Navegando por Assunto "Eletroencefalografia"

Agora exibindo 1 - 8 de 8

Acesso aberto (Open Access)
Aprendizado em conjunto aplicado à classificação da imagética motora
(Universidade Federal do Pará, 2025-01-20) JORGE, Vitor da Silva; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928
Acesso aberto (Open Access)
AutoBCI: interface cérebro-máquina com configuração hiperparamétrica automatizada
(Universidade Federal do Pará, 2021-03-11) VILAS BOAS, Vitor Mendes; TEIXEIRA, Otávio Noura; http://lattes.cnpq.br/5784356232477760; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928
Interfaces Cérebro-Máquina baseadas em Imagética Motora (ICM-IM) permitem o controle de dispositivos independente do uso de nervos e músculos periféricos, a partir da modulação voluntária da atividade eletrofisiológica do cérebro. O desafio imposto à ICM-IM não invasivas típicas é extrair padrões que descrevam a intenção motora nos sinais coletados por eletroencefalografia (EEG) e classificá-los a fim de se gerar comandos confiáveis à aplicação. Para tanto a seleção de técnicas de processamento adequadas assim como a parametrização correta do sistema são fundamentais no ajuste de modelos de classificação eficazes. A configuração dos múltiplos hiperparâmetros na cadeia de processamento, comumente realizada de forma manual e inespecífica do usuário, tende a gerar modelos rígidos e incapazes de generalizar bem em diferentes indivíduos, em especial pela alta variabilidade dos padrões de IM observada entre eles. O uso de estratégias para estimativa desses hiperparâmetros conforme as especificidades do sujeito apresenta-se como uma abordagem mais eficaz e tem sido explorada em estudos recentes. Este trabalho propõe uma estrutura baseada em aprendizado Bayesiano para configuração automática de hiperparâmetros incorporada à uma nova plataforma computacional ICM-IM de código aberto. O sistema integra todas as etapas básicas da arquitetura de ICM-IM de sub-bandas, desde a aquisição até o controle de uma aplicação virtual. Múltiplas técnicas de processamento compõem um amplo espaço de configuração para busca de instâncias hiperparamétricas particulares que maximizam a performance do sistema e abstraem do usuário a tarefa de ajuste manual. Dados de 72 sujeitos em três conjuntos públicos de EEG foram usados em simulações off-line e on-line cujo intuito foi validar o funcionamento dos módulos implementados e investigar os efeitos da configuração automática no desempenho de classificação e no controle efetivo da aplicação. Uma melhora expressiva na acurácia de classificação foi observada ao usar modelos provenientes da configuração automática do sistema em comparação à modelos gerados a partir de configurações frequentes na literatura. Os resultados sugerem que a otimização dos hiperparâmetros produz modelos mais assertivos na classificação dos padrões de IM de diferentes usuários e tende a contribuir para um controle mais eficaz da aplicação. Conclui-se que este estudo contribui com o projeto de ICM-IM mais eficazes no reconhecimento dos padrões de IM particulares do usuário ao fornecer um ambiente experimental completo, personalizável e de uso descomplicado pela configuração automatizada. A opção por técnicas mais eficientes no processamento dos sinais também mostrou-se viável e também são consideradas contribuições deste trabalho.
Acesso aberto (Open Access)
Classificação de eletroencefalogramas epiléticos em estado de repouso com aplicação de classificadores lineares e um atributo derivado da densidade espectral de potência
(Universidade Federal do Pará, 2019-12-04) FIEL, José de Santana; PEREIRA JÚNIOR, Antonio; http://lattes.cnpq.br/3239362677711162
Milhões de brasileiros são afetados pela epilepsia e o acesso ao diagnóstico precoce é crucial para o seu tratamento adequado. No entanto, o diagnóstico de epilepsia depende da avaliação de registros eletroencefalográficos (EEG) de longa duração realizados por profissionais treinados, transformando-o em um processo oneroso que não está imediatamente disponível para muitos pacientes no Brasil. Assim, o presente trabalho propõe uma metodologia para a classificação automática do EEG de indivíduos epiléticos, que utiliza registros de EEG de curta duração obtidos com o paciente em repouso. O sistema é baseado em algoritmos de aprendizado de máquina que usam um atributo extraído da densidade espectral de potência dos sinais de EEG. Esse atributo é uma estimativa da conectividade funcional entre os pares de canais de EEG e é chamado debiased weighted phase-lag index (dWPLI). Os algoritmos de classificação foram análise discriminante linear (LDA) e máquinas de vetores de suporte (SVM). Os sinais de EEG foram adquiridos durante o estado interictal, isto é, entre convulsões e não tinham atividade epileptiforme. Registros EEG 11 pacientes epiléticos e 7 indivíduos saudáveis foram utilizados para avaliar o desempenho do método proposto. Ambos os algoritmos atingiram seu desempenho máximo de classificação, 100 % de precisão e área sob a curva de característica de operação do receptor (AUROC), quando um vetor de característica com 190 atributos foi usado como entrada. Os resultados mostram a eficácia do sistema proposto, dado seu alto desempenho de classificação.
