Disse Tac A Ojos I Mara Silveira

Universidade Federal do Rio Grande
Modelagem Computacional
Anlise de Sinais Cerebrais Utilizando

rvores de Deciso
Josimara de vila Silveira
Rio Grande, 24 de maio de 2013
Universidade Federal do Rio Grande

Modelagem Computacional
Anlise de Sinais Cerebrais Utilizando

rvores de Deciso
Josimara de vila Silveira
Dissertao
apresentada
ao
Programa
de
Ps-Graduao em Modelagem Computacional, como requisito parcial obteno do

ttulo de Mestre em Modelagem Computacional.
a
a
Orientador(a): Prof . Dr . Diana Francisca Adamatti
a
a
Co-orientador(a): Prof . Dr . Fernanda Antoniolo Hammes de Carvalho
Rio Grande, 24 de maio de 2013
JOSIMARA DE VILA SILVEIRA

ANLISE DE SINAIS CEREBRAIS UTILIZANDO RVORES DE DECISO
Dissertao apresentada ao Programa de Ps

Graduao em Modelagem Computacional da
Universidade Federal do Rio Grande -FURG,
como requisito parcial para obteno do Grau
de Mestre. rea concentrao: Modelagem
Computacional.
Aprovada em 27/03/2013
BANCA EXAMINADORA
_____________________________________________________________
Prof. Dra. Diana Francisca Adamatti
Orientadora - FURG
_____________________________________________________________
Prof. Dr. Adriano Velasque Werhli
FURG
_____________________________________________________________
Prof. Dra. Silvia Silva da Costa Botelho
FURG
_____________________________________________________________
Prof. Dra. Ana Trindade Winck
UFSM
Rio Grande -RS

2013
Dedico este trabalho aos meus pais que sempre me apoiam

por mais estranhas que paream minhas ideias.
AGRADECIMENTOS
Aos meus pais, Jos Vilmar e Mara Gleci, por sempre apoiarem minhas decises e acreditarem em mim e no meu sucesso mais que eu mesma.
Ao meu irmo, Vitor, que me fez rir e aguentou o meu estresse nestes ltimos
anos que moramos juntos a quilmetros de distncia do restante da famlia.
minha cunhada, Inanja, que, junto com meu irmo, me deu o sobrinho mais
lindo do mundo, por sua amizade e palavras de incentivo.
a
a
minha orientadora, Prof . Dr .
Diana Francisca Adamatti, pelas ideias,
pela disponibilidade em esclarecer dvidas e mostrar o caminho correto, pelos

trabalhos que desenvolvemos juntas ao longo dos ltimos anos e principalmente por dividir seu conhecimento e suas vivncias comigo, incentivando e
encorajando sempre.
a
a
minha co-orientadora, Prof . Dr .Fernanda Antoniolo Hammes de Carvalho, pela sua colaborao nesse trabalho, por me passar um pouco do seu
conhecimento e esclarecer muitas dvidas na rea de neurocincia e pela disponibilidade do equipamento para a coleta dos sinais cerebrais.
Aos meus primos, grandes amigos desde o incio da vida, Junior, David, Tafarel
e Marluci, e minha dinda Maria Regina, pela sua amizade, pelo entusiasmo
ao me ouvir falar de meus projetos, pelas conversas sobre o que fazer no futuro,
e pelas festas, risos, e momentos felizes.
s amigas, Juliana, Sabrina, Andressa, Fernanda e Rosiane, colegas do curso
de Administrao, que se preocupam e esto sempre oferecendo ajuda nos
estudos e realizao de trabalhos, pelos encontros descontrados, carinho e
amizade.
Aos amigos e colegas do mestrado, Leonardo e Felipe, que me acompanham

desde a graduao, com quem estudei bastante durante a realizao das disciplinas do curso, pelo seu apoio e amizade.
Alexandra Maiato, por sua grande colaborao na coleta de dados, dividindo
comigo seu conhecimento quanto burocracia desse processo, e pelas horas
divertidas de trabalho no CEAMECIM, onde realizamos a coleta.
Aos sujeitos que se disponibilizaram durante vrios dias para que os seus sinais
cerebrais fossem coletados, sempre com bom humor e pacincia.
Aos meus amigos e familiares que de alguma forma me ajudaram a chegar at
aqui, me apoiando, incentivando e acreditando nas minhas ideias.
Aos professores Diana, Adriano, Emanuel, Danbia, Alessandro e Leonardo,
com quem exerci atividade de tutoria, devido a bolsa CAPES\REUNI.
CAPES\REUNI pela bolsa de mestrado.
RESUMO
Este trabalho prope um estudo de sinais cerebrais aplicados em sistemas BCI (BrainComputer Interface - Interfaces Crebro Computador), atravs do uso de rvores de
Deciso e da anlise dessas rvores com base nas Neurocincias. Para realizar o tratamento
dos dados so necessrias 5 fases: aquisio de dados, pr-processamento, extrao de
caractersticas, classicao e validao.
Neste trabalho, todas as fases so contempladas.
Contudo, enfatiza-se as fases de
classicao e de validao. Na classicao utiliza-se a tcnica de Inteligncia Articial

denominada rvores de Deciso. Essa tcnica reconhecida na literatura como uma das
formas mais simples e bem sucedidas de algoritmos de aprendizagem. J a fase de validao realizada nos estudos baseados na Neurocincia, que um conjunto das disciplinas
que estudam o sistema nervoso, sua estrutura, seu desenvolvimento, funcionamento, evoluo, relao com o comportamento e a mente, e tambm suas alteraes.
Os resultados obtidos neste trabalho so promissores, mesmo sendo iniciais, visto que
podem melhor explicar, com a utilizao de uma forma automtica, alguns processos
cerebrais.
Palavras-chaves: Sistemas BCI (Interface Crebro Computador), rvores de Deciso,

Neurocincia.
ABSTRACT
This work proposes a study on brain signals applied to BCI (Brain-Computer Interface)
systems, through the use of Decision Trees and the analysis of these trees based on Neuroscience.
To treat the data, this system must execute ve stages:
data acquisition,
preprocessing, feature extraction, classication and validation.

In this work, all phases are executed. However, it emphasizes the classication and
validation phases. In the classication, it uses the Articial Intelligence technique called
Decision Trees. This technique is known in the literature as one of the most successful
and simpler learning algorithms. The validation phase is based on studies performed in
Neuroscience, which is a set of disciplines that study the nervous system, its structure,
its development, operation, evolution, behavior and relationship with the mind, and also
your changes.
The results of this study are promising, even initials, since they can better explain,
with the use of an automated way, some brain processes.
Keywords: BCI (Brain Computer Interface) Systems, Decision Trees, Neuroscience.
Lista de Figuras
1.1
Etapas que compem a metodologia de trabalho.
. . . . . . . . . . . . . .
2.1
reas cerebrais [Lent, 2001]. . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Hemisfrios do crebro
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3
As reas motoras corticais esto representadas em tons de azul . . . . . . .
11
2.4
Componentes funcionais e
crebro-computador.
2.5
loops
de
feedback
em um sistema de interface
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Trabalho experimental utilizado para testar um
loop
fechado de controle
de BCI atravs de movimentos de macacos. . . . . . . . . . . . . . . . . . .

2.6
18
Colocao de eletrodos para aquisio de sinais de forma no-invasiva

usando um eletroencefalograma (EEG). . . . . . . . . . . . . . . . . . . . .
2.7
16
23
Etapas de processamento necessrio para converter a inteno do usurio

a partir do sinal bruto na ao do dispositivo.
. . . . . . . . . . . . . . . .
24
2.8
Diferentes bandas de sinal presente no sinal EEG. . . . . . . . . . . . . . .
24
2.9
Evidncias de eventos relacionados dessincronizao (ERD) e eventos

relacionados sincronizao (ERS), fenmenos antes e aps o incio do
movimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.10 Componente ERP P300.
28
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
2.11 Diferentes SCP transmitindo sinais de intenes diferentes. . . . . . . . . .
31
2.12 Potencial Neuronal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
2.13 rvore de deciso para decidir jogar ou no uma partida de tnis.
. . . . .
42
utilizado em cada uma delas.
52
. . . . . . . . . . . . . . . . . . . . . . .
54
4.1
Etapas da realizao do trabalho e o
4.2
Headset
de coleta de dados
Epoc.
software
LISTA DE FIGURAS
4.3
Eletrodos utilizados no
4.4
Sute
Expressiv
Epoc, no padro internacional 10-20.
do sistema Emotiv, que mostra o avatar dando um
para o usurio [Szar, 2009]

4.5
Sute
Sute
54
feedback
. . . . . . . . . . . . . . . . . . . . . . . . . .
55
Aectiv do sistema Emotiv, que mostra o estado emocional do usurio
[Szar, 2009].
4.6
. . . . . . .
Cognitiv
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
do sistema Emotiv, que mostra um cubo que obedece aos
comandos do usurio [Szar, 2009].
software
57
4.7
Telas do
. . . . . . . . . . . . . . . . . . . . . . . . . .
59
4.8
Exemplos de instncias do banco de dados. . . . . . . . . . . . . . . . . . .
60
4.9
Telas do
. . . . . . . . . . . . . . . . . . . . . . . . . . .
61
5.1
rvore 1: primeiro sujeito, no primeiro dia. . . . . . . . . . . . . . . . . . .
66
5.2
rvore 2: primeiro sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .
67
5.3
rvore 3: primeiro sujeito, no terceiro dia.
. . . . . . . . . . . . . . . . . .
68
5.4
rvore 4: primeiro sujeito, no quarto dia. . . . . . . . . . . . . . . . . . . .
69
5.5
rvore 5: segundo sujeito, no primeiro dia. . . . . . . . . . . . . . . . . . .
71
5.6
rvore 6: segundo sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .
72
5.7
rvore 7: segundo sujeito, no terceiro dia.
. . . . . . . . . . . . . . . . . .
73
5.8
rvore 8: segundo sujeito, no quarto dia. . . . . . . . . . . . . . . . . . . .
74
5.9
rvore 9: terceiro sujeito, no primeiro dia.
. . . . . . . . . . . . . . . . . .
76
5.10 rvore 10: terceiro sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .
77
5.11 rvore 11: terceiro sujeito, no terceiro dia. . . . . . . . . . . . . . . . . . .
78
5.12 rvore 12: terceiro sujeito, no quarto dia.
79
software
EEGLAB
. . . . . . . . . . . . . . . . . . . . . .
WEKA
. . . . . . . . . . . . . . . . . .
Lista de Tabelas
2.1
Conjunto de instncias para tomada de deciso.
2.2
Matriz de Confuso do exemplo
4.1
reas cerebrais, eletrodos e funes correspondentes.
. . . . . . . . . . . .
63
5.1
Taxas de acerto do sujeito 1 para os 4 dias de coleta . . . . . . . . . . . . .
65
5.2
Caminhos presentes na rvore do sujeito 1 no primeiro dia. . . . . . . . . .
66
5.3
Caminhos presentes na rvore do sujeito 1 no segundo dia.
. . . . . . . . .
68
5.4
Caminhos presentes na rvore do sujeito 1 no terceiro dia.
. . . . . . . . .
68
5.5
Caminhos presentes na rvore do sujeito 1 no quarto dia. . . . . . . . . . .
70
5.6
Taxas de acerto do sujeito 2 para os 4 dias de coleta . . . . . . . . . . . . .
70
5.7
Caminhos presentes na rvore do sujeito 2 no primeiro dia. . . . . . . . . .
71
5.8
Caminhos presentes na rvore do sujeito 2 no segundo dia.
. . . . . . . . .
72
5.9
Caminhos presentes na rvore do sujeito 2 no terceiro dia.
. . . . . . . . .
73
5.10 Caminhos presentes na rvore do sujeito 2 no quarto dia. . . . . . . . . . .
74
5.11 Taxas de acerto do sujeito 3 para os 4 dias de coleta . . . . . . . . . . . . .
75
5.12 Caminhos presentes na rvore do sujeito 3 no primeiro dia. . . . . . . . . .
76
5.13 Caminhos presentes na rvore do sujeito 3 no segundo dia.
. . . . . . . . .
77
5.14 Caminhos presentes na rvore do sujeito 3 no terceiro dia.
. . . . . . . . .
78
5.15 Caminhos presentes na rvore do sujeito 3 no quarto dia. . . . . . . . . . .
80
"jogar tnis".
. . . . . . . . . . . . . . .
42
. . . . . . . . . . . . . . . .
46
Contedo
Resumo
Abstract
Lista de Figuras
Lista de Tabelas
1 Introduo
1.1
Objetivos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Organizao do Texto
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Embasamento Terico
2.1
2.2
2.3
Neurocincias
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1
Controle Motor
2.1.2
Memria de Procedimentos
. . . . . . . . . . . . . . . . . . . . . .
10
2.1.3
Imagintica Motora . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
Sistemas BCI
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
6
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.2.1
Componentes de um Sistema BCI . . . . . . . . . . . . . . . . . . .
14
2.2.2
Tcnicas de Captura de Sinais Cerebrais
. . . . . . . . . . . . . . .
17
2.2.3
Extrao de caractersticas e Traduo
. . . . . . . . . . . . . . . .
22
Aprendizado de Mquina e rvores de Deciso . . . . . . . . . . . . . . . .
39
2.3.1
Induo de rvores de Deciso . . . . . . . . . . . . . . . . . . . . .
40
2.3.2
Validao das rvores de Deciso . . . . . . . . . . . . . . . . . . .
45
ii
CONTEDO
3 Estado da Arte em Sistemas BCI
47
4 Materiais e Mtodos
52
4.1
4.2
4.3
4.4
Aquisio dos Dados
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
4.1.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
Pr-processamento dos Sinais e Extrao de Caractersticas . . . . . . . . .
57
4.2.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
Classicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
4.3.1
. . . . . . . . . . . . . . . . . . . . . . . .
61
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
Emotiv Epoc
EEGLAB
WEKA e Algoritmo J48
Validao
5 Anlise dos Dados Obtidos
64
5.1
Anlise dos Dados do Sujeito 1
. . . . . . . . . . . . . . . . . . . . . . . .
64
5.2
. . . . . . . . . . . . . . . . . . . . . . . .
70
5.3
. . . . . . . . . . . . . . . . . . . . . . . .
75
5.4
Discusso sobre os resultados obtidos . . . . . . . . . . . . . . . . . . . . .
80
6 Concluso
83
Bibliograa
90
Captulo 1
Introduo
As interfaces homem-mquina, como teclado e mouse nos computadores, joystics e cmeras nos videogames, so comumente utilizados pela maioria da populao.
No entanto
h uma parcela da populao que pode necessitar de outras maneiras para interagir com
equipamentos eletroeletrnicos, devido a problemas de sade ou acidentes que levem a
paralisias severas, impedindo a utilizao de interfaces comuns. O desenvolvimento de Interfaces Crebro Computador (BCI -
Brain-Computer Interface ) tem o intuito de prover
essa comunicao sem a necessidade da utilizao de movimentos musculares.

