Brain-Computer Interface for Post-Stroke Upper-Limb Rehabilitation: From Simple to Complex Motor Imagery Tasks
Nome: CRISTIAN DAVID GUERRERO MENDEZ
Data de publicação: 11/12/2023
Banca:
Nome | Papel |
---|---|
ALBERTO FERREIRA DE SOUZA | Coorientador |
ANDRES FELIPE RUIZ OLAYA | Examinador Externo |
DENIS DELISLE RODRÍGUEZ | Examinador Externo |
TEODIANO FREIRE BASTOS FILHO | Presidente |
Resumo: A imag´etica motora (MI) de tarefas simples, como o movimento da m˜ao esquerda e direita, a abertura e o fechamento da m˜ao e o movimento do p´e ou da l´ngua, foi profundamente estudada na literatura. Apesar das grandes descobertas at´e o momento, de acordo com o uso potencial para a reabilita¸c˜ao, ainda h´a muitos desafios na comunidade cient´fica voltados para a explora¸c˜ao de mais tarefas e protocolos focados na MI de movimentos complexos, bem como o uso de dispositivos
rob´oticos para assistˆencia motora considerando as Atividades da Vida Di´aria ( ADLs). Entretanto, os paradigmas baseados em eletroencefalografia (EEG) - MI ainda n˜ao foram totalmente explorados na literatura. Esta disserta¸c˜ao de mestrado tem como objetivo explorar tarefas complexas de MI assistidas principalmente por um exoesqueleto de membro superior e uma realidade virtual 2D em primeira pessoa. Para isso, foi avaliada a perspectiva desde tarefas simples at´e tarefas complexas de MI, incluindo aquelas assistidas por sistemas rob´oticos. Para as tarefas simples de MI (conjunto de dados ST-Set), foi usado um banco de dados p´ublico contendo a MI da m˜ao esquerda e direita. Por outro lado, para as tarefas de MI do exoesqueleto (conjunto de dados ET-Set), foi registrado um banco de dados pr´oprio de 10 indiv´duos saud´aveis, combinando a MI com o movimento assistido de flex˜ao e extens˜ao do bra¸co em duas velocidades diferentes (30 rpm e 85 rpm). Finalmente, para o MI de tarefas complexas (conjunto de dados CT-Set), foi registrado um banco de dados pr´oprio de 30 indiv´duos saud´aveis e 7 pacientes p´os-AVC, auxiliando o MI com uma realidade virtual 2D em primeira pessoa para a gera¸c˜ao da observa¸c˜ao de a¸c˜ao (AO). Diferentes t´ecnicas computacionais foram avaliadas, incluindo trˆes m´etodos supervisionados baseados em Padr˜oes Espaciais
Comuns (CSP), duas abordagens de m´etodos n˜ao supervisionados baseados em Geometria Riemanniana (RG) e trˆes varia¸c˜oes de m´etodos baseados em Aprendizagem Profunda (DL). Al´em disso, dois classificadores Linear Discriminant Analysis (LDA) e Support Vector Machine (SVM) foram avaliados para os m´etodos supervisionados e n˜ao supervisionados. Tamb´em foram avaliadas duas estrat´egias para segmenta¸c˜ao de janelas. Como resultados, foi encontrado um desempenho
potencial usando os m´etodos DL com Acur´acia (ACC) e Taxa de Falsos Positivos (FPR) de aproximadamente 0,6 e 0,45 para o ST-Set, 0,98 e 0,05 para o ET-Set e 0,95 e 0,06 para o CT-Set (0,8 e 0,22 para pacientes p´os-AVC), respectivamente. Em seguida, o RG alcan¸cou altos n´veis de desempenho com ACC e FPR de aproximadamente 0,75 e 0,25 para ST-Set, 0,9 e 0,15 para ET-Set e 0,73 e 0,27 para CT-Set (0,7 e 0,3 para p´os-AVC), respectivamente. Finalmente, os m´etodos baseados em CSP apresentaram baixo desempenho com ACC e FPR de 0,55 e 0,49 para os trˆes conjuntos de dados. Os resultados nos permitem concluir que as metodologias apresentadas de tarefas complexas de MI, bem como as varia¸c˜oes computacionais implementadas, s˜ao vi´aveis e adequadas para o design e a implementa¸c˜ao de sistemas de Interface C´erebro-Computador (BCI) mais robustos, permitindo uma neurorreabilita¸c˜ao mais impactante para a recupera¸c˜ao de ADLs em pacientes
p´os-AVC. Al´em disso, ´e poss´vel obter melhorias na Intera¸c˜ao Homem-M´aquina (HMI), gerando aumentos na restaura¸c˜ao devido a melhorias na usabilidade, controlabilidade e confiabilidade dos processos. As novas abordagens apresentadas aqui deixam a porta aberta para a explora¸c˜ao de novos paradigmas, permitindo o estudo dos efeitos cerebrais que ocorrem durante essas tarefas, a fim de aumentar a compreens˜ao do Sistema Nervoso Central (CNS).