Acesso aberto (Open Access)
Classificação de perfis de produtividade usando redes neurais artificiais a partir de registros eletroencefalográficos: uma aplicação na Mineradora Vale S.A., Complexo S11D Eliezer Batista
(Universidade Federal do Pará, 2024-01) BASTOS, Caio de Oliveira; PEREIRA JUNIOR, Antonio; http://lattes.cnpq.br/1402289786010170; https://orcid.org/0000-0002-0808-1058; GOMES, Bruno Duarte; http://lattes.cnpq.br/4932238030330851
Resultados e métodos da neurociência já podem ser aplicados em escala rotineira. De fato, a neurociência aplicada já é usada para, por exemplo, medir e estudar a atividade cerebral sob alta demanda usando eletroencefalografia (EEG). A produtividade em certos ambientes é função direta da atividade cerebral. A atividade intensa de algumas funções cognitivas como atenção sustentada e memória de trabalho influenciam a produtividade diretamente. O ambiente de trabalho em companhias de mineração, onde trabalhadores são muito exigidos física e mentalmente, é um exemplo. O presente trabalho fez parte de um projeto maior chamado “Usando Treinamento Cognitivo para o Desenvolvimento de Operadores de Alto Desempenho” da empresa Vale S. A. e, portanto, todos os operadores que participaram do estudo trabalham para a empresa Vale S. A. e fazem essa simulação de escavação como parte de sua rotina de treinamento. Usamos o EEG para medir produtividade em uma tarefa sem restrições por controle em laboratório. Para isso criamos um algoritmo de aprendizado de máquina para analisar os registros de EEG de operadores de escavadeira de alta capacidade (com 37 ± 7 anos de idade) durante a simulação da escavação, processo usado para treinamento desses operadores, e estimar a produtividade desses operadores durante a simulação, usando somente os dados de EEG coletados em repouso antes e após a operação simulada. Esses dados foram pré-processados usando um filtro passa-banda de 0,5-100 Hz e uma filtragem usando ICA (Independent Component Analysis). Para classificar esses operadores, de acordo com sua produtividade estimada, foi utilizada uma rede neural artificial do tipo inception responsável por extrair as características dos dados de EEG e reduzir sua dimensionalidade. Os parâmetros dessa rede, como o número de camadas da rede e o número de neurônios por camada foram otimizados usando a otimização bayeziana. Essas características foram então inseridas em 13 classificadores diferentes e os que tiveram a melhor performance foram escolhidos para compor o algoritmo final e validá-lo. Foi utilizada uma validação hold-out para testar a acurácia do algoritmo final, com 20% dos dados disponíveis. Já os 80% restantes foram usados para treinar o algoritmo usando uma validação cruzada. O algoritmo final foi testado em uma classificação com 4 classes e uma classificação binária a partir dos mesmos dados de EEG e teve uma acurácia de classificação bem alta, mesmo usando os dados da validação hold-out, chegando a 91,35%, com um classificador Random Forest, usando 4 classes e 95,05% na classificação binária, cujo melhor classificador foi um Extra trees. Nossos resultados mostram que nosso algoritmo foi bem sucedido e está pronto para ser usado em em campo, uma vez que os dados usados nele foram coletados com quase nenhuma alteração nos processos rotineiros dos operadores. Temos, portanto, um protótipo patenteável.