Os sistemas BCI permitem um mtodo de comunicao baseado na atividade neural
gerada pelo crebro, no dependendo da realizao dos movimentos musculares que os
comandos cerebrais geram.
No caso de pessoas com paralisias severas, e que no tem
o crebro comprometido, a atividade neural para realizar um movimento gerada, mas

no chega aos msculos correspondentes ou esses msculos esto fracos para obedecer tais
comandos [Vallabhaneni et al., 2005].
A atividade neural utilizada num sistema BCI pode ser acessada utilizando tcnicas
invasivas ou no-invasivas. O objetivo de tais sistemas no determinar a inteno de uma
pessoa espionando sua atividade cerebral, mas fornecer um novo canal de sada para seu
crebro, o que exige um controle adaptativo e voluntrio do usurio [Wolpaw et al., 2000].
Sistemas BCI apresentam grande potencial no auxlio a pessoas com decincia. Existem vrias interfaces projetadas para pessoas com mobilidade condicionada (Wickelgren,
2003
apud
[Vallabhaneni et al., 2005]). A maioria desses sistemas, no entanto, utiliza al-
gum tipo de controle muscular, como o movimento da cabea, pescoo, olhos, ou de outros
CAPTULO 1.
INTRODUO
msculos faciais.
Observa-se que, embora exigindo apenas a atividade cerebral, os sistemas BCI utilizam
sinais gerados voluntariamente pelo usurio.
Interfaces com base na atividade cerebral
involuntria, como a gerada durante um ataque epilptico, utilizam muitos dos mesmos
componentes e princpios dos sistemas BCI, mas no esto includos neste campo.
A pesquisa em sistemas BCI tem avanado rapidamente, especialmente nos ltimos
20 anos. H dezenas de grupos de pesquisa ativos em todo o mundo envolvidos no desenvolvimento de tecnologia BCI. Embora os sistemas BCI tenham emergido da teoria para
a realidade em aplicaes comerciais, o campo ainda potencialmente inexplorado para
pesquisa.
As Neurocincias estudam o funcionamento, desenvolvimento e estrutura do sistema
nervoso. Comumente tratada como um ramo da biologia, vem se tornando uma cincia
interdisciplinar, colaborando com campos como a medicina, educao, qumica, computao, entre outros.
O controle motor, a imaginao de movimento, a capacidade de
memorizar aes, o automatismo na realizao de aes e o aprendizado so conceitos explicados pelas neurocincias que esto extremamente relacionados ao estudo de sistemas
BCI. Sabe-se que determinadas regies cerebrais esto relacionadas com funes desempenhadas pelo crebro e a observao da ativao dessas regies podem ajudar a explicar
processos de realizao de movimentos, de aprendizado e de memorizao.
rvores de deciso (ADs) so classicadores que adotam uma estrutura de rvore
condicional, onde cada n especica um teste a ser realizado em um nico atributo
[Duda et al., 2002, Mitchell, 1997, Alpaydin, 2010].
ADs so ferramentas para classicao e previso. Elas fornecem regras que explicam
o comportamento do sistema a ser modelado, alm de fornecer um modelo de classicao.
Uma das caractersticas mais importantes das rvores de deciso que as regras inferidas
atravs delas so de fcil interpretao.
Aplicar rvores de deciso no mbito de sistemas BCI uma abordagem pouco
apresentada, alguns trabalhos discutem esse tipo de aplicao utilizando vetores de
caractersticas extradas dos sinais cerebrais de imagintica motora [Koprinska, 2010,
Aparna et al., 2010]. No entanto, a metodologia apresentada neste trabalho no envolve
a criao de vetores de caractersticas. A literatura pesquisada no apresenta trabalhos
CAPTULO 1.
INTRODUO
similares.
O algoritmo J48 foi adotado para a gerao das ADs. A escolha se deve ao fato do
J48 ser uma derivao do C4.5 [Quinlan, 1993], o mais conhecido e amplamente usado
algoritmo para rvores de deciso, oferecida numa verso gratuita pela Universidade de
Waikato da Nova Zelndia.
Esta dissertao apresenta a utilizao de rvores de Deciso para a classicao de
tarefas de imaginao do movimento das mos a partir de sinais cerebrais coletados de
forma no invasiva com o equipamento Emotiv EPOC. Exibe uma anlise, no mbito da
neurocincia, dos eletrodos presentes nos ramos das ADs relacionando-os com processos
cerebrais relativos as regies onde os eletrodos esto posicionados no couro cabeludo.
Considerando a taxa atual de desenvolvimento, o avano da proliferao de tecnologia
BCI requer um aumento no nmero de pessoas e recursos envolvidos. O desenvolvimento
dessa rea necessita do aumento da cooperao entre diferentes reas, como cincia da
computao, neurocincia, engenharia, psicologia, imagens mdicas, etc. Estabelecer equipes de pesquisa multidisciplinar essencial.
1.1 Objetivos
O objetivo geral desta dissertao realizar uma anlise de sinais cerebrais para sistemas
BCI utilizando rvores de deciso.
Os objetivos especcos so:
1. Coletar sinais cerebrais de alguns indivduos, utilizando o equipamento
Epoc
da
Emotiv (Seo 4.1.1);

2. Realizar o pr-processamento dos sinais coletados;
3. Aplicar ADs para a classicao das tarefas de imaginao do movimento das mos;
4. Analisar as ADs, com base na neurocincia, caracterizando-as e identicando possveis semelhanas e diferenas.
CAPTULO 1.
INTRODUO
1.2 Metodologia
A metodologia utilizada para atingir os objetivos propostos nesse trabalho dividido em
5 etapas como mostrado na Figura 1.1 e explicado a seguir.
Etapa 1
O primeiro passo a aquisio dos dados.

sujeitos utilizando o
Etapa 2
Epoc
da
Foram coletados sinais cerebrais de 3
Emotiv (Seo 4.1.1).
A segunda etapa consiste no pr-processamento dos dados. Nessa etapa a ferramenta

utilizada foi o EEGLAB (Seo 4.2.1). Na etapa de pr-processamento, os dados
so organizados para a utilizao no algoritmo de ADs. Foram selecionados os sinais
dos 14 eletrodos e adicionadas etiquetas referentes a cada tarefa.
Etapa 3
A terceira etapa consiste na extrao de caractersticas relevantes dos sinais cerebrais

j processados. Neste trabalho, a extrao de caractersticas foi realizada separando
as faixas de frequncia dos sinais (ver Seo 2.2.3).
Etapa 4
A classicao das tarefas de imaginao do movimento das mos a quarta etapa.

Foi utilizada a tcnica de Inteligncia Articial de rvores de Deciso para classicar os dados provenientes da etapa anterior. Os dados obtidos foram divididos, uma
parte para treinamento e outra para validao. Essa diviso se deu de forma automtica pelo
software
WEKA(Seo 4.3.1), que atravs da validao cruzada (Seo
2.3.2) separa os conjuntos de dados e retorna as taxas de erro, acerto e matriz de

confuso, entre outras variveis.
Etapa 5
A quinta etapa consiste na validao do mtodo de classicao. Neste trabalho,

alm da vericao das taxas de acerto, um especialista na rea de neurocincias
colaborou na avaliao dos dados obtidos.
Figura 1.1: Etapas que compem a metodologia de trabalho.
CAPTULO 1.
INTRODUO
1.3 Organizao do Texto

O texto est divido em 5 Captulos, sendo que o Captulo 1 apresenta a Introduo, os
Objetivos e a Metodologia adotada.
O Captulo 2 apresenta os principais conceitos sobre Sistemas BCI, Aprendizado de
Mquina e rvores de Deciso, e Neurocincias.
O Captulo 3 apresenta o Estado da Arte em sistemas BCI, trabalhos a nvel nacional
e internacional, bem como a aplicao deste tipo de dados utilizando ADs.
O Captulo 4 apresenta os Materiais e Mtodos utilizados neste trabalho.
O Captulo 5 mostra os Resultados encontrados, bem como a anlise destes resultados,
baseados na Neurocincia.
O Captulo 6 naliza este trabalho apresentando as Concluses e Trabalhos Futuros.
Tambm encontra-se em anexo um CD com todos os dados obtidos nesse trabalho.
Captulo 2
Embasamento Terico
2.1 Neurocincias
2.1.1
Controle Motor
As Neurocincias, conjunto das disciplinas que estudam pelos mais variados mtodos o
sistema nervoso, sua estrutura, seu desenvolvimento, funcionamento, evoluo, relao
com o comportamento e a mente, e tambm suas alteraes, dene coordenao motora
como a capacidade de produzir a contrao dos msculos de forma orquestrada, resultando
em um movimento biologicamente adequado ao contexto. A realizao de um movimento
emerge medida que o sujeito usa parmetros dinmicos complexos, com esquemas ou
representaes motoras construdas pela associao de informaes geradas em diferentes
reas do crebro. Lent (2008) lembra que:
Apesar dessas divises, o sistema nervoso integrado.
Isso signica que
ele funciona integralmente, mediante a cooperao e a interao entre seus

diferentes elementos [...] [Lent, 2008].
Do ponto de vista anatmico, o crebro humano est dividido em dois hemisfrios,

direito e esquerdo, os quais so simultaneamente separados e conectados pelo corpo caloso, estrutura constituda por densos feixes de axnios (pores terminais dos neurnios,
clulas que ligadas entre si, conduzem os impulsos nervosos atravs de sinapses) que promove a comunicao entre ambos. As dobraduras caractersticas nesses hemisfrios so
CAPTULO 2.
EMBASAMENTO TERICO
denominadas giros ou circunvolues, estando separados por sulcos ou ssuras. Em cada

hemisfrio temos os seguintes componentes: um tlamo, um hipocampo, uma amgdala,
gnglios basais, um crtex cerebral e quatro lobos (crtex): occipital, parietal, temporal
e frontal (Figura 2.1).
O lobo occipital fundamentalmente envolvido com o sentido
da viso, o parietal abarca as informaes advindas do sentido do tato e da percepo

somatosensorial, os lobos temporais processam dados auditivos e os lobos frontais so
essenciais para planejamento de aes cognitivas e movimento.
Figura 2.1: reas cerebrais [Lent, 2001].
Nos lobos frontais, a ltima poro denominada crtex motor primrio e est envolvida na execuo de movimentos. O restante chamado de crtex pr-frontal e, ocupando
cerca de 30% do crebro humano, sendo importantssimo para o comportamento racional, pois nele que se processam as informaes sensoriais que nos permitem perceber
os estmulos, lidar com as informaes e emoes, planejar aes e entender e emitir
comportamentos adequados [Ratey, 2002, Gazzaniga and Heatherton, 2005, Lent, 2008].
Experimentos revelaram que as especialidades dos hemisfrios podem ser bem diferentes (Figura 2.2), mas que raramente essa especializao signica exclusividade funcional.
Exemplicando: o hemisfrio esquerdo controla a fala em mais de 95% dos seres humanos,
entretanto, a prosdia do hemisfrio direito que confere fala nuances afetivas essenciais
para a comunicao interpessoal. Enquanto o esquerdo melhor na realizao mental de
CAPTULO 2.
EMBASAMENTO TERICO
clculos matemticos, no comando da escrita e na compreenso da leitura, o hemisfrio

direito melhor na percepo de sons musicais e no reconhecimento de faces. O hemisfrio esquerdo participa tambm do reconhecimento de faces, mas sua especialidade
nomin-las, ou melhor, identicar quem o dono de cada face (sobretudo se for o prprio
indivduo). J o hemisfrio direito especialmente capaz de identicar categorias gerais
de objetos e seres vivos (livros, ces), mas o esquerdo que detecta as categorias especcas. O hemisfrio direito melhor na deteco de relaes espaciais, particularmente
as relaes mtricas, quanticveis, aquelas que so teis para o nosso deslocamento no
mundo como o clculo da distncia que se est do carro da frente. O hemisfrio esquerdo
no deixa de participar dessa funo, mas est envolvido no reconhecimento de relaes
espaciais categoriais, qualitativas (acima de, abaixo de, dentro, fora ...) [Lent, 2001].
Figura 2.2: Os hemisfrios so especializados, o que signica que participam das mesmas
funes de modo diferente.
O conceito de especializao superou o conceito antigo de
dominncia, pelo qual um dos hemisfrios faria tudo; sendo o outro apenas uma reserva
tcnica coadjuvante[Lent, 2001].
CAPTULO 2.
EMBASAMENTO TERICO
Uma diculdade para o estudo da determinao neurobiolgica das assimetrias comportamentais que elas so suscetveis a inuncias ambientais, destacando-se as possibilidades de treinamento para executar aes diversas. Um bom exemplo so os jogadores de
futebol, que podem ser treinados a utilizar os dois ps para chutar, embora originalmente
preram utilizar um deles [Lent, 2001].
Estudos sugerem que o planejamento, a correo e a execuo dos movimentos esto
inscritos em redes neurais que incluem o crtex pr-frontal, o crtex motor primrio, o
crtex pr-motor, a rea motora suplementar, o crtex parietal, o crtex cingulado, o
cerebelo e os ncleos da base, alm de ncleos talmicos, ncleos do tronco enceflico e
a medula espinhal. A experincia individual, a integridade das redes formadas por essas
regies, bem como a complexidade do movimento inuenciam o modo como essas regies
so ativadas. Alm disso, as redes neurais (ou circuitos cerebrais) so plsticos, isto ,
so capazes de se modicar com o aprendizado ou aps leses. Esses grupos neurais esto
envolvidos tambm na codicao dos aspectos representacionais dos movimentos tais
como o reconhecimento, a predio e o aprendizado de aes por meio de observao e a
capacidade de simular mentalmente os movimentos [Lent, 2008, Gazzaniga et al., 2006].
Como salientado, o crtex motor primrio e o crtex pr-motor esto ambos localizados no lobo frontal, uma das partes mais avanadas do crebro, a qual tambm responsvel pelas funes executivas (FEs).
As FEs so uma srie de proces-
sos cognitivos especializados que permitem ao indivduo perceber estmulos do ambiente e responder adequadamente, uma vez que ao envolver a percepo, a ateno e a
memria de trabalho, planicam as aes, ocorrendo a seleo e inibio de respostas
[Ratey, 2002, Squire and Kandel, 2003].
Ao serem responsveis por organizar as capa-
cidades perceptivas, mnsica e prxicas em determinado contexto so essenciais para o

