Um Tutorial em processamento de sinais para EEG

Transcrição

1 Um Tutorial em processamento de sinais para EEG Técnicas para reconhecimento de estados mentais em Interfaces Cérebro-Computador Grupo de Pesquisa em Computação Musical - IME/USP March 14, 2016

2 Interfaces Cérebro-Computador Eletroencefalografia Introdução Seminário com Base em A Tutorial on EEG Signal-procesing techniques for mental-state recognition in Brain-computer Interfaces Fabien Lotte Guide to Brain-computer Music Interfacing Springer

3 Interfaces Cérebro-Computador Eletroencefalografia Interfaces Cérebro-Computador Uma interface cérebro computador é um sistema de comunicação que gera sinais de controle utilizando sinais cerebrais, isto é, um sistema que traduz atividade cerebral em comandos para o computador ou outros dispositivos.

4 Interfaces Cérebro-Computador Eletroencefalografia Principais Aplicações Bioengenharia Medicina Diagnóstica Pesquisas em Neurociência Interação Homem-Maquina

5 Interfaces Cérebro-Computador Eletroencefalografia Eletroencefalografia Eletrodos localizados sobre a pele Medem a diferença de potencial gerada na sinapse O sinal é amplificado e passa por um ADC

6 Interfaces Cérebro-Computador Eletroencefalografia Vantagens e Desvantagens Vantagens Menor Custo de Hardware Alta resolução temporal (milissegundos) Maior tolerância aos movimentos Silencioso Desvantagens Baixa resolução espacial Não mede atividade fora da superfície do cérebro Baixa relação sinal ruído

7 Visão Geral do Processo

8 Visão Geral do Processo Extração de Características É o primeiro processamento realizado no EEG Descreve o sinal com base em um pequeno conjunto de características Geralmente arranjados em um vetor de características Classificação Associa uma classe a um conjunto de características Cada classe corresponde a um estado mental possível de ser identificado.

9 Exemplo

10 Classificação Traduz as características em comandos Algoritmos de Regressão ou Classificação Determinam a classe do vetor de características com base no conjunto de treino. Classificadores generativos ou Discriminantes

11 LDA E SVM Dividem o espaço com um hiperplano classifica a característica de acordo com o lado do hiperplano que ele corresponde. computacionalmente baratos

12 Extração de Características Por que fazer o processo de extração curse-of-dimesionality 32 Canais X 256 Hz = principais fontes de informação Informação Espacial Informação Espectral Informação Temporal

13 Design Básico Uso de Múltiplos Canais Interfaces com Imaginação de Movimento, SSVEP, Baseadas em Cálculos mentais, ou concentração Principal característica: Energia em diferentes bandas de Frequência Sincronização Relacionada ao Evento (ERS) Dessincronização Relacionada ao Evento (ERD)

14 Design Básico Uso de Múltiplos Canais Design Básico

15 Design Básico Uso de Múltiplos Canais Uso de Múltiplos Canais Infelizmente esse design esta longe de ser ideal Para o exemplo 8 canais seria o razoável 48 Canais idealmente Novamente o problema da dimensionalidade

16 Design Básico Uso de Múltiplos Canais Uso de Múltiplos Canais 3 Soluções propostas para diminuir a dimensionalidade Seleção de Características Seleção de Canais Filtragem Espacial

17 Design Básico Uso de Múltiplos Canais Seleção de Características Algoritmos Univariáveis Selecionam as N melhores Características Teste T de Student de aderência a uma classe Rápidos e Eficientes Escolhe características redundantes Algoritmos Multivariáveis Testa subconjuntos e decide pelo Melhor Usa método de validação cruzada Computacionalmente muito caro

18 Design Básico Uso de Múltiplos Canais Seleção de Canais Utiliza o mesmo principio da Seleção de Característica Reduz a dimensionalidade reduzindo o número de canais Torna o Setup Mais Leve e Mias fácil de ser feito

19 Design Básico Uso de Múltiplos Canais Filtragem Espacial Cria novos Canais como combinação linear dos existentes ˆx = i w i x i = wx Diminui o problema da Dimensionalidade Ajuda na redução de ruído dos sinais Pesos w i pode ser definidos previamente ou com base em dados

20 Design Básico Uso de Múltiplos Canais Filtragem Espacial Com Coeficientes definidos previamente: Bipolar e Laplaciano

21 Design Básico Uso de Múltiplos Canais Filtragem Espacial Coeficientes baseado em Dados Dados obtidos sem supervisão Principal Component Anlysis (PCA) Independent Component Analysis (ICA) Dados obtidos com supervisão Common Spatial Patterns (CSP) e variações

22 Potenciais Evocados (ERP) são respostas cerebrais a estímulos específicos.

23 Filtros Espaciais

24 Exemplo P300 Respostas a estimulos raros Relacionado com quebra de Padrão

25 Filtros Espaciais Filtra tentando maximizar a distâncias entre classes e minimizar as distâncias intraclasses J Fischer = tr(s w ) tr(s b )

26 Métodos alternativos Temporais: Time Domain Parameters (TDP) Conectividade: Correlação entre diferentes pontos Complexidade: Previsibilidade do sinal Caos: Dimensões Fractais

27 Obrigado! Dúvidas?