Uso de redes neurais convolucionais para classificação de sinais de EEG em sistemas de interface cérebro-computador

Resumo

As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) têm sido foco de grande atenção devido às suas potenciais aplicações em uma ampla gama de contextos, que vão desde tecnologias assistivas e reabilitação até dispositivos para entretenimento. Significativos avanços, como a coleta de dados a partir de métodos não invasivos por eletroencefalogramas (EEG), motivam o estudo e desenvolvimento dessa promissora interface. Entretanto, a ampla variabilidade observada nos padrões dos usuários do sistema BCI, bem como seu emprego em aplicações cada vez mais sofisticadas, tornam o uso desta interface um problema bastante desafiador. Neste sentido, o presente projeto de pesquisa visa o emprego de estruturas de redes neurais artificiais para aprimorar os sistemas BCI, tornando-os mais eficientes e robustos. Mais especificamente, o foco será dado nas as redes neurais convolucionais, uma rede neural artificial de aprendizado profundo com grande potencial de processamento de dados multidimensionais, como imagens e vídeos. Para um maior aproveitamento desta estrutura, utilizar-se-á diversos mapeamentos dos padrões de EEG para um perfil de dados de entrada adequado para a rede neural convolucional.