planejamento motor, pois esse envolve ter uma ideia sobre o que fazer, organizar uma
ao e nalmente execut-la.
O crtex motor recebe, de forma convergente, informaes de outras reas do crebro e
as usa para planejar movimentos, exercendo o controle direto de determinados movimentos. Embora o crtex sensorial, localizado logo atrs da rea motora primria, constitua
uma signicativa fonte de informaes para o crtex motor, grande soma de dados ui
tambm para as reas motoras acerca de nossos pensamentos, experincias passadas,
CAPTULO 2.
EMBASAMENTO TERICO
10
emoes e memrias armazenadas, contribuindo com signicado, profundidade e complexidade para os movimentos e aes. Novas aes so planejadas usando o conhecimento
de informaes sensoriais, e as experincias passadas e sensaes que as acompanham
[Ratey, 2002].
Conforme Lent [Lent, 2001], uma rea motora deve: (1) projetar e receber de outras
regies motoras; (2) provocar distrbios motores quando lesada; (3) provocar movimentos quando estimulada e (4) possuir atividade neural e uxo sanguneo aumentados precedendo e acompanhando a execuo de movimentos pelo prprio indivduo ou quando
observa o movimento de terceiros.
As regies corticais envolvidas nesse processo so mostradas na Figura 2.3. Podem-se
considerar quatro grandes reas motoras no crtex cerebral: a rea motora primria (M1),
que ocupa o giro pr-central do lobo frontal e relaciona-se com o comando dos movimentos voluntrios; a rea motora suplementar (MS), que se localiza rostral e dorsalmente a
M1; a rea pr-motora (PM), que se situa rostral e lateralmente a M1 , e a rea motora
cingulada (MC), posicionada na face medial do crtex, logo acima do corpo caloso. MS
e PM esto mais relacionadas com o planejamento dos movimentos voluntrios, que com
o comando de sua execuo, e MC parece participar dos movimentos que tem conotao emocional.
Apesar de que cada rea, com exceo de M1, apresentar subdivises
com funes distintas, as reas corticais esto interconectadas, apresentando inclusive conexes com outras regies corticais em ambos os hemisfrios, como a rea somestsica
primria (S1) e as reas associativas dos lobos parietal e frontal. importante ressaltar
tambm que todas elas projetam para regies motoras subcorticais e contribuem para o
feixe corticoespinhal. M1, representa o "alto comando motor", isto , a regio de onde
surgem os comandos para os movimentos voluntrios, aqueles que vo superpor-se aos reexos, s reaes posturais, locomoo e aos movimentos de orientao sensoriomotora
[Lent, 2001, Gazzaniga et al., 2006].
2.1.2
Memria de Procedimentos
Como bem salienta Ratey [Ratey, 2002], adquirir numerosos repertrios motores essencial para a sobrevivncia, sendo que movimento, memria e aprendizagem esto estreitamente interligados. O aprendizado, como resultado de uma experincia, reete uma
CAPTULO 2.
EMBASAMENTO TERICO
Figura 2.3: As reas motoras corticais esto representadas em tons de azul.
11
As reas
representadas em tons de verde conectam-se com as primeiras, mas no so consideradas

partes do sistema motor. O desenho de cima ilustra a face lateral do hemisfrio esquerdo,
e o desenho de baixo ilustra a face medial do hemisfrio direito. Todas as reas representadas, entretanto, existem em ambos os hemisfrios. Abreviaturas no texto. Os nmeros
referem-se classicao citoarquitetnica de Brodmann [Lent, 2001].
alterao relativamente permanente no comportamento dos organismos. Aprender envolve

usar a memria, ou melhor, a capacidade de adquirir, reter e armazenar informaes para
mais tarde as reconhecer e poder aplicar [Kolb and Whishaw, 2002].
As representaes mentais criadas e resgatadas via memria caracterizam traos de
memria, o qual envolve a habilidade de recordar ou reconhecer experincias anteriores.
Assim, a memria pode ser considerada o substrato orgnico para que ocorra a aprendizagem, pois permite que as informaes quem armazenadas e sejam utilizadas. Segundo
Izquierdo [Izquierdo, 2002] A memria o processo pelo qual aquilo que aprendido
persiste ao longo do tempo.
CAPTULO 2.
12
EMBASAMENTO TERICO
Segundo Gazzaniga, Ivry e Mangun [Gazzaniga et al., 2006] a codicao, o armazenamento e a evocao constituem as principais etapas da aprendizagem e da memria. Na
codicao ocorre o processamento da nova informao, envolvendo duas fases: aquisio
(registro de informaes) e consolidao (cria a representao da informao atravs do
tempo). Desses dois processos emerge o armazenamento, isto , a a criao e manuteno do registro permanente.
A evocao se refere ao resgate da informao para gerar
comportamentos.
Interessa destacar que mecanismos cerebrais envolvidos na aprendizagem e na memria, inclusive na sua evocao, esto associados aos processos neuropsicolgicos como
ateno, percepo, motivao e pensamento, de forma que caso ocorram perturbaes
em qualquer um deles, a aprendizagem e a memria, tendem a ser indiretamente afetadas.
Izquierdo [Izquierdo, 2002], tomando como referncia a durao, considera trs tipos
de memria. A memria de trabalho extremamente curta, dura de 1 a 3 minutos, tendo
como objetivo fundamental, [...] comparar as informaes que chegam constantemente ao
crebro e compar-las com as demais memrias, declarativas ou procedurais, de curta ou
longa durao . A memria de curta durao um alojamento temporrio da memria
principal enquanto essa ainda no foi formada, utilizada pelo crebro enquanto o processo
de consolidao no est nalizado, no sendo extinta ao longo de 4 a 6 horas. Aps esse
intervalo substituda pela memria de longa durao, a qual sofre grande inuncia das
emoes e da motivao.
Para o referido autor, uma segunda classicao advm do contedo das memrias.
Registros de fatos, eventos ou conhecimentos so memrias declarativas.
Dentre essas,
existem memrias episdicas (referentes a eventos que participamos ou assistimos) e semnticas (envolvem conhecimentos gerais). As memrias procedurais ou de procedimentos
surgem de nossas capacidades ou habilidades motoras ou sensoriais. Quando considerado
a maneira como as memrias so adquiridas, as memrias implcitas so geradas de maneira mais ou menos automtica, enquanto que as explcitas sofrem plena interveno da
conscincia e so mais suscetveis as emoes, ansiedade e estados de nimo.
A memria de procedimentos ou procedural trata dos hbitos, habilidades e regras,
algo que muitas vezes memorizamos sem sentir e utilizamos sem tomar conscincia. Durante a aprendizagem de uma nova tarefa, muitos circuitos especcos do crtex frontal
CAPTULO 2.
EMBASAMENTO TERICO
13
so ativados, mas diante de reproduo repetida em um razovel nmero de vezes, os

padres adquirem estabilidade e o comportamento torna-se automtico, no demandando
mais ateno consciente. um procedimento que, arquivado na memria adquire grande
solidez e durabilidade [Ratey, 2002].
Desse modo, diante da regularidade da sequncia de movimentos, o desempenho de
um indivduo na realizao de um movimento que no era habitual para si melhora gradativamente.
Entretanto, se questionado se sabe o que fez seu desempenho melhorar,
provavelmente dir que no sabe. Ou seja, aprendeu, mas no tomou conscincia de como
o fez. As habilidades motoras empregadas com nalidade de atingir objetivos resultam
de memrias implcitas, isto , no requerem ateno, acontecem automaticamente, sem
ter a conscincia de estar lembrando de algo e sem esforo deliberativo. Aprende-se andar
de bicicleta e amarrar os sapatos treinando muitas vezes. Depois, simplesmente realizase esses comportamentos sem raciocinar sobre quais movimentos devemos fazer a cada
momento [Lent, 2001].
Posner e Raichle [Posner and Raichle, 2001] preconizam que A prtica no desempenho
de qualquer tarefa diminui o nmero de redes neurais necessrias para a realizar. Nesse
momento, a utilizao de redes de ateno reduzida e outros percursos so reorganizados.
De acordo com Ratey [Ratey, 2002], pode-se converter memrias implcitas (no caso
o movimento aprendido, como andar de bicicleta) em memrias explcitas e isso muda a
localizao da memria no crebro. Quando aprende-se algum ato motor precisamos estar
envolvidos ativamente, isto , trata-se de uma aprendizagem explcita, na qual h uma
grande ativao das FEs. Ao dominarmos a tarefa no precisamos relembrar ativamente
o que fazer.
Assim, Uma pessoa capaz de dominar sequncias motoras cada vez mais
intrincadas pode estar envolvida num movimento complexo e ter, no entanto, um tranquilo
crtex frontal, pois esse no est mais to atento na realizao do movimento e est mais
disponvel para observar e realizar ajustes.
2.1.3
Imagintica Motora
O sistema motor responsvel pela produo e codicao dos aspectos representacionais

do movimento, como, por exemplo, a capacidade de simular mentalmente uma determinada ao. Os mesmos mecanismos envolvidos na execuo so utilizados na simulao
CAPTULO 2.
14
EMBASAMENTO TERICO
mental, mas sem realmente se mover. Ao recriar usam as mesmas regies do crebro que
teria usado para executar o movimento, tratando-se de um processo cognitivo usado pelas
reas responsveis pelo movimento real [Ratey, 2002, Lent, 2008].
Conforme Lent [Lent, 2008], a imagintica motora denida como um processo dinmico no qual o sujeito acessa o plano motor de uma dada ao e acompanha ativamente o
seu desdobramento. Segundo o autor, estudos demonstram a existncia de acentuado paralelismo entre imaginao e execuo de movimento, sendo as caractersticas temporais
da simulao mental de um movimento, extremamente similares a sua execuo, de modo
que o tempo gasto na imaginao de uma caminhada a um determinado alvo similar ao
gasto na realizao de tal ao. A imagintica motora tambm modula o sistema nervoso
autnomo.
Durante a simulao de movimentos observa-se, por exemplo, aumento da
frequncia cardaca proporcional carga de exerccio imaginado, mesmo que no haja

evidncia eletromiogrca ou metablica de atividade muscular.
2.2 Sistemas BCI

2.2.1
Componentes de um Sistema BCI
Aps a apresentao de trabalhos de Hans Berger em 1929 sobre um dispositivo que mais
tarde veio a ser conhecido como eletroencefalograma (EEG), que poderia gravar potenciais
eltricos gerados pela atividade cerebral, houve especulao de que talvez equipamentos
pudessem ser controlados usando esses sinais. Durante muito tempo, isto foi apenas uma
especulao.
Como revisado por Wolpaw [Wolpaw et al., 2000], 40 anos mais tarde, na dcada de
1970, os pesquisadores foram capazes de desenvolver sistemas de controle primitivo baseados na atividade eltrica cerebral. A agncia norte-americana
Defense Advanced Research
Projects Agency (DARPA), envolvida no desenvolvimento das primeiras pesquisas relacionadas ao surgimento da Internet, nanciou pesquisas voltadas para o desenvolvimento de
dispositivos binicos que ajudassem os soldados daquele pas. As primeiras pesquisas, conduzidas por George Lawrence, eram focadas no desenvolvimento de tcnicas para melhorar
o desempenho dos soldados em tarefas que tinham altas cargas mentais. Sua pesquisa produziu uma grande quantidade de descobertas sobre os mtodos de auto-regulao cognitiva
CAPTULO 2.
15
EMBASAMENTO TERICO
biofeedback, mas no produziu qualquer dispositivo utilizvel [Vallabhaneni et al., 2005].

A DARPA expandiu seu foco para um campo mais geral de biociberntica com o
objetivo de explorar a possibilidade de controlar dispositivos atravs do processamento

computadorizado em tempo real de qualquer sinal biolgico.
O laboratrio de BCI da
UCLA (Universidade da Califrnia, Los Angeles), dirigido por Jacques Vidal ,apontou
evidncias de que potenciais visualmente-evocados poderiam ser usados como um canal
de comunicao ecaz o suciente para controlar um cursor atravs de um labirinto bidimensional (Vidal, 1977
apud
[Vallabhaneni et al., 2005]).
Trabalhos realizados por grupos como o de Vidal provaram que os sinais de atividade
cerebral podem ser usados para comunicar ecazmente a inteno do usurio. Tambm
criou uma separao clara entre os sistemas utilizando a atividade EEG e aqueles que
usaram a atividade EMG (eletromiograma) gerados a partir de terminaes nervosas
musculares ou movimentos dos msculos faciais. Trabalhos posteriores apresentaram outras tcnicas de captura da atividade neural utilizadas em sistemas BCI alm do EEG
[Vallabhaneni et al., 2005].
Os sistemas BCI desenvolvidos atualmente so ferramentas que podem ajudar os usurios a se comunicar e realizar atividades cotidianas, embora apresentem um sucesso limitado e ainda se encontrem principalmente em ambientes de pesquisa. Os principais utilizadores do sistema BCI so indivduos com leve a grave decincia muscular. Os sistemas
BCI tambm tm sido desenvolvidos para usurios com certas decincias mentais como
o autismo e ainda para pessoas que no apresentam nenhuma decincia, principalmente
como entretenimento na indstria de jogos.
O trabalho de Mason e Birch (2003)
apud
[Vallabhaneni et al., 2005] apresentou um
modelo geral para sistemas BCI, sobre o qual um vocabulrio universal poderia ser desenvolvido e diferentes sistemas deste tipo poderiam ser comparados.
O objetivo de um sistema BCI permitir que o usurio interaja com um dispositivo.
Esta interao ativada atravs de uma variedade de componentes funcionais intermedirios, sinais de controle e
loops
de
feedback, conforme detalhado na Figura 2.4.
Componen-
tes funcionais intermedirios desempenham funes especcas na converso de intenes

em ao.
Por denio, isto signica que o usurio e o dispositivo tambm so partes
1 http://www.cs.ucla.edu/
vidal/vidal.html
CAPTULO 2.
16
EMBASAMENTO TERICO
integrantes de um sistema BCI. A interao tambm possvel atravs de
back
loops
de
feed-
que servem para informar, a cada componente do sistema, o estado de um ou mais
componentes.
Figura 2.4:
Componentes funcionais e
loops
de
feedback
em um sistema de interface
crebro-computador. A atividade do crebro do usurio medida pelos eletrodos e depois

amplicada. O extrator de caracterstica transforma sinais brutos em vetores de caractersticas relevantes, que so classicados em controles lgicos por um tradutor. A interface
de controle converte os controles lgicos em controles semnticos que so passados para
o controlador de dispositivo. O controlador de dispositivo muda os controles semnticos
comandos especcos que so executados pelo dispositivo. Dessa forma, o sistema BCI
pode converter a inteno do usurio em ao do dispositivo [Vallabhaneni et al., 2005].
CAPTULO 2.
2.2.2
17
EMBASAMENTO TERICO
Tcnicas de Captura de Sinais Cerebrais
Tcnicas Invasivas
Os dispositivos BCI mais puros usam implantes corticais, ou seja eletrodos so implantados dentro do crnio do paciente. Os exemplos mais conhecidos so a matriz de Utah
e a matriz de Michigan, em homenagem as instituies em que os conjuntos de sensores
foram desenvolvidos. A matriz de Utah compreende uma matriz de 8x8 ou 10x10 eletrodos que so inseridos diretamente no crtex. Com base na organizao colunar do crtex,
por exemplo em relao sensibilidade de orientao, o objetivo traduzir a separao
espacial de pensamentos individuais no crtex em sinais discretos para formar um padro na matriz de eletrodos. Os dois exemplos mais famosos para este tipo de dispositivo
BCI invasivo so o
BrainGate
para controle de cadeira de rodas e caso de Matt Nagle,
um paraplgico que aprendeu a controlar um brao binico apenas pelo poder do crebro
[Schuette, 2010].
O lado negativo dos dispositivos BCI invasivos so os efeitos a longo prazo, como a
possibilidade de desenvolver doena de Alzheimer e sintomas neurodegenerativos que so
tratados com diferentes graus de sucesso por revestimento dos eletrodos.
Uma
experincia
notvel
foi
realizada
por
Nicolelis
Chapin
(2002)
apud
[Vallabhaneni et al., 2005] em macacos, para controlar um brao robtico em tempo real
atravs da atividade eltrica de um neurnio motor registrada por microos ligados a
esse neurnio. Vrios parmetros de controle motor puderam ser capturados, incluindo a
direo do movimento da mo, fora de aperto, velocidade, acelerao, posio tridimensional, etc. Estes foram obtidos a partir dos uxos paralelos de atividade neuronal por
modelos matemticos.
Neste sistema, os macacos aprendem a produzir os movimentos
complexos das mos em resposta a estmulos sensoriais arbitrrios.

