de dimensionalidade das características extraídas e, em seguida, Máquinas de Vetores de Suporte (SVM) foram utilizadas para a classificação do espaço de exemplos. Os experimentos consideraram o conjunto de dados BCI Competition IV-2b, o qual conta com sinais produzidos pelos eletrodos nas posições C3, Cz e C4 a fim de identificar as intenções de movimentação das mãos direita e esquerda. Conclui-se, a partir dos índices kappa obtidos, que os extratores de características adotados podem apresentar resultados equiparáveis ao estado da arte.