Desenvolvimento de algoritmos e técnicas computacionais para aplicação em interfaces cérebro-computador

• Processo: 16/02555-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de agosto de 2016
• Data de Término da vigência: 31 de julho de 2018
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: João Luís Garcia Rosa
• Beneficiário: João Luís Garcia Rosa
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Município da Instituição Sede: São Carlos
• Pesquisadores associados: Norberto Garcia Cairasco
• Assunto(s): Neurociência computacional Algoritmos Aprendizado computacional Interfaces cérebro-computador Eletroencefalografia Rede nervosa Modelos de disparos neuronais Populações de neurônios
• Palavra(s)-Chave do Pesquisador: Eletroencefalografia (EEG) | interfaces cérebro-computador | modelos do cérebro | populações de neuônios | Redes neurais | Neurociência Computacional

Resumo

Interfaces Cérebro-Computador (Brain-Computer Interfaces - BCI) são uma forma de comunicação que capacita indivíduos incapazes de realizar movimentos a se conectarem a dispositivos auxiliares externos usando a eletroencefalografia (EEG) ou outros sinais cerebrais. As BCIs não-invasivas capturam mudanças no fluxo sanguíneo ou flutuações em campos elétricos e magnéticos causados pela atividade de grandes populações de neurônios. A EEG, uma técnica não-invasiva, mede a atividade elétrica do cérebro em diferentes locais da cabeça, geralmente usando eletrodos colocados sobre o couro cabeludo. Com a remoção adequada de artefatos, processamento de sinal e aprendizagem de máquina, a EEG humana carrega informações suficientes sobre a intenção de planejamento e execução. Modelos cerebrais com base em neurodinâmica procuram entender e representar as razões pelas quais os neurônios são células excitáveis. A corrente elétrica microscópica de cada neurônio soma-se com as correntes de outros neurônios, o que provoca uma diferença de potencial elétrico macroscópica, medida pela EEG, que registra a atividade mesoscópica dos padrões de populações de neurônios. Isto é, um bom modelo neural deve reproduzir a dinâmica de neurônios, tendo em conta as propriedades dinâmicas de populações de neurônios, além das propriedades eletrofisiológicas de neurônios individuais. O objetivo é mostrar como o entendimento da atividade elétrica do cérebro, medido de forma não invasiva pela EEG, pode fornecer uma maneira para permitir a comunicação sem movimentos musculares. A intenção é, a partir do estudo do comportamento neurodinâmico do cérebro, investigar formas e propor modelos que permitam criar interfaces cérebro-computador não-invasivas. Nas últimas décadas, as BCIs baseadas em EEG têm atraído a atenção de pesquisadores no campo da neurociência, engenharia neural e reabilitação clínica. O plano é usar os dados obtidos através da BCI para analisar os movimentos pré-motores, mudanças no cérebro que ocorrem antes que haja realmente um movimento, e aplicá-los a um tratamento adequado de dispositivos protéticos (AU)

Publicações científicas

(10)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE AGUIAR NETO, FERNANDO SOARES; GARCIA ROSA, JOAO LUIS. Depression biomarkers using non-invasive EEG: A review. NEUROSCIENCE AND BIOBEHAVIORAL REVIEWS, v. 105, p. 83-93, OCT 2019. (16/02555-8)

OLIVA, JEFFERSON TALES; GARCIA ROSA, JOAO LUIS. Binary and multiclass classifiers based on multitaper spectral features for epilepsy detection. Biomedical Signal Processing and Control, v. 66, APR 2021. (16/02555-8)

OLIVA, JEFFERSON TALES; GARCIA ROSA, JOAO LUIS; IEEE. The Use of One-Class Classifiers for Differentiating Healthy from Epileptic EEG Segments. 2017 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2017-01-01. (16/02555-8)

CESTARI, DANIEL MOREIRA; ROSA, JOAO LUIS G.; IEEE. Stochastic and Deterministic Stationarity Analysis of EEG Data. 2017 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2017-01-01. (16/02555-8)

OLIVA, JEFFERSON TALES; GARCIA ROSA, JOAO LUIS; IEEE. Epilepsy detection using multiclass classifier based on spectral features. 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2019-01-01. (16/02555-8)

OLIVA, JEFFERSON TALES; GARCIA ROSA, JOAO LUIS. How an epileptic EEG segment, used as reference, can influence a cross-correlation classifier?. APPLIED INTELLIGENCE, v. 47, n. 1, p. 178-196, JUL 2017. (16/02555-8)

OLIVA, JEFFERSON TALES; GARCIA ROSA, JOAO LUIS. Classification for EEG report generation and epilepsy detection. Neurocomputing, v. 335, p. 81-95, MAR 28 2019. (16/02555-8)

TALES OLIVA, JEFFERSON; GARCIA ROSA, JOAO LUIS; IEEE. Differentiation between Normal and Interictal EEG Using Multitaper Spectral Classifiers. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2018-01-01. (16/02555-8)

BUSTIOS, PAUL; ROSA, JOAO LUIS; IEEE. Restricted Exhaustive Search for Frequency Band Selection in Motor Imagery Classification. 2017 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 6-pg., 2017-01-01. (16/02555-8)

CARVALHO, ISABELLE; GARCIA ROSA, JOAO LUIS; DOS SANTOS, KETLIN FABRI; ALVES, DOMINGOS; QUINTELAVARAJAO, JE; CRUZCUNHA, MM; MARTINHO, R; RIJO, R; DOMINGOS, D; PERES, E. Rule induction algorithms for classification of psychotic disorders involving social vulnerability features. PROCEEDINGS OF THE XI LATIN AND AMERICAN ALGORITHMS, GRAPHS AND OPTIMIZATION SYMPOSIUM, v. 138, p. 7-pg., 2018-01-01. (16/02555-8)