riam explorar um
feedback
Os macacos pode-
visual para julgar por si mesmos se o rob poderia imitar os
movimentos das suas mos.
A Figura 2.5 apresenta esse sistema (Nicolelis, 2003
apud

Uma abordagem menos invasiva tem sido aplicada a pacientes epilpticos para o planejamento cirrgico, no qual um conjunto de eletrodos so inseridos na regio subdural
prximo ao crtex. Esse procedimento chamado de electrocorticograma (ECoG). Ele-
CAPTULO 2.
18
EMBASAMENTO TERICO
Figura 2.5: Trabalho experimental utilizado para testar um
loop
fechado de controle de
BCI atravs de movimentos de macacos. Conjuntos de microos implantados so usados

para capturar a atividade extracelular de populaes de neurnios em vrias regies do
crtex motor.
Modelos lineares e no-lineares, em tempo real, so usados para extrair
comandos de controle motor de sinais brutos de atividade cerebral.
As sadas destes
modelos so utilizadas para controlar os movimentos de um brao robtico. Por exemplo,

enquanto um modelo pode fornecer um sinal de velocidade para mover o brao do rob,
um outro modelo, de modo paralelo, pode extrair um sinal de fora que pode ser usado
para permitir que uma garra segure um objeto durante um movimento do brao. Sinais
tteis articiais e
feedback
visual so usados para informar ao animal sobre o desempenho
de um brao robtico controlado por sinais derivados do crebro.
feedback
visual
fornecido usando um cursor que se move em uma tela de vdeo para informar o animal
sobre a posio do brao do rob no espao. O
feedback
ttil articial entregue por uma
srie de pequenos elementos que vibram, ligado ao brao do animal. Este dispositivo ttil
usado para informar o animal sobre o desempenho da pina do brao robtico (se a
pina encontrou um objeto no espao, ou se a pina aplicou fora suciente para segurar
um objeto)[Vallabhaneni et al., 2005].
trodos subdurais esto mais prximos de estruturas neuronais das camadas cortical supercial do que de eletrodos colocados no couro cabeludo como no eletroencefalograma
(EEG). Estima-se que eletrodos no couro cabeludo representam a atividade eltrica espa-
CAPTULO 2.
19
EMBASAMENTO TERICO
cialmente mdia sobre uma rea cortical de, pelo menos, vrios centmetros quadrados.
Vrios eletrodos subdurais podem ser colocados em uma rea desta dimenso tal que
cada um desses eletrodos mede a atividade bioeltrica espacialmente mdia de uma rea
menor do que vrios centmetros quadrados. As vantagens de gravaes subdural incluem
gravao a partir de fontes menores de atividade sincronizada, maior relao sinal-rudo
do que a de gravaes couro cabeludo, e maior capacidade de gravar e estudar a atividade do ritmo
gama
(acima de 30 Hz), pois este ritmo gerado pela rpida oscilao
de conjuntos de clulas composto por um pequeno nmero de neurnios. Consequentemente, a atividade
gama
caracterizada por utuaes de pequena amplitude que no
so facilmente gravadas com eletrodos no couro cabeludo (Pfurtscheller
et al., 2003 apud

Tcnicas invasivas causam signicativa quantidade de desconforto e risco para o paciente. Pesquisadores as usam em seres humanos s se traro melhoria considervel em
termos de funcionalidade sobre mtodos no-invasivos.
A maioria das pesquisas inici-
ais, portanto, realizada em animais, especialmente macacos e ratos.
Pesquisas com
esses animais tem levado ao rpido desenvolvimento da microeletrnica, que permite gravar atividades eletrosiolgicas de um pequeno grupo de neurnios, ou mesmo um nico
neurnio.
Esse tipo de tecnologia permite amostragem simultnea e convel de 5-20
neurnios, distribudos em vrias reas corticais de primatas pequenos, por um perodo

de alguns anos (Wessberg
et al., 2000 apud
A vantagem de tcnicas invasivas a alta resoluo espacial e temporal que pode

ser alcanada, pois gravaes podem ser feitas a partir de neurnios individuais com taxas de amostragem muito altas. Sinais gravados de forma intracraniana poderiam obter
mais informaes e permitir respostas mais rpidas, o que pode levar diminuio requisitos de treinamento e ateno (Sanchez
Vrias
questes,
no
entanto,
tm
que
et al.,
ser
2004
apud
consideradas

(Lauer
et al.,
2000
apud
[Vallabhaneni et al., 2005]).Primeiro, a estabilidade a longo prazo do sinal ao longo de

dias e anos difcil de alcanar. O usurio deve ser capaz de gerar consistentemente o
sinal de controle convel, sem a necessidade de retornos frequentes. Segundo a questo da plasticidade cortical aps uma leso medular. Foi levantada a hiptese de que o
crtex motor passa por reorganizao aps uma leso da medula espinhal, mas o grau
CAPTULO 2.
20
EMBASAMENTO TERICO
desconhecido (Brouwer and Hopkins-Rosseel, 1997
apud
[Vallabhaneni et al., 2005]). Fi-
nalmente, se uma neuroprtese que requer um estmulo para o membro com decincia
usada, este estmulo vai tambm produzir um rudo signicativo sobre o couro cabeludo,
que pode interferir com o sinal de interesse.
Nesses casos, os sistemas BCI devem ser
capazes de detectar com preciso e remover estes rudos.

Tambm necessrio desenvolver uma melhor compreenso dos princpios pelos quais
conjuntos neurais codicam informao sensorial, motora e cognitiva (Isaacs
Nicolelis, 2001; Serruya
et al., 2002 apud
et al., 2000;
[Vallabhaneni et al., 2005]). No caso do controle
motor, por exemplo, as reas do crebro dos primatas que esto envolvidas so bem
conhecidas e at mesmo as propriedades siolgicas de neurnios individuais localizados
nestas reas tm sido bem estudados. Pouco se sabe, no entanto, sobre como o crebro
faz uso desta informao a partir dos neurnios, para gerar os movimentos. No projeto de
controle de movimento, portanto, mais estudo necessrio para desenvolver um mtodo
que pode ecientemente decodicar os sinais gerados pelos neurnios motores para um
que dispositivo articial possa imitar o movimento pretendido.
Experimentos clssicos em primatas, por exemplo, tm demonstrado que parmetros
fundamentais de controle motor emergem pela ativao coletiva de grandes populaes
de neurnios distribudos no crtex motor primrio. Para calcular uma direo precisa
de movimento do brao, por exemplo, o crebro pode ter que realizar o equivalente a
um voto neuronal ou, em termos matemticos, um somatrio de vetores da atividade
desses neurnios mais ou menos anados. Isto implica que, para obter os sinais motores
necessrios para controlar um dispositivo articial, que imite esse brao, necessrio obter
a atividade de muitos neurnios simultaneamente, assim como projetar algoritmos que so
capazes de extrair sinais de controle motor a partir destes conjuntos. Vrios modelos bem
estabelecidos, tais como regresso linear, populao de vetores e redes neurais tm sido
aplicados com sucesso para lidar com grandes quantidades de dados neurais e estimar a
trajetria dos movimentos (Wessberg
2003
apud
et al.,
2000, Taylor
et al.
, 2002, Serruya
et al.,
[Vallabhaneni et al., 2005]). Mas esses sinais e modelos esto longe de fornecer
uma gama completa de movimentos que um brao pode produzir (Donoghue, 2002
apud

Como mencionado anteriormente, as experincias com seres humanos at agora tm
CAPTULO 2.
21
EMBASAMENTO TERICO
sido limitadas. Atualmente, somente alguns pacientes com decincias graves tm recebido implantes de eletrodos. Em alguns casos, o sucesso tem sido limitado, com alguns
pacientes capazes de se comunicar de forma textual a uma taxa de apenas trs letras
por minuto (Mussa-Ivaldi e Miller, 2003
apud
[Vallabhaneni et al., 2005]). Mais avanos
em microeletrodos, no entanto, so necessrios para obter gravaes estveis durante um

longo prazo, ou seja, mais de 1 ano.
Alm das reas de pesquisas referidas acima, o foco em minimizar o nmero de clulas
necessrias para gravaes simultneas obtendo um sinal til, bem como o fornecimento
de
feedback
para o sistema nervoso atravs da estimulao eltrica utilizando eletrodos,
tambm essencial para um uso generalizado de tcnicas invasivas em humanos.
Tcnicas No-invasivas
Existem muitos mtodos no-invasivos para medir a atividade cerebral.
Tcnicas no
invasivas reduzem o risco para os usurios, uma vez que no requerem cirurgia ou xao permanente de eletrodos.
Computerized Tomography ),
tron Tomography ),
Tcnicas como a tomograa computadorizada (CT -
tomograa por emisso de psitrons (PET -
Positron Elec-
tomograa computadorizada por emisso de fton nico (SPECT -
Single-Photon Emission Computed Tomography ), ressonncia magntica (MRI - Magnetic Resonance Imaging ),
ressonncia magntica funcional (fMRI -
functional Magnetic
Resonance Imaging ),
magnetoencefalograa (MEG -
Magnetoencephalography )
encefalograa (EEG -
electroencephalography ) tm sido os mtodos utilizados para medir
e eletro-
a atividade do crebro de forma no invasiva.

A eletroencefalograa, no entanto, o mtodo mais utilizado na aquisio de sinal
BCI. EEG tem uma alta resoluo temporal, capaz de medir a atividade a cada milsimo
de segundo. Aparelhos modernos de EEG tambm tem uma resoluo espacial razovel
com sinais, de at 256 de eletrodos ao mesmo tempo.
A praticidade no uso de EEG em laboratrio e em ambientes do mundo real um
dos principais pontos positivos dessa tcnica. Os dispositivos so portteis e os eletrodos
podem ser facilmente colocados no couro cabeludo do usurio, simplesmente vestindo uma
touca. Alm disso, aparelhos de EEG tem sido usados em numerosos campos desde a sua
criao.
Portanto, as tcnicas e tecnologia de aquisio de sinal atravs deste mtodo
CAPTULO 2.
22
EMBASAMENTO TERICO
foram padronizadas.
Muitos sistemas BCI baseados em EEG utilizam uma disposio dos eletrodos no
escalpo sugerida pelo sistema internacional 10-20, conforme detalhado na Figura 2.6.
Para uma melhor resoluo espacial, tambm comum o uso de uma variante do sistema
10-20, que preenche os espaos entre os eletrodos com eletrodos adicionais (Malmivuo e
Plonsey, 1995
2.2.3
apud
Extrao de caractersticas e Traduo
O estudo de sistemas BCI est focado em melhorar os mtodos de extrao de caractersticas dos sinais coletados e traduzi-los em comandos de controle de forma adequada para que
os dispositivos obedeam com maior delidade a inteno do usurio. Uma caracterstica
presente em um sinal pode ser vista como o reexo de um aspecto especco da siologia e
anatomia do sistema nervoso [Wolpaw et al., 2000]. O objetivo dos mtodos de extrao
de caractersticas, com base nesta denio, seria obter o aspecto siolgico especco
do sistema nervoso atravs de uma srie temporal especca.
As etapas envolvidas na
extrao de caractersticas e traduo so detalhadas na Figura 2.7.
Tipos de Sinais Cerebrais

A) Picos e Potenciais de Campo
O crebro gera uma grande quantidade de atividade neural. A captura dessa atividade
gera uma innidade de sinais eltricos, que podem ser usado para sistemas BCI. Esses
sinais se dividem em duas classes principais: picos e potenciais de campo (Wolpaw, 2003
apud
[Vallabhaneni et al., 2005]). Os picos reetem os potenciais de ao de neurnios
individuais e, assim, adquiridos principalmente atravs de microeletrodos implantados por

meio de tcnicas invasivas. Potenciais de campo, no entanto, so medidas da atividade
sinptica, neuronal e axonal de grupos de neurnios e pode ser medido por eletrodos
implantados ou EEG de acordo com a resoluo espacial necessria. Como mencionado
anteriormente, a maioria das pesquisas est focada no BCI usando sinais de EEG.
B) EEG Bandas de Frequncia
CAPTULO 2.
23
EMBASAMENTO TERICO
Figura 2.6: Colocao de eletrodos para aquisio de sinais de forma no-invasiva usando
um eletroencefalograma (EEG). Este arranjo padronizado de eletrodos sobre o couro cabeludo conhecida como o sistema internacional 10-20 e garante ampla cobertura de todas
as regies da cabea. As posies exatas para cada eletrodo esto na interseo das linhas
calculadas a partir de medies entre marcos padro no crnio. A letra em cada eletrodo
indica a regio do crebro (FP, lobo pr-frontal; F, lobo frontal; T, lobo temporal; C, sulco
central; P, lobo parietal; O, lobo occipital). O nmero ou a segunda letra identicam a
sua localizao hemisfrica (Z, linha zero no centro da cabea; nmeros pares representam
o hemisfrio direito; nmeros mpares representam o hemisfrio esquerdo. Os nmeros so
em ordem crescente com o aumento da distncia do centro) [Vallabhaneni et al., 2005].
Sinais gravados a partir de EEG so divididos em vrias bandas como mostrado na

