Decodificação Neural por Redes Convolucionais: Generalização Interpessoal Semântica em Sinais de EEG e Espectrogramas

• Processo: 25/14850-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Raffael Raiél Trindade
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/15304-4 - Aprendizado de representações ricas em contexto para visão computacional, AP.TEM
• Assunto(s): Redes neurais Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Decodificação Cerebral | Eletroencefalogramas | Espectrogramas | Redes Convolucionais | Redes neurais | Aprendizado de Máquina

Resumo

A área de decodificação cerebral surgiu como um caminho promissor para o desenvolvimento de interfaces cérebro-computador (BCIs), voltadas principalmente à interpretação de sinais neurais para tarefas como classificação de movimentos e soletração assistida para pessoas com limitações motoras. O uso de redes neurais convolucionais (CNNs) nesse campo emergiu como alternativa aos métodos baseados em geometria Riemanniana, motivado pelo sucesso dessas redes em tarefas de visão computacional. Com isto, foi aberto espaço para a investigação de tarefas mais complexas, como a identificação de classes de objetos observados ou imaginados, a partir do processamento de sinais cerebrais em arquiteturas convolucionais. No entanto, desafios como a acurácia e a generalização interpessoal ainda persistem. Métodos Riemannianos apresentam bons resultados nesses aspectos e continuam sendo foco de pesquisa ativa. Este projeto buscará investigar e comparar o desempenho de CNNs em relação a essas questões, analisando possível pareamento semântico interpessoal, contribuindo para o avanço das abordagens de decodificação neural.