1. RiUfes
2. CT - Centro Tecnológico
3. PPGEE - Programa de Pós-Graduação em Engenharia Elétrica
4. PPGEE - Dissertações de mestrado

Título:	Proposta de um modelo de fontes cerebrais para classificação de padrões mentais
Autor(es):	Benevides, Alessandro Botti
Orientador:	Bastos Filho, Teodiano Freire
Coorientador:	Sarcinelli Filho, Mário
Palavras-chave:	EEG Classificação de padrões mentais Fontes cerebrais Classificadores baseados em regras
Data do documento:	13-Mar-2009
Editor:	Universidade Federal do Espírito Santo
Resumo:	Nessa pesquisa, estudamos a anatomia cerebral para o entendimento dos padrões de sincronização/dessincronização relacionada a eventos que ocorrem no córtex motor primário durante a realização de tarefas mentais. Nesse intuito, foram estudados os padrões oscilatórios dos circuitos neuronais do sistema tálamo-cortical e o circuito da alça motora. Então, sugerimos um modelo baseado em dipolos elétricos para modelar as fontes cerebrais, e calculamos atenuação do campo elétrico. A partir do modelo, formamos um sistema de equações lineares para separar os sinais de EEG linearmente misturados no encéfalo. Esse método foi testado em classificadores baseados em regras, classificadores estatísticos (Análise por Discriminante Quadrático, Análise por Discriminante Linear e Análise por Discriminante Regularizado) e redes neurais artificiais durante a classificação de 3 tarefas mentais, relacionadas à imaginação de movimento das mãos direita/esquerda e a geração de palavras começando com uma mesma letra qualquer. In this research, we studied the brain anatomy to understand the patterns of synchronization and des-synchronization related to events occurring in primary motor cortex during the performance of mental tasks. To that end, we studied the oscillatory patterns of neural circuits in the thalamo-cortical system and the motor loop circuit. So, we suggest a model based on electric dipoles to model the brain sources and we calculate the electric field attenuation. From the model, we form a system of linear equations to separate the linearly mixed EEG signals in the brain. We tested this method in rule-based classifiers, statistical classifiers (Quadratic Discriminant Analysis, Linear Discriminant Analysis and Regularized Discriminant Analysis) and Artificial Neural Networks during the classification of 3 mental tasks, related by right/left hand movement intention, and generation of words beginning with the same random letter.
URI:	http://repositorio.ufes.br/handle/10/4078
Aparece nas coleções:	PPGEE - Dissertações de mestrado

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.