Figura 2.8. A banda (ou ritmo)
delta
varia de 0,5 a 4 Hz, a banda
teta
cobre a faixa de
CAPTULO 2.
24
EMBASAMENTO TERICO
Figura 2.7: Etapas de processamento necessrio para converter a inteno do usurio a

partir do sinal bruto na ao do dispositivo. Sinais captados atravs de mtodos invasivos
ou no-invasivos contm uma grande quantidade de rudo.
O primeiro passo antes da
extrao de caractersticas e traduo remover o rudo. Isto seguido pela seleo de

caractersticas relevantes atravs de tcnicas que focam na maximizao da relao sinalrudo. Finalmente, as tcnicas de traduo so utilizadas para classicar as caractersticas
relevantes em um dos estados possveis [Vallabhaneni et al., 2005].
4 a 8 Hz. A maioria dos trabalhos em BCI centra-se na banda
beta
(13-30 Hz). A banda
gama
alfa
(8-13 Hz) e na banda
compreende todos os sinais maiores que 30 Hz. A seguir
sero mais detalhados os ritmos presentes nas faixas de frequncia determinadas.
Figura 2.8:
Diferentes bandas de sinal presente no sinal EEG. As faixas de banda
delta
variam de 0,5 a 4 Hz e 4 a 8 Hz, respectivamente.
teta
temas BCI utilizam componentes na banda
alfa
A maioria dos sis-
(8-13 Hz) e a banda
beta
(13-30 Hz)
a)
Ritmo Delta
O ritmo
100
delta
apresenta-se na faixa de 0,5 a 4 Hz, com amplitude varivel, inferior a
V. Este ritmo est relacionado com o estado de sono profundo,
em recm-nascidos e
em algumas disfunes cerebrais, sendo mais predominante na regio frontal. Por causa
de sua magnitude varivel, s vezes confundido com um artefato (rudo), dessa forma
esse tipo de sinal pouco relevante para a rea de BCI.
b)
Ritmo Teta
O ritmo
teta
limitado pela faixa de 4 a 8 Hz, com amplitude que pode alcanar
CAPTULO 2.
V.
100
25
EMBASAMENTO TERICO
Este ritmo muito frequente na infncia, j nos adultos est relacionado com o
estresse emocional, mais especicamente com a frustrao e desapontamento, podendo ser

observado nas regies parietal e temporal. Pode-se observ-lo tambm, durante momentos
de inspirao criativa e profunda meditao.
c)
Ritmo Alfa
O ritmo
alfa mais predominante sobre a regio occipital do crebro, podendo tambm
ser registrado na regio frontal, existindo na banda de frequncia entre 8 e 13 Hz, com
amplitude entre 30 e 50
V.
Este ritmo est, normalmente, associado com o estado de
relaxamento e os olhos fechados.
d)
Ritmo Mu
O ritmo
mu
se origina no crtex motor, englobando as reas motoras primria, suple-
mentar e parietal. Suas caractersticas so semelhantes s do ritmo

inferior a 50
alfa, com amplitude
e frequncia entre 8 e 13 Hz, mas, representam diferentes fenmenos e
so originados em diferentes zonas. Sua amplitude diminui com o movimento ou inteno

de movimento.
e)
Ritmo Beta
O ritmo
beta pode ser detectado sobre as regies parietal e frontal com uma amplitude
entre 5 e 30
V,
na banda de frequncia entre 13 e 30 Hz. Normalmente essa banda
subdividida em trs sub-bandas,
beta 1
(13-18 Hz),
beta 2
(18-24 Hz) e
beta 3
(24-30Hz).
Cada uma delas apresenta origens distintas, mas analisando-as como um todo, as ondas
beta
so associadas ao processamento de informao exterior, resoluo de problemas,
tomada de decises, estando por isso presentes em qualquer movimento fsico.
f)
Ritmos Gama
O ritmo
gama esta relacionado com processos mentais de complexidade elevada como
a conscincia e percepo, ocorre a partir dos 30 Hz e at ao limite da banda determinada

pelo ltro aplicado ao EEG. Suspeita-se que sejam os ritmos cerebrais que contm a maior
quantidade de informao, no entanto, poucos avanos signicativos foram ainda feitos
CAPTULO 2.
26
EMBASAMENTO TERICO
na sua interpretao.
C) Componentes de interesse
Componentes de interesse para BCI podem ser divididos em quatro categorias: atividade oscilatria de EEG, potenciais relacionados a eventos (ERP -
tentials ),
potenciais corticais lentos (SCP -
Event-Related Po-
Slow Cortical Potentials ),
e os potenciais
neuronais:
a)
Atividade oscilatria de EEG
Atividade oscilatria de EEG causada pela complexa rede de neurnios criando
ops
de
feedback.
O disparo sincronizado dos neurnios nesses circuitos de
oscilaes observveis.
feedback
lo-
gera
A frequncia das oscilaes diminui medida que o nmero de
neurnios sincronizados aumenta. As propriedades de membrana dos neurnios subjacentes e a dinmica dos processos sinpticos, a fora e a complexidade das conexes na rede
neuronal e as inuncias de outros sistemas neurotransmissores, tambm desempenham
um papel na determinao das oscilaes.
Duas oscilaes distintas e de grande interesse so as ritmo
mu
rolndico (rolndico
como chamado o sulco que separa as regies frontal e parietal no crebro), ocorrendo
na faixa de 10-12 Hz, e o ritmo
beta
central, ocorrendo na faixa de Hz 14-18.
Ambos
originrios da regio do crtex sensrio-motor do crebro. Estas oscilaes ocorrem continuamente durante a marcha lenta, quando o indivduo est em repouso fsico e mental.
Durante os perodos diferentes do repouso, no entanto, essas oscilaes so temporariamente modicadas e as mudana na frequncia e amplitude so evidentes no EEG. A
amplitude das oscilaes diminui medida que a frequncia aumenta, pois a frequncia
das oscilaes est negativamente correlacionada com a sua amplitude (Pfurtscheller e
Neuper, 2001
b)
apud
Potenciais relacionados a eventos
Potenciais relacionados a eventos (ERP -
Event-Related Potentials ) so
respostas do
crebro que ocorrem em um tempo xo depois de um evento particular, externo ou interno. Estes potenciais ocorrem geralmente quando o individuo submetido a estmulos
CAPTULO 2.
27
EMBASAMENTO TERICO
sensoriais visuais ou auditivos, evento mental, ou a omisso de um estmulo, ocorrendo

constantemente [Vallabhaneni et al., 2005].
Componentes exgenos de ERP so respostas obrigatrias a estmulos e ocorrem devido
ao processamento do evento externo, independente do papel dos estmulos no processamento de informaes.
ash
aleatrio de uma lmpada, por exemplo, ir gerar um
componente exgeno de como o crebro responde ao sbito claro de luz, independentemente do contexto.
Componentes endgenos de ERP ocorrem quando um evento interno processado. Ele
depende do papel do estmulo na tarefa e o relacionamento entre o estmulo e o contexto
em que ocorreu. Um usurio tentando localizar a letra R em uma palavra, por exemplo,
ir gerar um componente endgeno de ERP se a letra R for apresentada j que o evento
que ele est procurando. Se o usurio est tentando encontrar a letra S, no entanto, ele
no ir gerar um componente endgeno ERP se a letra R for apresentada, uma vez que a
relao entre o estmulo e o contexto em que ocorreu no mais vlida.
c)
Potenciais relacionados a eventos de sincronizao e dessincronizao
Um tipo particular de ERP caracterizado pela ocorrncia de um evento relacionado

dessincronizao (ERD sincronizao (ERS -
Event-Related Desynchronization )
Event-Related Synchronization ).
ou evento relacionado
Modicaes nos fatores que con-
trolam a oscilao de redes neuronais, como a estimulao sensorial ou imagens mentais,

so responsveis pela gerao desses potenciais relacionados a eventos.
Uma diminuio na sincronizao dos neurnios provoca uma diminuio da potncia
em bandas de frequncia especcas e esse fenmeno denido como um ERD e pode
ser identicado por uma diminuio na amplitude do sinal.
frequente na banda
alfa,
Presena de ERD muito
especialmente durante as tarefas que envolvem percepo, me-
mria e julgamento. Um aumento na complexidade dessas tarefas amplica a magnitude

do ERD.
ERS, por outro lado, caracterizado por um aumento de potncia em bandas de
frequncia especcas, principalmente nas bandas
beta e gama, e gerado por um aumento
na sincronizao dos neurnios e pode ser identicado por um aumento na amplitude do

sinal.
ERD e ERS so medidos em relao a uma linha de base ou do intervalo de
CAPTULO 2.
28
EMBASAMENTO TERICO
referncia. Ento a amplitude de um ERD/ERS relacionado com a variao dos ritmos

neste intervalo.
A propriedade
time-locked (o tempo entre a alterao do sinal e a ocorrncia do evento)
de ERP particularmente evidente para ERD/ERS durante tarefas motoras, imaginadas

ou reais, como mostrado na Figura 2.9. Um ERD no ritmo
mu comea 2,5s antes do incio
movimento e apresenta picos aps o incio do movimento, antes de recuperar a linha de

base. O ERD de curta durao no ritmo
beta
ocorre antes do incio movimento e imedi-
atamente seguido por um ERS com picos aps o incio do movimento. Oscilaes e ERS
tambm so encontradas em torno da banda
gama de 40 Hz, quando submetido a estimu-
lao visual, devido ligao da informao sensorial com tarefas motoras. A alta frequncia da banda
gama
funciona bem para congurar o acoplamento rpido ou sincronizao
entre grupos espacialmente separadas de neurnios [Pfurtscheller and da Silva, 1999].
Figura 2.9: Evidncias de eventos relacionados dessincronizao (ERD) e eventos relacionados sincronizao (ERS), fenmenos antes e aps o incio do movimento. ERD
o resultado de uma diminuio na sincronizao dos neurnios, o que provoca uma diminuio do poder em bandas de frequncia especca, e pode ser identicado por uma
diminuio na amplitude do sinal. ERS o resultado de um aumento na sincronizao dos
neurnios, o que provoca um aumento de potncia em bandas de frequncia especca, e
pode ser identicada pelo aumento da amplitude do sinal [Vallabhaneni et al., 2005].
CAPTULO 2.
d)
29
EMBASAMENTO TERICO
Potencial visualmente evocados
Outro tipo de ERP comumente usado em BCI o potencial visualmente evocado

(VEP-
Visual-Evoked Potential ), um componente do EEG que ocorre em resposta a um
estmulo visual. VEP dependem que o usurio controle seu olhar, portanto requerem um
controle muscular coerente. Um VEP frequentemente utilizado o potencial visualmente
evocado sustentado (SSVEP -
Steady-State Visual Evoked Potential ).
SSVEP um com-
ponente ERP exgeno. O usurio concentra seu olhar em um dos dois objetos que piscam
na tela com frequncias diferentes nas bandas
alfa
beta.
O componente SSVEP am-
plicado quando o usurio muda o foco para o outro objeto e depois retorna ao inicial. O
usurio pode continuar a alternar o foco entre os dois objetos na tela para gerar mudanas
no sinal (Middendorf
e)
et al., 2000 apud
P300
O P300 um componente ERP endgeno e ocorre como parte do paradigma
oddball,
que consiste na discriminao de uma frequncia ou estmulo infrequente (estmulo-alvo)

entre frequncias ou estmulos frequentes (no-alvo) [Brayner, 2003].
Para a utilizao
deste componente os usurios so sujeitos a eventos que podem ser classicados em duas
categorias distintas. Eventos em uma das duas categorias, porm, raramente so exibidos.
Quando um evento da categoria rara exibido, ele provoca um componente P300, que
uma grande onda positiva que ocorre cerca de 300 ms aps o incio de eventos como
mostrado na Figura 2.10. A amplitude do componente P300 inversamente proporcional
velocidade com que o evento raro apresentado. Quanto mais vezes esse evento raro
aparece, menor ca a amplitude do P300.
Este componente ERP uma resposta natural e, portanto, especialmente til nos
casos em que tempo de treinamento curto ou inexistente, ou ainda quando o usurio
no pode ser facilmente treinado (Spencer
f)
et al., 2001 apud
Potencial Cortical Lento
Um tipo completamente diferente de sinal o potencial cortical lento (SCP -
Cortical Potential ),
Slow
que causado por mudanas nos nveis de despolarizao de certos
CAPTULO 2.
Figura 2.10:
30
EMBASAMENTO TERICO
Componente ERP P300.
Objetos so apresentados ao usurio aleatoria-
mente em uma tela. O componente P300 ir ocorrer quando o objeto que o usurio est
procurando aparecer, enquanto qualquer um dos outros objetos est sendo apresentado
no ocorre uma mudana semelhante na tenso.
A amplitude do componente P300
inversamente proporcional taxa na qual o objeto de interesse apresentado e ocorre

aproximadamente 300 ms aps o objeto exibido. uma resposta natural e no requer
treinamento do usurio [Vallabhaneni et al., 2005].
dendritos(prolongamentos dos neurnios que funcionam como receptores de estmulos nervosos). SCP negativo indica a soma dos potenciais sincronizados, enquanto SCP positivo
indica reduo de potenciais sincronizados a partir dos dendritos. Quando o desempenho
comportamental e cognitivo do usurio aumenta, os potenciais sincronizados tambm aumentam, resultando em um aumento de negatividade do SCP. Pelo fato deste potencial
cortical ocorrer de 0,5 a 10s aps o incio de um evento interno, como mostrado na Figura
2.11 , chamado de potencial cortical lento (Birbaumer
2000b
g)
apud
et al., 1999, 2000; Wolpaw et al.,
[Vallabhaneni et al., 2005]) .
Potencial Neuronal
Potencial neuronal um pico de tenso a partir de neurnios individuais, como mostrado na Figura 2.12. Recebe esse nome pois pode ser medido em um neurnio ou um
grupo de neurnios. O sinal apresenta uma medida da taxa mdia, correlao e padro
temporal do disparo neuronal. O sistema nervoso central apresenta informaes sobre a
CAPTULO 2.
31
EMBASAMENTO TERICO
Figura 2.11: Diferentes SCP transmitindo sinais de intenes diferentes. SCPs so causadas por mudanas no nvel de despolarizao de dendrites.
Ocorrem 0,5-10 s aps o
incio de um evento interno e, portanto, so considerados um potencial cortical lento

taxa de disparo de cada neurnio. Portanto, o aprendizado pode ser medido atravs de
mudanas na taxa mdia de disparo dos neurnios localizados nas reas corticais associadas tarefa.
O potencial neuronal apresenta a taxa de disparo e a localizao dos neurnios que
esto disparando. Pesquisas nessa rea so limitadas a animais, devido aos procedimentos invasivos necessrios para a implantao dos eletrodos e pela a falta de eletrodos que
gerem gravaes estveis durante um longo perodo de tempo.
Os estudos so limita-
dos, entretanto, demonstram que um melhor controle de dispositivos pode ser possvel
isolando sinais com melhor resoluo espacial (Wolpaw
et al.,
2002; Moxon, 2005
apud
Treinamento
A eccia de um sistema BCI depende da capacidade do usurio de controlar sua atividade
EEG e de sua persistncia ou boa vontade nessa tarefa. Ao contrrio de tarefas motoras,
o controle da atividade do crebro mais difcil de alcanar, pois o usurio no pode
nem identicar nem avaliar a atividade. O usurio s pode compreender sua atividade
EEG atravs do
feedback
recebido dos componentes no sistema BCI (Curran e Stokes,
2003;Kostov e Polak, 2000; Laubach
et al., 2000 apud
O objetivo do treinamento, portanto, conseguir que os usurios produzam voluntariamente sinais EEG detectveis e que possam ser alterados para alcanar um resultado
CAPTULO 2.
32
EMBASAMENTO TERICO
Figura 2.12: Potencial Neuronal. Estes sinais so picos de tenso e podem ser medidos a
partir de neurnios individuais ou grupos de neurnios. Eles reetem a taxa de disparo
mdia, correlao e padro temporal de disparo neuronal.
O quadro superior indica o
sinal gravado a partir de neurnios em marcha lenta (indivduo em repouso) e quadro

inferior de neurnios ativos [Vallabhaneni et al., 2005].
especco. Embora o usurio no esteja ciente de como e quando os sinais so gerados,