Acesso aberto (Open Access)
Detecção de potenciais corticais antecipatórios em sinais de eletroencefalografia (EEG) durante a condução de carros
(Universidade Federal do Pará, 2015-03-16) SANTOS, Fredson Carmo dos; CARVALHO, Schubert Ribeiro de; http://lattes.cnpq.br/1496976331707751; GOMES, Bruno Duarte; http://lattes.cnpq.br/4932238030330851
O reconhecimento da intenção do condutor a partir de sinais de eletroencefalografia (EEG) pode ser útil no desenvolvimento de interfaces cérebro computador (BCI) para serem usadas em sinergia com veículos inteligentes. Isso pode ser benéfico para melhorar a qualidade de interação entre o motorista e o carro, por exemplo, fornecendo uma resposta do carro inteligente alinhada com a intenção do motorista. Neste estudo, considera-se a antecipação como sendo o estado cognitivo que leva a ações especificas durante a condução de um automóvel. Portanto, propomos investigar a presença de padrões antecipatórios em sinais EEG durante a condução de veículos para determinar duas ações especifícas (1) virar à esquerda e (2) virar à direita, alguns milissegundos antes que tais ações aconteçam. Um protocolo experimental foi proposto para gravar sinais EEG de 5 indivíduos enquanto eles operam um simulador de realidade virtual não invasiva - que foi projetado para tal experimento - que simula a condução de um carro virtual. O protocolo experimental é uma variante do paradigma da variação negativa contingente (CNV) com condições Go e No-go no sistema de condução de realidade virtual. Os resultados apresentados neste estudo indicam a presença de padrões antecipatórios em potenciais corticais lentos observados no domínio do tempo (medias dos sinais EEG) e da frequência (Power Spectra e coerência de fase). Isso abre um leque de possibilidades no desenvolvimento de sistemas BCI - baseados em sinais antecipatórios - que conectem o motorista ao veiculo inteligente favorecendo uma tomada de decisão que analise as intenções dos condutores podendo eventualmente evitar acidentes durante a condução.
Acesso aberto (Open Access)
Efeitos da terapia motora baseada em movimentos de dança nas funções da teoria da mente e do ritmo Mu de pessoas com doença de Parkinson
(Universidade Federal do Pará, 2023-08) VILHALVA, Jade Thalia Rodrigues; KREJCOVA, Lane Viana; http://lattes.cnpq.br/2604693973864638; BAHIA, Carlomagno Pacheco; http://lattes.cnpq.br/0910507988777644; https://orcid.org/0000-0003-3794-4710
A Doença de Parkinson (DP) é uma desordem neurodegenerativa progressiva que afeta regiões encefálicas cuja circuitaria neural é responsável pelo controle dos movimentos voluntários. Além dos sintomas motores, pacientes com DP apresentam sintomas não-motores que afetam drasticamente sua qualidade de vida. Estes incluem alterações cognitivas dentre as quais destacam-se déficits na memória de trabalho, déficits de funções executivas e na habilidade de dedução dos estados mentais de outrem (Teoria da Mente: TM) e podem ter relação também com as funções dos neurônios espelho (NE). Os NE são neurônios ativados quando uma pessoa realiza ou observa uma dada ação, realizando assim simulação “interna” dos atos observados, um processo necessário para a capacidade de reconhecimento de emoções e intenções na TM. Sua atividade é influenciada pelo treino prévio das ações motoras observadas e pode ser registrada usando-se eletroencefalografia (EEG) através de alterações nas amplitudes de onda da banda Mu (ondas alfa 1) detectadas quando um indivíduo observa as ações de outra pessoa. O presente trabalho investigou os efeitos de terapia motora sobre a atividade eletroencefalográfica e suas correlações com funções da TM em pacientes acometidos pela DP. Para tal, foram realizadas avaliações eletroencefalográficas para investigação de padrões de dessincronização característicos da atividade de neurônios espelho, além dos testes Reading the Mind in the Eyes (RME) e Faux Pas Recognition (FPR). Avaliamos pacientes diagnosticados com a DP (n=09), sob esquema farmacológico, Hoehn e Yahr 2-4, de ambos os sexos e com idades com média de 62.9 ± 7.1 anos e média de 5,8 ± 1,3 anos de diagnóstico, em janelas temporais antes do ingresso no projeto (Teste) e após doze meses de participação realizando 2 sessões semanais (Reteste) de terapia motora baseada em movimento de dança. Os dados tabulados foram analisados usando o teste t de Student. Não foram observadas diferenças significativas nos parâmetros de avaliação do teste FPR nas janelas temporais de Teste e Reteste. Já no teste RMT, a pontuação média obtida pelos participantes no Teste foi de 9,7 pontos, enquanto no Reteste a média foi de 11,3 pontos, com significância observada de p=0,0148. A análise estatística eletroencefalográfica (TRPs) apresentou resultados significativos no nível de dessincronização das ondas alfa 1 (p=0,014 ep=0,010). Os resultados demonstram que embora os indivíduos não apresentem melhora no desempenho na maioria dos componentes dos testes TM analisados, os resultados de EEG indicam alteração de atividade cortical cerebral específica relacionada à ativação do sistema de neurônios-espelho, influenciada pela terapia motora baseada em movimentos de dança o que a torna uma opção terapêutica adjuvante no tratamento dos sintomas motores e não motores de pessoas acometidas por DP.
