Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

Transcrição

1 ESTUDO COMPARATIVO DE MÉTODOS PARA A CLASSIFICAÇÃO DA ATENÇÃO SELETIVA AUDITIVA Álvaro F. Bastos, Bianca S. Rocha, Leonardo B. Felix Núcleo Interdisciplinar de Análise de Sinais - NIAS, Departamento de Engenharia Elétrica, Universidade Federal de Viçosa - UFV Av. Peter Henry Rolfs, Campus Universitário - CEP: Viçosa, MG - Brasil s: alvaro.bastos@ufv.br, bianca.santos@ufv.br, leobonato@ufv.br Abstract The auditory selective attention is related to the mental capacity of focusing the attention on determined stimulus, while ignoring others present at the same time. The nervous system creates evoked potentials due to this selective attention, thus enabling its classification. Using simultaneously Neural Networks, Support Vector Machines, and Magnitude Squared Coherence yields high success rates in the determination in which ear the user is focusing his/her attention. Keywords Auditory Selective Attention, Auditory Evoked Potentials, Artificial Neural Networks, Support Vector Machines, Magnitude Squared Coherence. Resumo A atenção seletiva auditiva está relacionada à capacidade mental de focar a atenção em determinados estímulos, ignorando os demais presentes simultaneamente. O sistema nervoso gera potenciais evocados em função dessa atenção seletiva, possibilitando a sua posterior classificação. A utilização conjunta dos métodos Redes Neurais, Máquinas de Vetores de Suporte e Magnitude Quadrática de Coerência fornecem altas taxas de acerto na determinação de qual ouvido o usuário está focando sua atenção. Palavras-chave Atenção Seletiva Auditiva, Potencial Evocado Auditivo, Rede Neural Artifical, Máquinas de Vetores de Suporte, Magnitude Quadrática de Coerência. 1 Introdução Atenção seletiva é definida como a capacidade de focar em alguma atividade mental em detrimento de outras, representando a resistência a estímulos distratores (Butler, 1983). Um caso clássico dessa situação foi definido por Cherry (1953) como Cocktail Party Effect, em que cada indivíduo consegue focar sua atenção apenas em determinado locutor em um ambiente que apresenta uma mistura de conversas e ruídos de fundo. Esse fato é ilustrativo da limitação do processamento paralelo do sistema nervoso. Estudos realizados anteriormente indicaram que a audição seletiva humana produz uma alteração quantificável na resposta ao estímulo focado (Hillyard et al., 1973). Essa resposta do sistema nervoso causada por estímulos sonoros é denominada Potencial Evocado Auditivo (PEA), podendo ser classificado em transitório ou de regime permanente, variando de acordo com o tipo de estímulo aplicado. A aplicação de um tom a taxas suficientemente elevadas, evitando a sobreposição com a resposta de estímulos sonoros anteriores, gera as Respostas Auditivas de Regime Permanente (ASSR - Auditory Steady State Responses), possibilitando a gravação de seus valores a partir do escalpo humano. Um sinal modulado em amplitude (AM), por exemplo, causa uma resposta em regime permanente, caracterizada por um aumento de energia na frequência da moduladora no espectro de potência do sinal registrado, sendo que o ouvido humano comporta-se como um demodulador AM (Galambos et al., 1981). Os valores do PEA sofrem alterações em distúrbios neurológicos causados por tumores, lesões, doenças desmielinizantes e distúrbios funcionais. Dessa forma, é uma ferramenta para diagnóstico de déficits auditivos (tais como lesões e tumores nas vias auditivas) que podem ser observados mesmo em caso neonatais e na avaliação da capacidade auditiva para altas frequências. Além disso, essa ferramenta possibilita a verificação da maturidade elétrica de vias em neonatos, assim como na avaliação do grau de coma e determinação de morte cerebral (Lima et al., 2009). Devido à importância dos Potenciais Evocados Auditivos originados através da atenção seletiva, o objetivo desse trabalho é analisar técnicas computacionais que possibilitem a classificação dessas ocorrências. Cada usuário será estimulado com sinais sonoros de frequências distintas simultâneos, devendo focar sua atenção em determinado estímulo (previamente informado a ele). A análise será em função da capacidade dos modelos obtidos em identificar corretamente o estímulo em que o voluntário focou a atenção. 2.1 Estimulação 2 Metodologia Os estímulos sonoros apresentados aos voluntários consistem de um tom senoidal puro modulado em amplitude (tom AM), descrito de acordo com a Equação 1, onde A é a amplitude do sinal, λ é a profundidade de modulação, f c e f m são as frequências da onda portadora e moduladora, res- 2896