o processo de gerao do sinal s pode ser ativado por aes voluntrias do usurio. No
entanto esses sinais podem ser produzidos voluntariamente atravs da atividade mental
consciente, como a contagem de nmeros, ou como uma resposta automtica para uma
situao que exige pouco esforo consciente, como andar de bicicleta.
A) Tarefas cognitivas
A maioria dos mtodos de treinamento exige que o usurio execute tarefas cognitivas
especcas. Estes mtodos visam o desenvolvimento de capacidade do usurio para gerar
componentes EEG atravs de atividade mental voluntria e consciente. Tarefas de imagintica motora (MI -
Motor Imagery ) so as tarefas cognitivas mais utilizadas.
Em cada
teste, o usurio imagina um dos vrios movimentos motores (como o movimento da mo

esquerda ou direita) com base em sinais visuais ou auditivos. O usurio gera sinais no
crtex sensrio-motor do crebro e pode ser detectado por EEG (Annett, 1995; Jeannerod, 1995
apud
[Vallabhaneni et al., 2005]). Depois de vrias sesses de treinamento, o
usurio capaz de controlar a amplitude e a frequncia dos sinais cerebrais(Babiloni
al.,2000 apud
et
Outras tarefas cognitivas comumente usadas no envolvem imagtica motora.
Ao
contrrio, elas exigem que o usurio execute aes como aritmtica (adio de uma srie
CAPTULO 2.
33
EMBASAMENTO TERICO
de nmeros), contagem visual (visualizao sequencial de nmeros), a rotao de gura

geomtrica (visualizao de rotao de um objeto 3D em torno de um eixo), formao
de slabas (ou soletrao) e relaxamento (linha de base). Pesquisas mostraram que essas
tarefas produzem componentes EEG detectveis aps o treinamento (Pfurtscheller
1993; Penny e Roberts, 1999; Babiloni
2000,
apud
et al.,
et al., 2000; Birbaumer et al., 2000; Penny et al.,
B) Condicionamento Operante
A abordagem do condicionamento operante no requer que usurio realize tarefas cognitivas especcas como no mtodo anterior.
O foco desse mtodo est em ajudar no
ganho automtico de controle do dispositivo pelo usurio sem ter que pensar em algo
especco.
feedback
fornecido pelo sistema serve para condicionar o usurio a conti-
nuar produzindo os componentes EEG que tenham alcanado o resultado desejado de

controle do dispositivo. Com a prtica contnua, o usurio capaz de ganhar o controle
do dispositivo, sem necessariamente estar ciente dos componentes EEG especcos que
est produzido. importante notar, no entanto, que o mtodo de condicionamento operante usa frequentemente tarefas de imagtica motora na fase inicial do treinamento, para
mostrar aos usurios o conceito de que as ondas cerebrais podem ser controladas.
C) Fatores que afetam o treinamento

Tanto o mtodo de treinamento que utiliza as tarefas cognitivas quanto o condicionamento operante, esto sujeitos a inmeros fatores externos.
Alguns dos fatores mais
comuns so a falta de concentrao, distraes, frustrao, estado emocional, fadiga, motivao e intenes. importante para neutralizar esses fatores durante o treinamento,
fornecer um
feedback
amplo e variar a durao ou frequncia das sesses de treinamento

Alm disso, os componentes EEG produzidos por tarefas cognitivas so vulnerveis
quantidade de orientao dada ao usurio. Imagtica motora, por exemplo, est sujeita a
questes como a perspectiva em primeira ou terceira pessoa, a visualizao da ao contra
a recuperao de uma memria da ao realizada anteriormente, a imaginao da tarefa em
CAPTULO 2.
EMBASAMENTO TERICO
34
vez de uma narrao verbal, etc. Pesquisa provaram que os usurios podem efetivamente
controlar tais detalhes para produzir uma mudana signicativa nos componentes que
produzem [Vallabhaneni et al., 2005].
Como o foco dos sistemas BCI proporcionar um meio de comunicao para pessoas
com necessidades diferenciadas, possvel que alguns usurios que sofreram doenas mentalmente debilitantes no tenham o controle de todas as reas do crebro. Cada usurio
deve trabalhar com as tarefas cognitivas que melhor atendam s suas capacidades.
possvel analisar diferentes tarefas cognitivas com base nos componentes EEG gerados quando a tarefa realizada. Ao usar uma combinao de tarefas cognitivas durante o
treinamento, pode ocorrer uma sobreposio dos sinais de EEG, se as tarefas exigirem habilidades ou reas cerebrais semelhantes. importante escolher tarefas com componentes
EEG contrastantes e de discriminao fcil.
Outro fator a considerar durante o treinamento o componente EEG especco para
usar.
Potenciais corticais lentos, por exemplo, so uma resposta natural e, portanto,
requerem menos tempo de treinamento para os usurios do que tentar controlar o seu
ritmo
mu.
A escolha de tarefas cognitivas contrastantes acelera treinamento.
O mtodo de treinamento determina o mtodo de aquisio de sinal. Atividade neuronal gerada por tarefas cognitivas restrita a certas reas do crebro. Isto permite que
a aquisio de sinal ocorra com poucos eletrodos que abrangem regies especcas.
mtodo de condicionamento operante, no entanto, s pode trabalhar em um sistema BCI

que usa eletrodos em todas as regies do crebro j que o local que vai gerar a atividade
mental usada para controlar o dispositivo no denido.
Processamento de sinais e tcnicas de extrao de caractersticas

O usurio capaz de gerar sinais detectveis voluntariamente para transmitir as suas
intenes.
Mtodos de aquisio de sinais, no entanto, capturam rudos gerados por
atividades no relacionadas com a inteno do usurio, e esse rudo pode ser interno
ou externo ao crebro. As c'aractersticas apropriadas precisam ser extradas atravs da
maximizao da relao sinal-rudo.
O objetivo do processamento e da extrao de caractersticas (ou atributos) descrever um item atravs de seus atributos, que devem ser muito semelhantes para os da
CAPTULO 2.
35
EMBASAMENTO TERICO
mesma categoria, mas muito diferentes para os itens de categorias distintas. Tal caracterizao feita por escolha de caractersticas mais relevantes dentro de inmeras opes
disponveis. Este processo de seleo necessrio, porque caractersticas no relacionadas
podem fazer com que os algoritmos de traduo apresentem generalizaes pobres, aumentem a complexidade dos clculos e exijam mais amostras de treinamento para atingir
um determinado nvel de preciso.
A) Remoo de rudos
Os sinais cerebrais so capturados por vrios eletrodos espalhados pelo escalpo e apresentados como sries temporais.
Dessa forma, os mtodos de processamento utilizados
se concentram no domnio espacial, temporal ou ambos. Alm disso, estudos mostraram

que uma grande quantidade de rudo captado por EEG proveniente de sinais que no
so gerados pelo sistema nervoso central, como atividades musculares, especialmente os
movimentos dos msculos faciais [Wolpaw et al., 2002].
Para minimizar o rudo no sinal importante compreender as suas fontes. O rudo
pode ser capturado atravs de fontes neurais quando componentes no relacionados com o
sinal-alvo so capturados, ou pode ser gerado por fontes no-neurais tais como movimentos musculares, principalmente dos msculos faciais. Este tipo de rudo especialmente
importante, porque os sinais gerados por movimentos musculares so muito fortes e podem
ser confundidos com o sinal-alvo. O problema ainda mais complexo quando a frequncia
ou a amplitude do rudo e do sinal-alvo so semelhantes [Vallabhaneni et al., 2005].
Ainda com maior intensidade do que nos sinais de EEG, os rudos no neurais so
encontrados em sinais de EMG (eletromiograma), por este registrar as atividades eltricas
presentes nos msculos. Instrues simples para o usurio para no mover os msculos
ou desconsiderar os sinais que contm artefatos podem ser usados, mas nem sempre so
sucientes para eliminar este rudo.
Operaes matemticas, tais como transformaes lineares e anlise de componentes
tambm so utilizadas para a remoo do artefato (Makeig
2000
apud
et al.,
B) Caractersticas de mtodos de extrao de atributos
2000; Muller
et al.,
CAPTULO 2.
36
EMBASAMENTO TERICO
Blum e Langley (1997)
apud
[Vallabhaneni et al., 2005] criaram uma analogia entre
algoritmos de extrao ou seleo de atributos e tcnicas de busca heurstica que processam

grandes quantidades de dados irrelevantes para encontrar e extrair algumas caractersticas relevantes.
Eles so caracterizados como algoritmos projetados para a extrao de
atributos com base em quatro critrios.

O primeiro critrio a denio de um ou mais pontos de partida que tambm iro
forward
determinar a direo da busca(
ou
backward ),
bem como a denio de funes
que decidem quais os estados seguintes(quais atributos ou caractersticas sero includos

ou excludos do conjunto).
Os algoritmos podem comear com um conjunto vazio de
atributos ou caractersticas e, sucessivamente, adicion-los com base em uma funo que

atribui uma pontuao para atributos que melhor caracterizem o sinal. Este mtodo
chamado de seleo para frente (
forward ).
Outra opo comear com todos os atributos
disponveis e remover certas caractersticas com base em uma funo de pontuao. Este
backward ).
mtodo conhecido como a eliminao para trs (

utilizar uma combinao de seleo
Alguns algoritmos podem
forward seguido de eliminao backward ou vice-versa.
O segundo critrio a organizao da busca (pode no ser eciente fazer uma busca
abrangente do espao de caractersticas inteiro). Assim, algoritmos que utilizam tcnicas
de seleo gulosa, adio e eliminao, so usados para selecionar o prximo atributo que
ir melhorar a pontuao sobre o conjunto de atributos atual at atingir uma pontuao
determinada.
O terceiro critrio a estratgia utilizada para avaliar todos os subconjuntos possveis
de recursos. A maioria dos algoritmos tende a usar uma funo de pontuao que reete
a capacidade de um atributo para diferenciar uma classe de outra.
Muitos algoritmos
pontuam atributos com base na teoria da informao ou contribuio para a preciso da

classicao(em algoritmos embarcados ou
wrapper, citados a seguir).
O quarto critrio a condio de parada da busca.
Alguns algoritmos de extrao
de caractersticas param aps um nmero pr-denido de iteraes sem obter melhora na

pontuao do conjunto de atributos selecionados. Outros continuam a busca, enquanto
no h uma diminuio na pontuao do conjunto de atributos ou das taxas de classicao
utilizando esses atributos. Outra opo utilizada classicar cada um dos atributos com
base em alguma funo de pontuao e selecionando um ponto de interrupo em que
CAPTULO 2.
37
EMBASAMENTO TERICO
todos os atributos acima deste ponto so automaticamente selecionados.
C)Tipos de Mtodos de Extrao de caractersticas

Tambm discutido por Blum e Langley (1997)
apud
[Vallabhaneni et al., 2005], tc-
nicas de extrao de caractersticas podem ser divididas em trs categorias. A primeira

categoria chamada algoritmos embarcados, onde a seleo de atributos uma parte da
traduo, ou classicao, dos conjuntos de caractersticas em comandos de controle. O
processo de seleo de caractersticas adiciona ou remove atributos, para reduzir as taxas de erro na classicao, enquanto novas instncias de treinamento so introduzidas.
Algoritmos embarcados, no entanto, so de pouca utilidade quando h um alta taxa de
variao entre caractersticas relevantes.
A segunda categoria chamada de algoritmos de ltro, que seleciona caractersticas
especcas antes e independente da etapa de classicao.
Eles funcionam atravs da
remoo de caractersticas irrelevantes (aqueles que fornecem dados redundantes ou com

rudo) antes da tcnica da classicao.
Uma forma de ltragem envolve o clculo de
correlao de cada atributo com a funo de destino e, em seguida, a seleo de um

nmero xo de caractersticas com as maiores pontuaes.
Outro mtodo de ltragem
envolve a derivao de ordem superior de atributos com base em caractersticas dos dados
brutos e classicao destas caractersticas de ordem superior com base na quantidade de
varincia que explicar e selecionar um nmero xo de caractersticas de maior pontuao.
A ltima categoria chamada de algoritmos de
wrapper,
que seleciona os atributos,
utilizando os algoritmos de traduo ou classicao mas antes de partir para a etapa

classicao.
Estes algoritmos utilizam o algoritmo de traduo como uma sub-rotina
para estimar a preciso de um subconjunto especco de caractersticas.
Este tipo de
algoritmo utilizado para um algoritmo de traduo por vez, e particularmente til

com dados de treinamento limitados.
D) Processamento no domnio espacial e temporal

Tcnicas de ltragem espacial so teis para extrao de caractersticas especcas de
uma distribuio espacial dos eletrodos (McFarland
et al.,
1997; Muller-Gerking
et al.,
CAPTULO 2.
38
EMBASAMENTO TERICO
1999
apud
alfa,
a seleo de ltros espaciais podem afetar signicativamente a relao sinal-ruido.
[Vallabhaneni et al., 2005]). Em sistemas BCI que utilizam os ritmos
mu
ou
Um ltro passa-alta espacial como a derivao bipolar calcula a primeira derivada espacial
e enfatiza a diferena no gradiente de tenso em uma determinada direo. A superfcie
Laplaciana tambm age como um ltro passa-alta e pode ser aproximada pela subtrao
da mdia do sinal em quatro ns ao redor do sinal no n de interesse (Hjorth, 1975
apud

Tcnicas de processamento no domnio temporal tambm so teis para maximizar
a relao sinal-rudo.
de tempo.
Nestes mtodos, o sinal avaliado atravs de um certo perodo
Alguns mtodos de processamentos no domnio temporal, como anlise de
Fourier, exigem segmentos de sinal mais longos, enquanto outros, como ltragem passabanda ou anlise auto-regressiva podem trabalhar com segmentos de tempo mais curto.
Apesar de todos os mtodos de processamento no domnio temporal funcionarem bem
durante a anlise BCI
oine,
alguns deles no so to teis quanto os mtodos de pro-
cessamento no domnio espacial durante a anlise
online,
por causa da rpida resposta
necessria[Wolpaw et al., 2002].
Tcnicas de Traduo
Tcnicas de traduo so algoritmos desenvolvidos com o objetivo de converter as caractersticas de entrada (varivel independente) em comandos de dispositivo de controle
(varivel dependente) [Wolpaw et al., 2002]). Tcnicas de traduo que so amplamente
utilizadas em outras reas de processamento de sinal so adaptadas para sistemas BCI.
Discutido por Wolpaw [Wolpaw et al., 2002], tcnicas ecazes em sistemas BCI tem
trs nveis de adaptao. Primeiro, a tcnica deve ser capaz de se adaptar singularidade
das caractersticas do sinal de cada usurio. Em segundo lugar, a tcnica deve ser capaz
de reduzir o impacto de variaes espontneas que ocorrem durante o uso regular, fazendo
ajustes peridicos
online.
Finalmente, a tcnica deve ser capaz de acolher e envolver a
capacidade adaptativa do crebro atravs de nveis crescentes de
feedback
para incentivar
a gerao caractersticas mais fortes no sinal.