Acesso aberto (Open Access)
Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
(Universidade Federal do Pará, 2018-12-21) FERREIRA, Mylena Nazaré Medeiros dos Reis; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
A complexidade da analise da fadiga mental em pessoas saudaveis e evidenciada pela ausencia de perturbacoes especificas no sinal eletroencefalografico e pela singularidade e variabilidade do perfil cognitivo de cada individuo. Identificar esse tipo de estado mental requer a analise de diversos fatores que envolvem o comportamento das regioes cerebrais em diversas faixas de frequencia. No contexto da industria, a fadiga mental compromete a eficiencia da cadeia produtiva ao afetar a percepcao (concentracao e atencao) dos individuos, o que aumenta o risco de acidentes e os custos de producao. Desta forma, o monitoramento da condicao cognitiva faz-se necessario para a manutencao do desempenho produtivo e cognitivo do individuo avaliado. Dentro deste contexto, este trabalho propoe um sistema para classificacao da fadiga mental baseado em uma estrutura competitiva de Redes Neurais Autoassociativas e em sinais obtidos atraves de um eletroencefalografo. O vetor de caracteristicas usado como entrada para o sistema e composto pelas informacoes normalizadas de tres faixas de frequencias (teta, beta e alfa) e quatro metricas que, de acordo com a literatura, diferenciam estados mentais a partir dos dados eletroencefalograficos, em termos de densidade de energia espectral. Os resultados obtidos mostram a eficiencia do sistema proposto e a aplicabilidade das redes neurais autoassociativas para problemas de classificacao de padroes.
Acesso aberto (Open Access)
Investigação do efeito ictiotóxico do extrato etanólico da raíz de Spilanthes acmella (jambú) em zebrafish através da análise eletrofisiológica e comportamental
(Universidade Federal do Pará, 2013-12-09) RIBEIRO, Layza Costa; ROCHA, Fernando Allan de Farias; http://lattes.cnpq.br/3882851981484245
Dentre as várias espécies de plantas medicinais, encontra-se a espécie Spilanthes acmella, conhecida popularmente como jambú que se destaca por apresentar inúmeras aplicações na área da medicina popular. A medicina tradicional recomenda suas folhas e flores na elaboração de infusões no tratamento de anemia, dispepsia, malária, afecções da boca (dor de dente) e da garganta, contra escorbuto e também como antibiótico e anestésico. Sendo seus principais efeitos atribuídos ao espilantol, que é um representante importante das substâncias presentes nessas plantas. Alguns estudos já foram realizados utilizando o espilantol, possibilitando algumas informações da ação dessa substância, como seu efeito e imunomodulador devido sua interação funcional com monócitos, granulócitos e células killers. Porém, ainda não existem estudos eletrofisiológicos acerca de sua ação ictiotóxica, utilizando, por exemplo, o eletroencefalograma para demonstrar sua ação ao nível de Sistema Nervoso Central ou eletromiograma para verificar a ocorrência de sua ação a nível muscular no Zebrafish, evocando a necessidade dessa pesquisa a respeito do assunto. Com base nisso, o presente trabalho objetivou investigar a ação ictiotóxica do extrato etanólico da raiz de Spilanthes acmella em Zebrafish através da análise eletrofisiológica e comportamental. Os resultados mostraram que o extrato etanólico de Spilanthes acmella é um potente indutor de excitabilidade central no zebrafish, sendo isso constatado a partir das mudanças de padrões de atividade elétrica vistas no eletroencefalograma do animal submetido à droga e através do aumento da atividade encefálica visto no espectograma. O extrato também causou alterações, em menor escala, nos traçados eletromiográficos do zebrafish submetido à mesma concentração da droga, com aparecimento de contrações musculares esparsas e de mioclonias breves. Eos achados comportamentais, a partir da delimitação de três estágios de comportamentos, os quais se iniciaram com o aumento da excitabilidade do animal e culminam com a convulsão e morte do peixe, serviram para corroborar com os achados eletrofisiológicos de que o extrato etanólico de Spilanthes acmellaatua como potente droga com ação no sistema nervoso do zebrafish, com atividade convulsivante.