2 pectivamente. s(t) = A λ sin(2πf ct)(1 + λsin(2πf m t)) (1) A profundidade de modulação foi fixada em 100% e intensidade sonora de 75,8dB. Para o ouvido esquerdo, adotou-se a frequência da portadora em 500Hz e da moduladora em 32Hz; no ouvido direito, esses valores foram 2000Hz e 38Hz, respectivamente. De acordo com Felix et al. (2005), as frequências das moduladoras foram ajustadas para a frequência mais próxima que resulte em um número primo de ciclos em 1024 pontos, de forma a evitar o espalhamento espectral na detecção objetiva da ASSR, resultando em 31,132 e 39,356Hz. Inicialmente executa-se cada estímulo individualmente por 5s para instruir o voluntário e facilitar o reconhecimento do som posteriormente, quando os dois sinais sonoros são executados simultaneamente por 2 minutos. Os fones de ouvidos utilizados, além de representar o sistema de entrega de som, também selam completamente os ouvidos, atenuando os ruídos em torno de 30 a 40dB. 2.2 Aquisição dos dados O estudo contou com a participação de 14 voluntários, resultando em um banco de dados composto por 28 arquivos (2 para cada voluntário: estimulação no ouvido esquerdo e direito). Os dados foram coletados do eletroencefalograma seguindo o Sistema Internacional 10-20, que padroniza o posicionamento dos eletrodos no escalpo do voluntário, conforme ilustrado na Figura 1. Figura 1: Sistema Internacional A - vista lateral, B - vista superior. A coleta dos sinais foi realizada com o amplificador de sinais biológicos BrainNet BNT-36, com filtro passa-faixa entre 0,1 e 100Hz, frequência de amostragem de 600Hz e referência Oz em uma cabine acusticamente isolada. A etapa de coleta foi aprovada pelo Comitê de Ética em Pesquisa com Seres Humanos da Universidade Federal de Viçosa. 2.3 Processamento dos dados Os dados disponíveis foram separados em dois grupos: um para o treinamento e obtenção dos parâmetros do modelo (10 voluntários ou 20 arquivos de dados) e outro para a validação do modelo previamente obtido (4 voluntários ou 8 arquivos de dados), verificando a taxa de acertos obtida na classificação da atenção. Antes de realizar o treinamento das redes de classificação, os sinais coletados dos eletrodos precisam ser processados para remover ruídos e otimizar a obtenção dos parâmetros a serem utilizados na fase de classificação. Inicialmente aplicouse um filtro rejeita-faixa para remover a componente espectral de 60 Hz da rede elétrica (suas componentes harmônicas foram filtradas pelo filtro passa-faixa do BrainNet), que em geral apresentam elevado nível de potência. Conforme discutido por Amabile et al. (2008), sinais coletados de eletroencefalogramas podem conter artefatos provenientes da movimentação dos olhos, piscamento palpebral, movimentação muscular e linha de base, os quais geralmente apresentam amplitude maior que a do próprio sinal, acarretando em interpretações errôneas dos sinais. A rejeição de artefatos objetiva remover trechos do sinal que contenham essas interferências indesejadas. O método de rejeição adotado baseia-se no desvio padrão de um segmento de referência (preferencialmente que não contenha artefatos) com cerca de 20 segundos de duração. O trecho analisado será rejeitado se possuir mais de 5% de amostras contínuas ou mais de 10% de quaisquer amostras coletadas excedendo o limiar de 3 desvios padrão (a escolha desse limiar assegura a presença de 99,7% dos dados, assumindo uma distribuição normal para as amplitudes do EEG) (Infantosi et al., 2006). A elevada quantidade de dados coletados sugere a aplicação de algum método estatístico para reduzir sua dimensão, mantendo o máximo possível da variação observada no conjunto inicial. Essa etapa é especialmente