Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/4116
Título: Interface Cérebro-Computador Baseada em Potenciais Evocados Visuais em Regime Permanente para Comando de uma Cadeira de Rodas Robótica
Autor(es): Sandra Mara Torres Muller
Orientador: SARCINELLI FILHO, M.
BASTOS FILHO, T. F.
Palavras-chave: Markov
Processos de
2
Wavelets (Matemática)
3
Otimizaçã
Data do documento: 1-Ago-2012
Editor: Universidade Federal do Espírito Santo
Citação: Sandra Mara Torres Muller, Interface Cérebro-Computador Baseada em Potenciais Evocados Visuais em Regime Permanente para Comando de uma Cadeira de Rodas Robótica
Resumo: Neste trabalho foram estudadas e implementadas três técnicas incrementais de adaptação de modelos ocultos de Markov (HMM - Hidden Markov Model) baseadas nos algoritmos de treinamento, que são a esperança da maximização (expectation maximization - EM), a k-means segmental (segmental k-means) e a máximo a posteriori (Maximum a Posteri- ori -MAP). Essas técnicas, muito utilizadas em reconhecimento de voz, são aqui usadas para sinais biomédicos, mais precisamente para sinal de eletrocardiograma (ECG). Para tal objetivo, utilizou-se uma plataforma, já desenvolvida, de segmentação e classificação de ECG, além de detecções de anomalias cardíacas como extra-sístole ventricular (ESV) e isquemia do miocárdio. Nessa plataforma, os modelos de Markov são empregados na etapa de segmentação do sinal de ECG, tendo em vista a identificação das formas de onda elementares que compõem um ciclo cardíaco. O desenvolvimento dessas técnicas permite, uma vez que a plataforma esteja funcionando como sistema real, um juste autônomo dos modelos µas variações do sinal de ECG ao longo do tempo, assim como a outras variações presentes em um sistema real. As técnicas foram avaliadas a partir de experimentos usando duas bases de sinais de ECG: QT database e European ST-T database. Os resultados confirmam o ganho de desempenho obtido com a adaptação, permitindo uma modelagem do sinal ao longo do tempo mais apropriada. As técnicas desenvolvidas são indicadas também para outros tipos de sinais biomédicos, como o sinal de eletroencefalograma (EEG), por exemplo.
URI: http://repositorio.ufes.br/handle/10/4116
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_2746_Dissertacao Mestrado Sandra Mara Torres Muller.pdf1.56 MBAdobe PDFVisualizar/Abrir


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