Extração de Características em Interfaces Cérebro-Máquina Utilizando Métricas de Redes Complexas

Resumo

A teoria de redes complexas vem sendo muito bem sucedida na tentativa de prover informações e representar de forma eficiente a relação entre objetos ou elementos de diferentes naturezas nos mais diferentes contextos. Recentemente, formas de transformar séries temporais em grafos têm atraído atenção de pesquisadores, intrigados, sobretudo, pela possibilidade de caracterização de processos (e.g. estados fisiológicos) por meio de suas medidas clássicas (grau, caminho médio, diâmetro da rede, coeficiente de aglomeração, etc). Neste sentido, essa dissertação de mestrado tem por objetivo estudar uma metodologia específica de conversão de sinais biomédicos em grafos - representados por meio de matrizes de adjacência - com o intuito de caracterizar padrões de EEG coletados no contexto de sistemas BCI (brain-computer interface, do inglês, interface cérebro-máquina). Tais sistemas definem canais alternativos de comunicação, mapeando diretamente os sinais cerebrais em comandos para dispositivos externos, provendo um importante suporte para pessoas com limitações severas. Neste trabalho, os sinais de EEG serão convertidos em redes complexas a partir da matriz de recorrência de estados, sendo então as métricas dessas redes calculadas e utilizadas como atributos na tarefa de reconhecimento de padrões com o intuito de distinguir diferentes tarefas mentais solicitadas. Espera-se que a abordagem proposta possa prover meios de reconhecer os diferentes padrões utilizando um número menor de amostras devido a sua alta sensibilidade na detecção de transições de fase, o que pode impactar de modo significativo na melhora de desempenho em sistemas BCI.