importante para acelerar a classificação online da atenção auditiva. Uma das técnicas mais comumente utilizadas na redução de dados em processos de reconhecimento de padrões, e que será utilizada nesse trabalho, é a Análise de Componentes Principais (PCA - Principal Component Analysis). Seu objetivo é obter um conjunto de valores linearmente descorrelacionados e com a maior variância possível, sendo que as primeiras componentes são as mais significativas para representar a variância observada nos dados originais, além de conter menos redundância (Haykin, 1999). De fato, a utilização de apenas 5 componentes dos dados de treinamento é capaz de explicar cerca de 99% de sua variância, conforme Figura 2, 2897

3 sendo, por isso, uma boa aproximação na redução da dimensão dos dados no presente trabalho. Figura 2: Variância por componente principal. Os dados obtidos pelo eletroencefalograma representam um série temporal, que de acordo com Hefftner et al. (1988) podem ser aproximados por um modelo autorregressivo (AR) de ordem finita. Esse modelo corresponde a um filtro com entrada ruído branco de média 0 e desvio padrão 1, sendo o valor atual do processo estimado a partir da soma ponderada dos p (ordem do modelo) valores passados. A ordem do modelo é relacionada à quantidade de informação necessária para representar os dados coletados. Os coeficientes do modelo AR serão utilizados como a entrada para treinamento e do classificador da atenção auditiva. Nesse trabalho, o treinamento de cada tipo de classificador será realizado com várias combinações da ordem de PCA e do modelo AR, de forma a obter o que produza melhores taxas de acerto. Todo o trabalho foi desenvolvido utilizando o software Matlab R, desde a coleta dos dados até a classificação dos potenciais evocados. 2.4 Magnitude quadrática de coerência A magnitude quadrática de coerência (MSC - Magnitude Squared Coherence) é uma técnica para examinar a relação existente entre dois sinais. Seu valor é utilizado para indicar o grau de dependência linear entre as componentes harmônicas do estímulo e a resposta obtida no eletroencefalograma; a estimativa da MSC entre dois sinais aleatórios, discretos e de duração finita x[k] e y[k] (X e Y representam a Transformada de Fourier desses sinais, respectivamente) é dada conforme Equação 2 (Dobie and Wilson, 1989). ˆγ 2 xy(f) = 2 M Xi (f)y i (f) i=1 (2) M M X i (f) 2 Y i (f) 2 i=1 i=1 A MSC pode ser utilizada como um potencial detector de respostas a estímulos, desde que o estímulo em questão seja sempre o mesmo e a janela sincronizada com ele (Sá and Felix, 2002). Os valores críticos que representam os limiares para a detecção objetiva, a partir dos quais é possível determinar se não existe resposta detectada, são dados pela Equação 3, sendo α o nível de significância do teste. A detecção é obtida a partir da rejeição da hipótese nula (ausência de resposta) quando os valores da coerência excedem o valor crítico. ˆγ xy crit 2 = 1 α 1 M 1 (3) Aplicando a magnitude quadrática de coerência, Ranaudo et al. (2012) obteve taxas de acerto na ordem de 82% na determinação do ouvido em que o voluntário está focando sua atenção. 2.5 Rede Neural Artificial Redes neurais artificiais (RNA) são modelos matemáticos inspirados no sistema nervoso central humano e animal, porém de complexidade significativamente menor. Esses modelos são capazes de aprendizado e reconhecimento de padrões, sendo melhor ajustáveis a funções não-lineares. As unidades processadoras da rede neural, também chamadas de neurônios artificiais, estão interconectados e trocam sinais entre si. Elas são capazes de realizar funções coletivamente e em paralelo, ao invés de existir uma delimitação de subtarefas para cada unidade (Marques, 2001). A estrutura mais simples de uma rede neural é composta de 2 layers, com M entradas e N saídas. Cada uma das entradas é conectada a todas as saídas, sendo que cada uma dessas conexões é associada a um peso, conforme Figura 3. Os valores de cada um desses pesos é adaptativo, representando parâmetros numéricos que são ajustados através do algoritmo de aprendizado. Em geral, os pesos da rede neural são determinados