Exportar registro bibliográfico

Stimuli and feature extraction methods for EEG-based brain-machine interfaces: a systematic comparison (2017)

  • Authors:
  • Autor USP: VILLALPANDO, MAYRA BITTENCOURT - EP
  • Unidade: EP
  • Sigla do Departamento: PMR
  • Subjects: INTERFACE HOMEM-COMPUTADOR; PROCESSAMENTO DE SINAIS BIOMÉDICOS; ELETROENCEFALOGRAFIA; POTENCIAIS EVOCADOS; NEUROCIÊNCIAS
  • Agências de fomento:
  • Language: Inglês
  • Abstract: A interface cérebro-máquina (ICM) é um sistema que permite a comunicação entre o sistema nervoso central e um dispositivo externo (Wolpaw et al., 2002). Aplicações de ICMs incluem o controle de próteses externa, cursores e teclados virtuais, para citar alguns. As ICMs desenvolvidas por vários grupos de pesquisa diferem em suas características (por exemplo, contínua ou discreta, síncrona ou assíncrona, graus de liberdade, outras) e, apesar de várias iniciativas voltadas para diretrizes de padronização, a comparação entre os estudos continua desafiadora (Brunner et al. 2015, Thompson et al., 2014). Aqui, utilizamos um equipamento EEG de 64 canais para adquirir dados de 19 participantes saudáveis ao longo da execução de três diferentes tarefas (SSVEP, P300 e híbrida) que permitiram quatro escolhas ao usuário e não exigiram nenhum treinamento prévio. Comparamos sistematicamente o desempenho "off-line" das três tarefas nos seguintes parâmetros: a) acurácia, b) taxa de transferência de informação, c) analfabetismo / ineficiência e d) preferências individuais. Além disso, selecionamos os melhores canais por tarefa e avaliamos a acurácia em função do número de eletrodos. Nossos resultados demonstraram que a tarefa SSVEP superou as demais em acurácia, ITR e analfabetismo/ineficiência, atingindo um ITR** médio de 52,8 bits/min e um ITR** máximo de 104,2 bits/min. Adicionalmente, todos os participantes alcançaram um nível de acurácia acima de 70% (limiar de analfabetismo/ineficiência) nas tarefas SSVEP e P300. Além disso, a acurácia média de todas as tarefas não se deteriorou ao se utilizar um conjunto reduzido composto apenas pelos melhores 8 eletrodos. Estes resultados são relevantes para o desenvolvimento de ICMs "online", incluindo aspectos relacionados à usabilidade, satisfação do usuário e portabilidade.
  • Imprenta:
  • Data da defesa: 29.06.2017
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      VILLALPANDO, Mayra Bittencourt; FORNER CORDERO, Arturo. Stimuli and feature extraction methods for EEG-based brain-machine interfaces: a systematic comparison. 2017.Universidade de São Paulo, São Paulo, 2017. Disponível em: < http://www.teses.usp.br/teses/disponiveis/3/3152/tde-19032018-090128/pt-br.php >.
    • APA

      Villalpando, M. B., & Forner Cordero, A. (2017). Stimuli and feature extraction methods for EEG-based brain-machine interfaces: a systematic comparison. Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3152/tde-19032018-090128/pt-br.php
    • NLM

      Villalpando MB, Forner Cordero A. Stimuli and feature extraction methods for EEG-based brain-machine interfaces: a systematic comparison [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-19032018-090128/pt-br.php
    • Vancouver

      Villalpando MB, Forner Cordero A. Stimuli and feature extraction methods for EEG-based brain-machine interfaces: a systematic comparison [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-19032018-090128/pt-br.php

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021