Tese

Mixing hand-crafted and learned features for EEG-based motor imagery classification (2024)

• Authors:
  • Belizario, Paul Augusto Bustios
  • Rosa, João Luís Garcia (Orientador)
• Autor USP: BELIZARIO, PAUL AUGUSTO BUSTIOS - ICMC
• Unidade: ICMC
• Sigla do Departamento: SCC
• DOI: 10.11606/T.55.2024.tde-10012025-160708
• Subjects: REDES NEURAIS; APRENDIZADO COMPUTACIONAL
• Keywords: Classificação; Deep learning; Electroencephalogram; Eletroencefalograma; Imagética motora; Motor imagery; Classification; Neural networks
• Agências de fomento:
  • Financiamento CAPES
• Language: Inglês
• Abstract: A imagética motora (IM) é um processo mental que produz dois tipos de potenciais relacionados a eventos chamados dessincronização relacionada a eventos (DRE) e sincronização relacionada a eventos (SRE). Podemos registrar DRE e SRE em um eletroencefalograma (EEG) e usá-los para identificar a execução da IM. No entanto, a classificação da IM é uma tarefa desafiadora porque os ERD e ERS apresentam variabilidade inter e intra-sujeito. Recentemente, pesquisadores propuseram modelos de aprendizagem profunda para resolver este problema. Embora alcancem resultados de ponta, a quantidade de dados disponíveis para treinamento restringe sua capacidade de aprendizagem. Para resolver esta questão, propomos incorporar características criadas manualmente, que possuem um forte viés indutivo, em diferentes níveis de profundidade de modelos de aprendizagem profunda, que possuem um viés indutivo suave, sem fazê-los perder a capacidade de descobrir novas características a partir dos dados. Nossa abordagem permite o design de modelos que se beneficiam do aprendizado profundo e dos modelos tradicionais de aprendizado de máquina para classificação da IM baseada em EEG. Dessa forma, é possível construir modelos compactos de aprendizado de máquina com desempenho melhor do que modelos puros de aprendizado profundo com poucos dados de treinamento. Os resultados dos experimentos nos conjuntos de dados públicos 2a e 2b da Competição BCI IV demonstram que um modelo construído seguindo a estratégiaproposta alcança resultados do estado da arte na classificação da IM baseada em EEG.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2024
• Data da defesa: 23.08.2024

Informações sobre o DOI: 10.11606/T.55.2024.tde-10012025-160708 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  BELIZARIO, Paul Augusto Bustios. Mixing hand-crafted and learned features for EEG-based motor imagery classification. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10012025-160708/. Acesso em: 02 jan. 2026.

• APA

  Belizario, P. A. B. (2024). Mixing hand-crafted and learned features for EEG-based motor imagery classification (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10012025-160708/

• NLM

  Belizario PAB. Mixing hand-crafted and learned features for EEG-based motor imagery classification [Internet]. 2024 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10012025-160708/

• Vancouver

  Belizario PAB. Mixing hand-crafted and learned features for EEG-based motor imagery classification [Internet]. 2024 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10012025-160708/

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

• Seleção de bandas de frequência na classificação de eletroencefalogramas de imagética motora