de forma incremental à medida que novos valores entrada-saída estão disponíveis; isso diminui o esforço computacional, uma vez que não é necessário a presença de todo o conjunto de treinamento ao mesmo tempo (Yegnanarayana, 2009). Entre os diversos algoritmos disponíveis para o ajustes dos pesos, utilizou-se o de Levenberg- Marquardt (função trainlm do MATLAB) por ser geralmente o mais rápido e o mais indicado como primeira opção de teste. Além disso, adotou-se a rede neural com apenas uma camada oculta de neurônios. Após a ponderação de todas as entradas pelos seus respectivos pesos, um combinador linear agrega todos esses valores para produzir um potencial de ativação. Outro parâmetro da rede é o limiar de ativação, que representa um patamar de comparação para gerar o valor de saída do neurônio; o potencial produzido pelo neurônio será ex- 2898

4 Figura 3: Esquema básico de rede neural artificial (adaptado de Silva et al. (2010)). citatório ou inibitório, em função do valor da diferença entre a saída do combinador linear e o limiar de ativação ser positivo ou negativo, respectivamente (Silva et al., 2010). Para garantir que a saída do neurônio seja limitada, o potencial de ativação é aplicado a uma função de ativação, a qual faz com que a saída esteja limitada entre certos valores. Além disso, o uso de funções não-lineares possibilita o uso de RNA para dados complexos. Para funções do tipo Heaviside, como a função limiar, a linear por partes e a sigmóide (a forma mais utilizada, apresentando um equilíbrio entre os comportamentos lineares e não-lineares), os valores de saída situamse entre 0 e 1, assumindo o valor 1 se o campo de tal neurônio é não-negativo e 0 caso contrário. Caso seja necessário, pode-se fazer a função de ativação variar entre -1 e 1, assumindo uma forma antissimétrica em relação à origem; são exemplos desse tipo a função sinal e a tangente hiperbólica (Haykin, 1999). Nesse trabalho, optou-se por utilizar a função sigmóide simétrica, atribuindo os valores 0 e 1 para a atenção auditiva nos ouvidos direito e esquerdo, respectivamente. Com o objetivo de determinar a melhor combinação entre o número de componentes principais e a ordem do modelo AR (a qual foi estipulada em ser no máximo 10), verificou-se a taxa de acerto obtida pela rede neural com o conjunto dos dados de validação, conforme representado na Figura 4. Fica evidente que o aumento na ordem do modelo AR e na quantidade de componentes principais utilizadas na obtenção da rede neural tende a aumentar a taxa de acertos, às custas da redução da velocidade do processo de identificação. Na gama de valores considerados, o modelo AR de ordem 8 e com 4 componentes principais resultou em uma taxa de acerto da ordem de 95%, valor significativamente elevado. 2.6 Máquinas de Vetores de Suporte A Máquina de Vetores de Suporte (SVM - Support Vector Machine) é um método de reconhe- Figura 4: Variação da taxa de acerto da rede neural artificial. cimento de padrões utilizado em dados que podem ser classificados em exatamente duas categorias (Cortes and Vapnik, 1995). Essa característica o torna apropriado para o problema analisado nesse trabalho, em que as duas categorias são representadas pela atenção nos ouvidos esquerdo e direito, respectivamente. A ideia central desse método é obter hiperplanos separando os pontos das duas classes distintas; o hiperplano que apresenta a maior distância em relação aos dados de treinamento é considerado o melhor, pois assume-se que a maior margem de separação corresponde à melhor generalização do classificador. Os dados mais próximos do hiperplano ótimo são denominados vetores de suporte, pois o caracterizam e são os mais informativos no processo de classificação (Duda et al., 2001). A Figura 5 representa um caso genérico bidimensional da aplicação do SVM. Cada categoria é representada por círculos brancos e cinzas, respectivamente, e cada ponto marcado com X corresponde a um vetor de suporte. O hiperplano ótimo obtido com esses dados de treinamento é representado pela reta central. Figura 5: Representação básica da obtenção do hiperplano ótimo. Em casos como o ilustrado, com variáveis linearmente separáveis, torna-se simples obter a fronteira de decisão do método. Entretanto, dados 2899

