Uso de Redes Neurais ARTMAP Nebulosas para a classificação de padrões em sinais ECoG relacionados ao movimento dos dedos

Abstract

The pattern recognition signals applied to the brain is essential for the implementation of computational interfaces allowing control devices to aid people with physical limitations. The identification of features associated with body movements of the members, such as the fingers, requires a sequence of steps which includes the acquisition and pre-processing of signals, extraction of features and classification of signal data. These signals, called ECoG can be obtained directly from the brain through implants in the region that generates the motion decisions, which is the primary motor cortex. Such signs are superior in information qualitatively and quantitatively compared to the known EEG signals obtained on the surface of the scalp. The pre-processing consists in preparation of the signals to be processed through the relevant channel selection techniques, windowing and filtering for selecting frequency band information carrier. The feature extraction can be done by using these signals in the frequency domain and then subjecting them to autoregression. The classification is made using artificial neural networks ARTMAP-Fuzzy type, having as input matrices composed of processed data from the ECoG signals and data glove, both obtained from the same subject during the experimental section. This work could ultimately, generate sleeve signals from the ECoG signals. The average correlation coefficient obtained was 0.91, showing the efficiency of the proposed model

O reconhecimento de padrões aplicado a sinais cerebrais é essencial para a implementação de interfaces computacionais que permitam comandar dispositivos de auxílio a indivíduos com limitações motoras. A identificação de características relacionadas com movimentos dos membros do corpo, tal como os dos dedos das mãos, exige uma sequência de etapas que inclui a aquisição e o pré-processamento dos sinais, a extração de características e classificação de dados do sinal. Esses sinais, chamados ECoGs, podem ser obtidos diretamente do cérebro através de implantes na região que gera as decisões de movimento, que é o córtex motor primário. Tais sinais são superiores em informação, qualitativa e quantitativamente, em relação aos sinais chamados EEG, obtidos na superfície do couro cabeludo. O pré-processamento consiste na preparação dos sinais para serem processados através de técnicas de seleção de canais relevantes, janelamento e filtragem para seleção de bandas de frequência portadoras de informação. A extração de características pode ser feita utilizando-se estes sinais no domínio da frequência e em seguida submetendo-os a autoregressão. A classificação se deu com o uso de redes neurais artificiais do tipo ARTMAP-Nebulosa, tendo como entrada matrizes compostas por dados processados provenientes dos sinais ECoG e de luva de dados, obtidos simultaneamente do mesmo indivíduo, durante uma seção experimental. Esse trabalho conseguiu ao final, gerar os sinais da luva a partir dos sinais ECoG. O coeficiente de correlação médio obtido foi de 0,91, evidenciando a eficiência do modelo proposto