Wolpaw [Wolpaw et al., 2002] sugeriram que o sucesso de uma tcnica de traduo
determinado por trs critrios. O primeiro critrio a seleo das caractersticas adequa-
CAPTULO 2.
das.
39
EMBASAMENTO TERICO
Em outras palavras, as caractersticas extradas devem transmitir com o mximo
de delidade a inteno do usurio. O segundo critrio a capacidade de adaptao da

tcnica ao modo como o usurio controla as caractersticas do sinal. O critrio nal a
eccia do mtodo na traduo dos sinais em comandos de controle.
Existem vrios tipos de algoritmos de traduo de caractersticas.
Alguns utilizam
caractersticas simples, como a amplitude ou a frequncia. Outros utilizam caractersticas

individuais, enquanto algoritmos avanados utilizam uma combinao de caractersticas
espaciais e temporais produzidas por um ou mais processos siolgicos. Algoritmos em
uso atualmente incluem, mas no esto limitados a: classicadores linear, discriminante
de Fisher e CSSD (
Common Spatial Subspace Decomposition ), classicadores com base na
distncia de Mahalanobis, redes neurais (NN suporte (SVM -
Neural Networks ),
mquinas de vetor de
Support Vector Machines ), e modelos ocultos de Markov (HMM - Hidden
Markov Models ) [Vallabhaneni et al., 2005].
2.3 Aprendizado de Mquina e rvores de Deciso

Aprendizado de Mquina uma rea da Inteligncia Articial que trata de tcnicas computacionais sobre o aprendizado e a construo de sistemas com a capacidade de adquirir
conhecimento de forma automtica.
Um sistema de aprendizado um programa de computador que toma decises baseado em experincias acumuladas atravs da soluo bem sucedida de
problemas anteriores [Monard and Baranauskas, 2003].
Existem trs casos em que o aprendizado de mquina pode ser divido: aprendizado
por reforo, no- supervisionado e supervisionado [Russel and Norvig, 2004].
O aprendizado por reforo, ou atravs de recompensa, a categoria mais geral das trs.
O agente de aprendizado por reforo deve aprender a partir das recompensas que recebe,
e no sendo informado por um instrutor de qual a melhor atitude tomar. Por exemplo,
se um agente tem uma perda muito grande de energia ao percorrer um caminho muito
longo, isso fornece uma indicao de que ele no fez a melhor escolha. Na aprendizagem
por reforo est includo o subproblema de aprender como o ambiente funciona.
CAPTULO 2.
40
EMBASAMENTO TERICO
No aprendizado no-supervisionado as instncias de entrada no possuem uma classicao. Um agente de aprendizagem no-supervisionada no aprende o que fazer, pois
no possui a informao de qual o estado desejado ou qual a ao correta a ser tomada
[Russel and Norvig, 2004]. Esse mtodo de aprendizado tambm conhecido como aprendizado auto-supervisionado ou de auto-organizao por que no requer sada desejada e/ou
no precisa usar supervisores para seu treinamento, mas os dados so reorganizados de
modo a que se formem classes ou agrupamentos de padres.
No aprendizado supervisionado fornecido ao algoritmo de aprendizado, ou indutor,
um conjunto de exemplos de treinamento para os quais o rtulo da classe associada
conhecido. Esse mtodo envolve a aprendizagem de uma funo a partir de suas entradas
e sadas. O objetivo do indutor , a partir das funes ou regras induzidas geradas com
dados j rotulados, classicar novas instncias que ainda no possuam esse rtulo.
2.3.1
Induo de rvores de Deciso
Segundo Russel e Norwig [Russel and Norvig, 2004], a induo de rvores de deciso
uma das formas mais simples e bem sucedidas de algoritmos de aprendizagem.
A induo de rvores de deciso um mtodo de aprendizado supervisionado, j que
os exemplos devem estar classicados antes de serem apresentados ao indutor.
Mas se
tais exemplos forem escassos, inconsistentes ou mal classicados o resultado pode no ser
satisfatrio, como diz [Monard and Baranauskas, 2003]:
A induo a forma de inferncia lgica que permite obter concluses genricas sobre um conjunto particular de exemplos. Ela caracterizada como o
raciocnio que se origina em um conceito especco e o generaliza, ou seja, da
parte para o todo. Na induo, um conceito aprendido efetuando-se inferncia indutiva sobre os exemplos apresentados. Portanto, as hipteses geradas
atravs da inferncia indutiva podem ou no preservar a verdade.
Mesmo assim, a inferncia indutiva um dos principais mtodos utilizados
para derivar conhecimento novo e predizer eventos futuros.
Foi atravs da
induo que Arquimedes descobriu a primeira lei da hidrosttica e o princpio

da alavanca, que Kepler descobriu as leis do movimento planetrio, que Darwin
CAPTULO 2.
41
EMBASAMENTO TERICO
descobriu as leis da seleo natural das espcies.

Apesar da induo ser o recurso mais utilizado pelo crebro humano para
derivar conhecimento novo, ela deve ser utilizada com cautela, pois se o nmero
de exemplos for insuciente, ou se os exemplos no forem bem escolhidos, as
hipteses obtidas podem ser de pouco valor.
Algoritmos que induzem rvores de deciso pertencem famlia de algoritmos TDIDT

(
Top Down Induction of Decision Trees ).
Tais algoritmos utilizam uma abordagem de
diviso e conquista, e a rvore induzida da raiz para as folhas.

Segundo [de Arajo, 2004]:
Nota-se que uma rvore de deciso representa uma disjuno de conjunes

de testes em atributos de instncias, onde cada ramo completo representa uma
conjuno de atributos, enquanto os ns provm disjunes. Um algoritmo de
aprendizado para uma rvore de deciso deve descobrir quais atributos devem
ser testados em quais ns de modo a aprender o conceito. Assim, uma rvore de
deciso construda quebrando um problema complexo de deciso em diversas
decises mais simples (SAFAVIAN; LANDGREBE, 1991), realizadas nos ns.
Uma rvore de deciso uma estrutura de dados que pode ser denida recursivamente
como:
um n folha que corresponde a uma classe ou
um n de deciso que contm um teste sobre algum atributo. Para cada resultado do
teste existe uma aresta para uma subrvore. Cada subrvore tem a mesma estrutura
que a rvore.
Por exemplo, para decidir se o dia est apropriado para jogar uma partida de tnis
costuma-se analisar algumas condies meteorolgicas(
vento
com valores: forte ou fraco e
que pode assumir os
umidade
tem os valores: alta, normal
temperatura
assumindo os valores: alta,
seguintes valores: ensolarado, nublado ou chuvoso;,

ou baixa;
aparncia,
mdia, baixa), tais condies so os atributos e as classes so as possveis decises (sim

ou no).
Um conjunto de instncias, que a combinao desses atributos e a deciso
CAPTULO 2.
42
EMBASAMENTO TERICO
adequada, pode ser visto na Tabela 2.1.
A rvore de deciso induzida com base nesse
dados apresentada na Figura 2.13.
Tabela 2.1: Conjunto de instncias para tomada de deciso.

aparencia
umidade
vento
temperatura
sol
alta
fraco
media
sol
alta
forte
media
sol
normal
fraco
media
sol
normal
forte
media
nublado
alta
fraco
alta
nublado
alta
forte
media
nublado
normal
fraco
media
nublado
normal
forte
baixa
chuva
alta
fraco
alta
10
chuva
normal
fraco
media
11
chuva
normal
forte
baixa
12
chuva
alta
forte
media
jogar
no
no
sim
sim
no
no
no
no
sim
sim
no
no
Figura 2.13: rvore de deciso para decidir jogar ou no uma partida de tnis.
Um dos algoritmos TDIDT mais conhecidos o ID3 (Induction of Decision Tree),

de Ross Quinlan.
Sendo um algoritmo TDIDT, constri a rvore de cima para baixo
e em cada n tomada uma deciso de qual atributo deve-se testar.
Tal deciso
tomada de forma gulosa, ou seja, a melhor naquele determinado momento.

[de Souza Vasconcelos, 2002]:
Segundo
CAPTULO 2.
43
EMBASAMENTO TERICO
Uma srie de melhoramentos do ID3 culminou com o algoritmo chamado

C4.5. Os melhoramentos incluem mtodos para lidar com atributos numri-
`prunning' ) e
cos, valores no informados, dados com rudo, poda de rvores (

gerao de regras SE - ENTO a partir das rvores.
Escolha do atributo preditivo para o n da rvore

A escolha do melhor atributo ocorre de forma a utilizar aquele que tenha melhor capacidade isolada de classicar os exemplos. Existem diferentes tipos de critrios de seleo,
sendo esta uma das variaes entre os diversos algoritmos de induo de rvores de deciso. A maioria dos algoritmos de induo de rvores de deciso trabalha com funes
de diviso univarivel, ou seja, cada n interno da rvore dividido de acordo com um
nico atributo. Nesse caso, o algoritmo tenta encontrar o melhor atributo para realizar
essa diviso. Tais algoritmos buscam um atributo para ser o n-pai (da rvore ou subrvores), de modo a minimizar ao mximo o grau de impureza dos ns-lhos. O grau de
impureza de um n ser nulo se todos os exemplos nele pertencem a mesma classe. E o n
ser totalmente impuro se houver o mesmo nmero de exemplos para cada classe possvel
[ATTUX and ZUBEN, 2010].
No exemplo citado anteriormente, que decide se o dia apropriado para a prtica de
tnis, o atributo
aparncia
foi escolhido para ser o n pai, pois melhor dividia o conjunto
de dados.
A seguir, so apresentadas as medidas mais utilizadas para a seleo da melhor diviso,
utilizadas por Quinlan em seus algoritmos.
Ganho de informao
Uma das medidas baseadas em impureza o Ganho de Informao, o qual usa a entropia
como medida de impureza, o algoritmo ID3 utiliza essa medida. Para determinar o quo
boa uma condio de teste realizada, necessrio comparar o grau de entropia do npai (antes da diviso) com o grau de entropia dos ns-lhos (aps a diviso). O atributo
que gerar uma maior diferena escolhido como condio de teste. O ganho dado pela
Equao 2.1, na forma [ATTUX and ZUBEN, 2010]:
CAPTULO 2.
ganho
= entropia
n
X
N (vj )
j=1
onde
44
EMBASAMENTO TERICO

entropia (vj )
(2.1)
o nmero de valores do atributo, ou seja, o nmero de ns-lhos,
total de objetos do n-pai e
N (vj )
o nmero
o nmero de exemplos associados ao n-lho
(vj )
O grau de entropia denido pela Equao 2.2.
entropia (n)
c
X
p (i/n) log2 [p (i/n)]
(2.2)
i=1
onde
p (i/n)
a frao dos registros pertencentes classe
no n, e
o nmero de
classes. A entropia est relacionada a organizao da informao, quanto maior a entropia

mais uniforme est a distribuio, ou seja quanto menor a entropia dos ns-lhos menos
classes diversas ter naquele n.
Um problema relacionado a essa tcnica que na escolha do atributo que maximiza
o ganho de informao, tero prioridade aqueles que tiverem mais valores possveis. Um
exemplo citado por [ATTUX and ZUBEN, 2010]:
O critrio de ganho seleciona como atributo-teste aquele que maximiza o
ganho de informao. O grande problema ao se utilizar o ganho de informao
que ele d preferncia a atributos com muitos valores possveis (nmero de
arestas).
Um exemplo claro desse problema ocorreria ao utilizar um atributo totalmente irrelevante
(por exemplo, um identicador nico). Nesse caso, seria criado um n para cada valor
possvel, e o nmero de ns seria igual ao nmero de identicadores. Cada um desses ns
teria apenas um exemplo, o qual pertence a uma nica classe, ou seja,os exemplos seriam
totalmente discriminados. Assim, o valor da entropia seria mnima porque, em cada n,
todos os exemplos (no caso um s) pertencem mesma classe. Essa diviso geraria um
ganho mximo, embora seja totalmente intil.
Razo de Ganho
Uma soluo proposta por Quinlan (1993) foi a Razo de Ganho, ou seja, o ganho relativo a
entropia de cada n, como critrio de avaliao. A razo de ganho denida pela Equao
(2.3), na forma:
CAPTULO 2.
45
EMBASAMENTO TERICO
razo_de_ganho (n)
De acordo com equao acima,
ganho
(2.3)
entropia (n)
no existe razo de ganho quando entropia
zero, mas ainda favorece os atributos que possuem menor entropia.
De acordo com
[ATTUX and ZUBEN, 2010]:

Em QUINLAN (1988), sugerido que a razo de ganho seja realizada em
duas etapas.
Na primeira etapa, calculado o ganho de informao para todos os atributos.
Aps isso, considerar apenas aqueles atributos que obtiveram um ganho de
informao acima da mdia, e ento escolher aquele que apresentar a melhor
razo de ganho.
Dessa forma, Quinlan mostrou que a razo de ganho supera o ganho de informao tanto em termos de acurcia quanto em termos de complexidade das
rvores de deciso geradas.
2.3.2
Validao das rvores de Deciso
A validao das rvores de deciso feita na forma de diviso do conjunto de exemplos

a m de que parte deste seja utilizada para o treinamento das rvores e outra parte para
testar a capacidade da rvore obtida de classicar exemplos que ela desconhece. Dentre as
tantas tcnicas de validao existentes, a utilizada nesse trabalho a Validao Cruzada.
Validao Cruzada
O mtodo de validao cruzada consiste na diviso do conjunto de exemplos em
iguais, utilizando
n-1
processo repetido
Aps as
partes para treinar a rvore e a ltima parte para testar.
partes
Esse
vezes, deixando, a cada rodada, uma parte diferente para testar.
repeties sero feitas as estimativas de erro.
Matriz de Confuso
A matriz de confuso uma forma de analisar a classicao dos dados. Ela demonstra
quantas instncias da base de dados utilizada so classicadas corretamente pelo mo-
CAPTULO 2.
46
EMBASAMENTO TERICO
Tabela 2.2: Matriz de Confuso do exemplo

a
a = sim
b = no
"jogar tnis".
delo construdo (representados na diagonal principal da matriz) sendo que as outras so

classicadas incorretamente. A Tabela 2.2 apresenta um exemplo de matriz de confuso
gerada a partir dos dados da Tabela 2.1, sobre decidir jogar tnis. As linhas da matriz
mostram quantas instncias de cada classe esto no banco de dados (4 da classe
e 8 da classe
b = no )
cada classe (5 na classe
a = sim
e as colunas mostram quantas instncias foram classicadas em
a, 4 corretas e 1 incorreta; e 7 na classe b, todas corretas).
Captulo 3
Estado da Arte em Sistemas BCI
Com a combinao de mais modos de captao de sinais, mtodos de extrao de caractersticas e tcnicas de traduo, o nmero de sistemas BCI diferentes est crescendo
rapidamente. Pesquisas so tipicamente iniciadas em sistemas BCI
oine,
onde a aqui-
sio do sinal seguida por extrao de caractersticas e traduo, em etapas separadas.