5 práticos geralmente não apresentam essa característica, sendo necessário transformá-los para outro espaço dimensional na tentativa de torná-los mais espaçados e, consequentemente, separáveis. Comumente utiliza-se uma função Kernel para essa transformação, uma vez que esta simplifica o cálculo do produto interno (Wu and Wang, 2009). Para esses casos, Hsu et al. (2010) propõe utilizar a função de base radial gaussiana (RBF - Gaussian Radial Basis Function). A grande quantidade de dados provenientes dos eletrodos (mesmo após seu processamento com PCA e AR) torna inviável sua visualização para a análise de sua separabilidade. Por isso, inicialmente optou-se por utilizar a função kernel linear (default do Matlab R ) e verificar a eficiência do método de classificação assim obtido. Seguindo o mesmo procedimento para o treinamento da RNA, variou-se os valores do número de componentes principais e da ordem do modelo AR para obter a respectiva taxa de acerto, conforme ilustrado na Figura 6. O treinamento e classificação foram realizados a partir das funções svmtrain e svmclassify do MATLAB, respectivamente. na seção anterior, apresentou-se a taxa de acertos máxima obtida para cada um deles considerandose os potenciais obtidos dos eletrodos durante os 17 segundos iniciais de estimulação. Como essas taxas para RNA e SVM foram significativamente superiores daquela obtida pelo método da Magnitude Quadrática de Coerência, apenas os dois primeiros serão analisados em maiores detalhes. Aplicando os mesmos dados na entrada dos modelos RNA e SVM, observou-se que em algumas situações eles fornecem resultados contraditórios; isto é, enquanto RNA indica que o voluntário focou sua atenção no ouvido esquerdo, SVM identifica o foco da atenção no ouvido direito, e vice-versa. Essa situação é ilustrada na Figura 7. Analisando apenas os 17 segundos iniciais da estimulação, os dois métodos de classificação foram condizentes em 71,43% dos voluntários, sendo 67,86% classificados corretamente. Figura 7: Taxa de voluntários com atenção seletiva classificada por RNA e SVM. Figura 6: Variação da taxa de acerto do Support Vector Machine. A utilização de componentes principais mais elevadas e alta ordem do modelo AR tendem a aumentar a taxa de acertos obtida, apesar de verificar-se uma saturação desse valor. Na gama de combinações testadas, o melhor resultado é obtido com 5 componentes principais e modelo AR de ordem 6, o qual foi capaz de classificar corretamente todos os estímulos do conjunto de validação. Além disso, as elevadas taxas de acerto obtidas sugerem que a função de ativação linear é adequada para esse estudo, não sendo necessário utilizar funções não-lineares que aumentariam a complexidade do modelo. 3 Resultados e Discussão Durante a apresentação dos três métodos de classificação da atenção seletiva utilizada nesse trabalho Na tentativa de aumentar a taxa de classificação, considerou-se maiores intervalos de tempo (máximo de 85 segundos). A Figura 7 deixa evidente que a coleta de dados por mais tempo provoca maior similaridade nos resultados obtidos independentemente pelos dois classificadores. Por exemplo, aos 85 segundos de coleta, apenas o teste de 1 indivíduo não teve classificação satisfatória pelos dois métodos. Entretanto, a taxa de acertos não acompanhou o crescimento do total de exames classificados. Percebe-se facilmente que, a partir dos 17 segundos, a classificação de maior parte dos novos testes resultou em erros na identificação da atenção auditiva. Acredita-se que isso não seja devido aos parâmetros do modelo; o fator que provavelmente mais contribuiu para as elevadas taxas de erro para longos tempo de coleta foi a falta de atenção do voluntário. De fato, a concentração em determinado estímulo é maior no início do teste e tende a decair ao longo do tempo, sendo que para algumas pessoas a capacidade dessa concentração inicial dura apenas poucos segundos. 2900

