Brain-Computer Interface for Lower-Limb Neurorehabilitation: From Signal Analysis to Practical Applications
Nome: CRISTIAN FELIPE BLANCO DIAZ
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 30/08/2023
Orientador:
Nome |
Papel |
|---|---|
| TEODIANO FREIRE BASTOS FILHO | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ALBERTO FERREIRA DE SOUZA | Coorientador |
| ANDRÉS RUIZ OLAYA | Examinador Externo |
| DENIS DELISLE RODRIGUEZ | Examinador Externo |
| RAFHAEL MILANEZI DE ANDRADE | Examinador Interno |
| TEODIANO FREIRE BASTOS FILHO | Orientador |
Resumo: Nos ´ultimos anos, o desenvolvimento de Interfaces C´erebro-Computador (ICC) com Eletroencefalografia (EEG) ganhou reconhecimento na comunidade cient´ıfica para a implementa¸cao de sistemas de reabilita¸cao rob´otica. Por exemplo, as minibikes est´aticas motorizadas (MEMs) tem sido usadas para assistencia passiva, com controle acionado pela Imag´etica Motora (IM). No entanto, essas BCIs enfrentam desafios como calibra¸coes longas, baixa personaliza¸cao em aplicativos e a detec¸cao de intencionalidade com sinais de EEG durante tarefas de pedalada ainda nao foi totalmente explorada.
Esta disserta¸cao tem como objetivo utilizar diferentes estrat´egias algor´ıtmicas em sinais de EEG para a detec¸cao de tarefas de pedalada, utilizando v´arias abordagens algor´ıtmicas para implementar ICCs de neurorreabilita¸cao em tempo real. Para isso, foram executados protocolos com tarefas de pedalada ativa, pedalada passiva e MI, onde foram abordadas
diferentes metodologias de processamento de sinais. T´ecnicas de aprendizado de m´aquina e aprendizado profundo foram usadas para classificar sinais de EEG com precisao pr´oxima a 0.95 para MI e 0.80 para pedalada passiva. M´etodos baseados em geometria Riemanniana tamb´em foram usados para identificar tarefas de IM ap´os receber pedaladas passivas em tres velocidades diferentes (30, 45 e 60 rpm) com precisao pr´oxima a 0.78.
Al´em disso, foi projetada uma ICC com neurofeedback visual, assistencia passiva ao pedal e IM, que foi avaliada na fase on-line, alcan¸cando uma precisao de aproximadamente 0.80 e indicando o individuo com o objetivo de incentivar modula¸coes. Posteriormente, foi poss´ıvel observar a resposta cortical no c´ortex parieto-central do c´erebro durante a sessao. Os resultados nos permitem concluir que as metodologias implementadas sao vi´aveis e precisas para o projeto de ICCs rob´oticos de membros inferiores que permitem uma neurorreabilita¸cao f´ısica e neural mais personalizada e uma melhor intera¸cao homem-m´aquina, o que poderia ajudar na restaura¸cao das habilidades de pessoas com deficiencias neuromotoras. Os resultados apresentados aqui deixam a porta aberta para continuar explorando as informa¸coes cerebrais durante o desenvolvimento de tarefas para membros inferiores, o que pode permitir a inova¸cao tecnol´ogica em sistemas de ICC para reabilita¸cao. Al´em disso, propoe-se usar o sistema proposto em interven¸coes terapeuticas para pessoas com deficiencia neuromotora, como popula¸coes p´os-AVC ou com lesao da medula espinhal.
