Classificação de movimentos imaginários através de redes bayesianas em sistema baseado em touca EMOTIV

Abstract

Interfaces cérebro computador (BCI) são um meio de comunicação e controle, para tecnologia assistiva, que não necessitam de atuação motora do usuário. O objetivo deste trabalho é classificar duas classes de movimentos imaginários, sendo estes mãos esquerda e direita, e realizar uma análise preliminar em relação aos resultados de outros estudos da área. O processamento de sinais de eletroencefalografia (EEG) é realizado através de filtros Common Spatial Pattern e o classificador utilizado é o Naive Bayes. A aquisição dos sinais de EEG é realizada com a touca de eletrodos EMOTIV, em dois voluntários, para dois modelos de trilhas diferentes. Os canais selecionados são os FC5, FC6, P7 e P8 do sistema 10-20, e uma discussão sobre as diferenças do uso dos canais C3, C4, P3 e P4 é realizada. O banco de dados número 3 do BCI Competition II também é analisado pelo sistema desenvolvido. Os resultados máximos de classificação para o experimento proposto e para o banco de dados do BCI Competition foram, respectivamente, de 79 % e 85 %. A conclusão do estudo é que as posições de eletrodos adotadas podem ser usadas para sistemas BCI de duas classes, com taxas de acerto satisfatórias.

Brain-computer interfaces (BCI) provide means of communications and control, in assistive technology, which do not require motor activity from the user. The goal of this study is to promote classification of two types of imaginary movement, left and right hands, and to perform a preliminary analysis with respect to results obtained by other experiments in this field. Processing of the electroencephalography (EEG) signals is done applying Common Spatial Pattern filters and the chosen classifier is the Naive Bayes. The EMOTIV electrodes cap is used for EEG acquisition, in two test subjects, for two distinct trail formats. The channels picked are FC5, FC6, P7 and P8 of the 10-20 system, and a discussion about the differences of using C3, C4, P3 and P4 positions is proposed. Dataset 3 of the BCI Competition II is also analyzed for the implemented system. The maximum classification results for the proposed experiment and for the BCI Competition dataset were, respectively, 79 % and 85 %. The conclusion of this study is that the picked positions for electrodes can be may be applied for BCI systems with satisfactory classification rates.