Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/33805

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRODRIGUES, Marco Aurélio Benedetti-
dc.contributor.authorSANTOS, Emmanuel Andrade de Barros-
dc.date.accessioned2019-09-26T20:09:25Z-
dc.date.available2019-09-26T20:09:25Z-
dc.date.issued2019-02-15-
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/33805-
dc.description.abstractA Espectroscopia Funcional em Infravermelho Próximo (fNIRS – Functional Near- Infrared Spectroscopy) é uma técnica que permite a medição contínua e não invasiva de oxigenação em tecidos (em especial tecido cerebral), bem como sua hemodinâmica, através da radiação em infravermelho próximo. A fNIRS fornece parâmetros fisiológicos adicionais e pode-se correlacionar a atividade cerebral através da medição dos níveis de oxigenação. Devido ao elevado custo para aquisição de um sistema NIRS comercial, um sistema de medição próprio de 8 canais foi desenvolvido e integrado a uma Interface Cérebro-Computador para analisar estímulos na área do córtex pré-frontal. Com autorização do Comitê de Ética e Pesquisa da UFPE, 23 voluntários sadios e sem histórico de doenças neurológicas participaram da pesquisa. Eles foram submetidos a um protocolo de estímulos onde deveriam realizar determinados tipos de operações aritméticas mentalmente. Para analisar o sistema desenvolvido foram utilizadas ferramentas de aprendizagem de máquinas, como algoritmos de classificação e redução de dimensionalidade. Foi avaliada a capacidade do sistema em detectar diferença entre o estado de repouso e estado de atividade cerebral, onde foi obtida uma acurácia mediana de 87,5%. Além disso, uma análise de 3 classes foi conduzida para decodificar atividade cerebral relacionada a 3 tipos de operações aritméticas de dificuldade crescente, obtendo uma acurácia mediana de 66,7%. O trabalho mostra que operações mais simples exibiram uma sensibilidade maior que os demais tipos de operações. Na literatura não foram detectados trabalhos semelhantes publicados que tenham desenvolvido um equipamento portátil de baixo custo com esse tipo de análise.pt_BR
dc.description.sponsorshipCNPqpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEngenharia Elétricapt_BR
dc.subjectEspectroscopiapt_BR
dc.subjectInfravermelho próximopt_BR
dc.subjectAtividade cerebralpt_BR
dc.subjectInterfacept_BR
dc.subjectCérebropt_BR
dc.subjectBCIpt_BR
dc.subjectSistemapt_BR
dc.subjectfNIRSpt_BR
dc.titleSistema de espectroscopia funcional em infravermelho próximo (fNIRS) para aplicação em interface cérebro-computador (BCI)pt_BR
dc.typedoctoralThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/4514740366790714pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2448324832915432pt_BR
dc.publisher.programPrograma de Pos Graduacao em Engenharia Eletricapt_BR
dc.description.abstractxFunctional Near-Infrared Spectroscopy (fNIRS) is a technique that allows continuous and non-invasive measurement of oxygenation in tissues (especially brain tissue) as well as its hemodynamics through light using near-infrared wavelength. The fNIRS provides additional physiological parameters which can be correlate brain activity by measuring oxygenation levels. Due to the high cost for acquiring a commercial NIRS system, a custom-build 8-channel measurement system was developed and integrated into a Brain-Computer Interface to analyze stimuli in the prefrontal cortex area. With the authorization of the Ethics and Research Committee of the UFPE, 23 healthy volunteers with no history of neurological diseases participated in the study. They were submitted to a stimulus protocol where they were supposed to perform certain types of arithmetic operations mentally. To evaluate the system, machine learning tools were used, such as classification algorithms and dimensionality reduction. The capability of the system to detect the difference between resting state and state of cerebral activity was evaluated, where a median accuracy of 87.5% was obtained. In addition, a 3-class analysis was conducted to decode cerebral activity related to 3 types of arithmetic operations of increasing difficulty, obtaining a median accuracy of 66.7%. The results showed that simpler operations exhibited greater sensitivity than other types of operations. Among the works analyzed, no similar published studies have been found that have developed a portable and lowcost equipment with this type of analysis.pt_BR
Aparece en las colecciones: Teses de Doutorado - Engenharia Elétrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TESE Emmanuel Andrade de Barros Santos.pdf10,1 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons