Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/8236| Título: | Aquisição e condicionamento de sinais cerebrais por eletroencefalografia |
| Título(s) alternativo(s): | Acquisition and conditioning by electroencephalography |
| Autor(es): | Brand, Letícia Santos, Patrícia Souza Midorikawa, Thais Yuriko |
| Orientador(es): | Furucho, Mariana Antonia Aguiar |
| Palavras-chave: | Processamento de sinais Eletroencefalografia Algorítmos Arduino (Controlador programável) Engenharia elétrica Signal processing Electroencephalography Algorithms Arduino (Programmable controller) Electric engineering |
| Data do documento: | 14-Jun-2018 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | BRAND, Leticia; MIDORIKAWA, Thais Yuriko; SANTOS, Patricia Santos. Aquisição e condicionamento de sinais cerebrais por eletroencefalografia. 2018. 75 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2018. |
| Resumo: | Avanços recentes das pesquisas na área de processamento de sinais têm possibilitado o desenvolvimento de novas técnicas de análise de biopotenciais, como os sinais de eletroencefalografia (EEG). Tal evolução permite a criação de novas interfaces cérebro máquina (ICM) capazes de oferecer soluções alternativas que auxiliam pessoas com doenças motoras. Neste contexto, o atual trabalho propõe uma plataforma para a aquisição de sinais EEG e um algoritmo para seu processamento e análise, capaz de identificar se o sinal estudado corresponde a um indivíduo piscando ou com os olhos fechados. A plataforma proposta é baseada no módulo de demonstração ADS1299EEG-FE em conjunto com o Arduino Uno, possibilitando desde a manipulação dos biosinais até o seu envio ao computador. O algoritmo realiza a filtragem digital dos dados recebidos e os analisa nos domínios do tempo e da frequência, viabilizando a identificação dos padrões associados ao movimento ocular. A solução é testada por meio dos sinais de 30 indivíduos disponibilizados no banco de dados da PhysioNet, atingindo uma taxa de acerto de 87% na identificação das piscadas e de 67% na identificação dos indivíduos com os olhos fechados. A partir desses resultados, o atual trabalho propõe a aplicação da solução apresentada em futuros estudos de aquisição de sinais EEG. |
| Abstract: | Recent developments of studies in the area of signal processing have made the development of new techniques of biopotential analysis possible, such as electroencephalography signals (EEG). This evolution allows the development of new brain-machine interfaces (BMI) capable of offering alternative solutions that help people with motor diseases. In this context, the current work proposes a platform for the acquisition of EEG signals and an algorithm for their processing and analysis, capable of identifying if the studied signal corresponds to a subject who is blinking or with closed eyes. The proposed platform is based on the demonstration kit ADS1299EEG-FE together with the Arduino Uno, making it possible from the biosignal manipulation until their sending to the computer. The algorithm performs the digital filtering of the received data and their analysis in the time and frequency domains, making pattern identification related to the ocular movement feasible. The platform is tested through the signals of 30 individuals available in the PhysioNet databank, reaching a success rate of 87% for blinking identification and of 67% for the identification of subjects with closed eyes. From these results, this study suggests the application of the solution presented in future studies of the acquisition of EEG signals. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/8236 |
| Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CT_COEAU_2018_1_03.pdf | 12,33 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.