6 4 Conclusões Os resultados na validação dos três modelos de classificação discutidos representam altas taxas de acerto, muito superior ao que seria esperado de um processo aleatório (50% para esquerda e 50% para direita). Isso evidencia que o treinamento para obtenção dos parâmetros do modelo foi bem sucedido. Para aumentar a confiabilidade em relação ao lado da atenção detectada, optou-se por considerar que a classificação foi realizada apenas se ambos os métodos RNA e SVM fornecerem o mesmo resultado. Nessa situação, a taxa de acertos para aproximadamente 1,5 minutos de coleta foi 78,86%, apesar de verificar-se que o aumento na duração da coleta não representa acréscimos expressivos na taxa de acertos. Com a comprovação da validade desses métodos na classificação da atenção seletiva auditiva, será viável utilizar tais métodos para testes online, em que a detecção do lado da atenção é realizado ao mesmo tempo em que os dados são coletados. Agradecimentos Os autores agredecem ao CNPq pelo apoio financeiro, o que possibilitou o desenvolvimento desse trabalho. Referências Amabile, R. A. N., Miranda, R. A., Tierra-Criollo, C. J., Mendes, E. M. A., Pompéia, S. and Manzano, G. M. (2008). Remoção automática de artefatos em sinais de EEG usando Local SSA, XVII Congresso Brasileiro de Automática. Butler, K. G. (1983). Language processing: selective attention and mnemonic strategies, Park Press. Cherry, E. C. (1953). Some experiments on the recognition of speech, with one and with two ears, The Journal of the Acoustical Society of America 25: Cortes, C. and Vapnik, V. (1995). Support vector networks, Machine Learning 20: Dobie, R. A. and Wilson, M. J. (1989). Analysis of auditory evoked responses by magnitude squared coherence, Ear Hearing 10: Duda, R. O., Hart, P. E. and Stork, D. G. (2001). Pattern Classification, 2nd edn, John Wiley & Sons. Felix, L. B., Moraes, J. E., Sá, A. M. M., Yehia, H. C. and Moraes, M. F. (2005). Avoiding spectral leakage in objective detection of auditory steady-state evoked responses in the inferior colliculus of rat using coherence, Journal of Neurosciece Methods 144(2): Galambos, R., Makeig, S. and Talmachoff, P. J. (1981). A 40-hz auditory potential recorded from the human scalp, Proceedings of the National Academy of Sciences of the United States of America 78: Haykin, S. S. (1999). Neural Networks: A Comprehensive Foundation, 2nd edn, Prentice Hall. Hefftner, G., Zucchini, W. and Jaros, G. G. (1988). The electromyogram (EMG) as a control signal for functional neuromuscular stimulation - autoregressive modeling as a mean of EMG signature discrimination, Biomedical Engineering, IEEE Transactions 35: Hillyard, S., Hink, R., Schwent, V. and Picton, T. (1973). Electrical signs of selective attention in the human brain, Science 182: Hsu, C.-W., Chang, C.-C. and Lin, C.-J. (2010). A practical guide to support vector classification. Department of Computer Science, National Taiwan University, Taiwan. Infantosi, A. F. C., Melges, D. B. and Tierra- Criollo, C. J. (2006). Use of magnitudesquared coherence to identify the maximum driving response band of the somatosensory evoked potential, Brazilian Journal of Medical and Biological Research 39: Lima, T. M. A., Crato, A. N., Mancini, P. C., oes, L. C. S. and Gonçalves, D. U. (2009). Alterations in early auditory evoked potentials in multiple sclerosis patients, Revista Brasileira de Otorrinolaringologia 75. Marques, J. P. (2001). Pattern Recognition - Concepts, Methods and Applications, Springer. Ranaudo, F. S., Sá, A. M. F. L. M. and Felix, L. B. (2012). Magnitude quadrática de coerência aplicada à classificação da atenção seletiva auditiva. Sá, A. M. M. and Felix, L. B. (2002). Improving the detection of evoked responses to periodic stimulation by using multiple coherence - application to EEG during phot stimulation, Medical, Engineering and Physics 24: Silva, I. N., Spatti, D. H. and Flauzino, R. A. (2010). Redes Neurais Artificiais para Engenharia e Ciências Aplicadas - Curso Prático, Artliber. 2901

7 Wu, K.-P. and Wang, S.-D. (2009). Choosing the kernel parameters for support vector machines by the inter-cluster distance in the feature space, Pattern Recognition 42: Yegnanarayana, B. (2009). Artificial Neural Networks, PHI Learning Pvt. Ltd. 2902