Este tipo de trabalho permite que os pesquisadores renem e testem algoritmos de extrao e traduo de caractersticas antes de utiliz-las nos dispositivo que se pretende
aplicar tais tcnicas. Em ltima anlise, no entanto, uma tcnica BCI precisa ser testada
online
para avaliar o seu desempenho.
Outra importante classicao dos sistemas BCI em

BCI externos, tambm conhecidos como sistemas BCI
externo
ou
interno.
Sistemas
exgenos, trabalham com base em
estmulos que no esto sob o controle do usurio para a gerao do sinal. Estes sistemas
utilizam componentes evocados pelos estmulos externos, tais como VEP. Sistemas BCI
exgenos no requerem treinamento intensivo, mas exigem um ambiente controlado. Sistemas BCI internos, tambm conhecidos como sistemas BCI
endgenos,
trabalham com
evento programado ou estmulo interno. Estes sistemas utilizam componentes evocados

por tarefas, como a imagtica motora, e precisam de um signicativo treinamento do
usurio [Wolpaw et al., 2002].
Alm disso, os sistemas BCI podem ser classicados quanto aos mtodos de aquisio
do sinal, que podem ser especcos ou no. Sistemas BCI especcos usam sinais gravados
em posies bem escolhidas e onde o efeito esperado, como na realizao de tarefas
cognitivas.
Sistemas BCI no especcos, entretanto, usam sinais gravados a partir de
47
CAPTULO 3.
48
ESTADO DA ARTE EM SISTEMAS BCI
eletrodos em todo o crebro, como no mtodo condicionamento operante.

Nos ltimos 20 anos, os pesquisadores criaram vrios modelos de sistemas de trabalho
BCI. Em um desses sistemas, eles criaram um BCI que poderia ser usado para escrever
textos por seleo de letras, palavras e comandos de um
display.
O sistema utilizado
apresentava uma matriz 6x6 em uma tela com letras piscando aleatoriamente enquanto o
usurio pensava na letra que ele deseja utilizar. Quando a letra esperada pisca na tela,
o usurio deve gerar um componente P300 detectvel.
Como o sistema era focado em
detectar somente P300, a aquisio de sinais foi feita em eletrodos especcos. Extrao de
caractersticas gerou 36 vetores de caractersticas, um para cada quadrado na tela. Como
o P300 tem um tempo xo de resposta ao estmulo, quando uma determinada linha ou
coluna brilha, uma janela de 600 ms do sinal adicionada a cada um dos vetores de caractersticas correspondentes. A traduo foi feita atravs de um
ranking
de todos os vetores
de caractersticas, usando vrios mtodos. A letra, palavra ou comando correspondente

ao vetor de caractersticas mais bem classicado designado como a inteno do usurio
[Farwell and Donchin, 1988]).
Outros pesquisadores desenvolveram um sistema BCI que permitia os usurios com
decincias fsicas graves se comunicassem soletrando palavras atravs de cdigos especcos que formam comandos pr-denidos. Dependendo da tarefa cognitiva realizada pelo
usurio, o sistema poderia detectar diferenas em nveis de potncia espectral em regies
do crebro. Como as tarefas cognitivas no foram denidas, os sinais foram captados por
eletrodos que cobrem os lobos parietal e occipital.
A extrao de caractersticas gerou
dois vetores de caractersticas usando Transformada Rpida de Fourier (FFT -
Fast Fou-
rier Transform ) e mtodo de estimao espectral autorregressivo (AR - Auto-regressive )

e seguido da execuo atravs de um ltro passa-banda em quatro bandas de frequncia.
Um terceiro vetor foi gerado atravs de coecientes AR dos sinais nas quatro bandas de
frequncia.
Um classicador Bayesiano quadrtico foi utilizado na traduo das carac-
tersticas com base na potncia ou coecientes AR das caractersticas (Kerin e Aunon,

1990,
apud
Pesquisas mais recentes esto sendo desenvolvidas em vrios centros ao redor do

mundo. O trabalho desenvolvido por Kroupi
drale de Lausanne - EPFL,
et al.
(2011) da
cole Polythechnique F-
na Sua, apresenta um mtodo para a remoo de rudo
CAPTULO 3.
49
proveniente de movimentos oculares em sinais de EEG. Os sinais utilizados foram coletados de 9 indivduos que executaram tarefas de imaginao do movimento das mos, ps
e lngua.
O estudo faz uma comparao entre a utilizao da anlise de componentes
independentes e a ltragem adaptativa, concluindo que o primeiro mais robusto porm

mais lento, podendo ser utilizado em abordagens
oine,
enquanto o segundo rpido
mas menos preciso e pode ser utilizado em algumas abordagens em que a velocidade
mais importante que a preciso [Kroupi et al., 2011].
O trabalho de Waldert
et al.
(2008) da
University of Tbingen,
na Alemanha, apre-
sentou um estudo sobre sinais de EEG e MEG durante o movimento da mo a m de

analisar a direo do movimento. A pesquisa foi realizada com sinais cerebrais de 9 indivduos destros durante o movimento de um
joystick.
Os dados foram ltrados utilizando
um ltro passa-alta de 5 Hz para remover rudos, na anlise dos dados foram utilizadas FFT, anlise do discriminante linear regularizada, ltro passa-baixa de
Butterworth.
Ainda utiliza a Entropia de Shannon para quanticar a informao extrada dos sinais. O
estudo demonstrou uma modulao nos sinais tanto nos perodos de descanso quanto de
movimento. Essa modulao foi mais forte nas reas motoras do crebro. Houve 67% de
acerto e se concluiu que tanto sinais de EEG quanto de MEG podem gerar bons resultados
[Waldert et al., 2008].
Tambm existem no Brasil grupos de pesquisa em sistemas BCI. Um deles da Universidade Federal do Esprito Santo (UFES). O trabalho de Garcia
o uso de mapas auto-organizveis (SOM -
et al.
(2008) apresenta
Self-organizing map ) para a deteco de estados
mentais para utilizao em BCI. Os sinais utilizados foram coletados por EEG de uma
mulher, que tem a tarefa de controlar uma barra, presente no monitor de vdeo a sua
frente, utilizando a imaginao do movimento da mo esquerda e da mo direita.
Foi
utilizado o espectro de potncias para gerar vetores de caractersticas que serviram de

entrada para um mapa auto-organizvel de dimenso 12x12. Os resultados apresentaram
acerto acima de 83% [Garcia et al., 2008].
O trabalho de Ranaudo
et al.
(2011) da Universidade Federal do Rio de Janeiro
(COPPE/UFRJ) apresentou um sistema para deteco de respostas auditivas em tempo

real. Os sinais utilizados so de EEG, de 6 indivduos normais adultos em uma cabine
isolada, estimulados auditivamente, com frequncia diferente para cada ouvido. Para a
CAPTULO 3.
50
deteco das respostas do crebro foram utilizadas as tcnicas de magnitude quadrtica de

coerncia e coerncia mltipla. Os sinais de EEG foram enviados ao computador via
net
e foram aplicadas as tcnicas com auxlio do
software Matlab.
ether-
O experimento mostrou
resultados de classicao com tempo de 13s para testes com sinais de 3 eletrodos simultaneamente, com o aumento no nmero de sinais o tempo aumenta [Ranaudo et al., 2011].
Foram encontrados trabalhos que analisam especicamente a utilizao de rvores de
deciso para a classicao de sinais cerebrais para sistemas BCI, como os apresentados
a seguir.
O trabalho de Koprinska (2010) apresenta uma avaliao de 5 mtodos de extrao
de caractersticas e 10 algoritmos de classicao.
Os dados utilizados so imaginao
de movimentos das mos direita e esquerda, da lngua ou dos ps. Os 10 classicadores

utilizados foram: 1R (uma regra com base nos valores de um atributo), rvore de Deciso
(DT) (utilizou o J48), K-vizinhos mais prximos (k-NN)(algoritmo baseado em instncia clssica; normalizando a distncia euclidiana com k = 5), Naive Bayes (classicador
padro probabilstico), funes de base radial (RBF)(rede neural de duas camadas, que
utiliza gaussianas como funes de base na primeira camada (nmero e centros estabelecidos pelo algoritmo K-means) e uma camada linear), mquinas de vetor de suporte (SVM),
regresso logstica (LogR)(regresso linear padro), Ada2Boost (Adab)(produz uma srie
de classicadores iterativamente onde novos classicadores focam os casos que foram mal
classicados pelos classicadores anteriores), Bagging(Bagg) (Amostragem aleatria com
reposio que gera conjuntos de treinamento para os classicadores), oresta aleatria
(RF)(Um conjunto de rvores de deciso baseadas agrupamento e seleo de recursos aleatria). Os melhores classicadores, com acertos superiores a 80% foram SVM, AdaBoost,
Bagg, RBF e RF. Trs desses classicadores (AdaBoost, RBF, RF) utilizam o algoritmo
J48 para gerao de rvores de deciso [Koprinska, 2010].
O trabalho de Aparna
et. al.
(2010) apresenta um sistema que permite a classicao
de tarefas mentais baseado em dados estatsticos obtidos no domnio da frequncia usando

transformada discreta de cosseno e extrao de caractersticas teis a partir da frequncia e
a aplicao de algoritmos de rvore de deciso para a classicao. Os dados utilizados so
de imaginao de movimentos dos dedos ou da lngua. Os classicadores utilizados foram
os algoritmos para gerao de rvores de deciso QUEST e CART, que fazem divises
CAPTULO 3.
binrias dos dados.
51
Foi aplicada a transformada discreta de cosseno para converter os
dados de sries de tempo para o domnio da frequncia. O ltro Butterworth foi usado
como um ltro passa banda para eliminar frequncias fora da banda desejada de 5 Hz a 30
Hz. O valor mximo, o valor mnimo e a mdia foram calculados para cada um dos canais,
para todas as pocas, e foram registados como caractersticas.
Os dados foram usados
como a entrada para o classicador de rvore de deciso. Este trabalho concluiu que as
rvores de deciso so capazes de classicar razoavelmente bem no mtodo proposto e o
CART (81.3%) teve um desempenho melhor do que QUEST (78.4% de acerto) no mtodo
de pr-processamento proposto [Aparna et al., 2010].
Captulo 4
Materiais e Mtodos
software, equipamento, especialista) que foram uti-
Este captulo apresenta os materiais (
lizados e como cada etapa (Figura 4.1) deste trabalho foi desenvolvida.
Figura 4.1: Etapas da realizao do trabalho e o
software
utilizado em cada uma delas.
4.1 Aquisio dos Dados

Os sinais cerebrais analisados foram coletados de 3 sujeitos, alunos da oitava srie do
ensino fundamental de uma escola da cidade de Rio Grande-RS, com idade de 13 anos,
sem diagnstico de qualquer transtorno de aprendizagem e com quociente de inteligncia
considerado na mdia para essa idade. O projeto com o ttulo
Sinais Cerebrais para Utilizao em Sistemas BCI
Anlise e Classicao de
foi encaminhado ao CEPAS (Comit
de tica em Pesquisa na rea da Sade) em novembro de 2012, com CAAE (Certicado

de Apresentao para Apreciao tica) nmero 11354612.5.0000.5324, obteve aprovao
no dia 28/12/2012 com nmero de parecer 182.255.
A coleta de dados foi realizada no CEAMECIM (Centro de Estudos Ambientais, Cin-
52
CAPTULO 4.
53
MATERIAIS E MTODOS
cias e Matemtica) da FURG, em janeiro de 2013, durante 4 dias consecutivos, utilizando

o equipamento
Epoc
da
Emotiv (posteriormente
apresentado), de propriedade da profes-
sora Fernanda de Carvalho, co-orientadora deste trabalho.

Foi solicitado a cada aluno que abrisse e fechasse a mo, segurando uma bola durante
um minuto, primeiro com a mo esquerda e depois com a mo direita. Em seguida foi
solicitado que somente imaginasse abrir e fechar a mo, tambm por um minuto com a
mo direita e um minuto com a mo esquerda. Entre cada tarefa houve uma pausa de
aproximadamente 30 segundos.
Os arquivos que apresentam os sinais de realizao do movimento no sero utilizados
nesse trabalho, mas acreditou-se, que se os sujeitos primeiro realizassem a tarefa seria
mais fcil a sua imaginao, pois uma dica de evocao da memria procedimental.
Esses sinais foram salvos, podendo ser usados em trabalhos, onde por exemplo, sejam
comparados o desempenho dos algoritmos na imaginao e realizao das tarefas, e quais
eletrodos esto envolvidos em cada uma das tarefas.
4.1.1
Emotiv Epoc
A aquisio de sinais cerebrais requer equipamentos especcos e, na maioria das vezes,

com um alto custo, os quais so adquiridos por hospitais, clnicas e laboratrios, para
ns de exames clnicos, ou por centros de pesquisas que concentram seus estudos na rea
de sinais cerebrais. Alguns equipamentos esto sendo comercializados para consumidores
nais, como controladores de jogos.
Um desses equipamentos o
Epoc
da
Emotiv 1 ,
cujo slogan voc pensa, portanto,
voc pode, e intitula-se como uma interface nova e revolucionria para interao homemcomputador. Ele baseado em torno do
e um
software
headset
(Figura 4.2) para gravar sinais de EEG
que processa e analisa os dados.
O equipamento permite o monitoramento de 14 canais (alm dos pontos de referncia

CMS/DRL -
Common Mode Sense/Driven Right Leg,
terminais P3/P4), a aquisio de
sinais neurais e o processamento atravs de uma interface de comunicao sem o. Os

terminais de captao seguem o padro internacional 10-20 de posicionamento, localizados nos seguintes pontos: AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8,
1 http://www.emotiv.com
CAPTULO 4.
54
MATERIAIS E MTODOS
Figura 4.2:
Headset
de coleta de dados
Epoc.
AF4 (ver Figuras 2.6 e 4.3)[Miguel, 2010].
Figura 4.3: Eletrodos utilizados no
Epoc, no padro internacional 10-20.
A bateria de ltio garante uma autonomia de 12 horas e o aparelho ainda conta com
um giroscpio.
Emotiv
oferece 6 kits de desenvolvimento de
software
diferentes que
concedem o controle sobre a API e as bibliotecas de deteco e vm com at 4 programas

diferentes [Szar, 2009].
A edio de pesquisa inclui o Painel de Controle Emotiv, EmoComposer (um emulador
CAPTULO 4.
55
MATERIAIS E MTODOS
para simular sinais de EEG), EmoKey (uma ferramenta para o mapeamento de vrios
eventos detectados pelo
headset
em teclas), o
testbench
e uma API que permite a captura
de dados brutos de EEG a partir de cada sensor individual.

O Painel de Controle Emotiv uma interface grca que funciona como uma porta de
entrada para usar o
headset.
Ele supervisiona a conexo com o
cessamento, classica os sinais de entrada, fornece um
feedback
ao utilizador criar um perl com pensamentos e aes.

sutes
Expressiv, Aectiv
Cognitiv,
headset, realiza o pr-propara o usurio e permite
O Painel de Controle inclui as
bem como um emulador de mouse que permite ao
usurio controlar o mouse, movendo a cabea e utilizando o giroscpio do

A sute
Expressiv
headset.
projetada para medir expresses faciais com base na leitura de
EEG/EMG e uma forma inovadora na utilizao de artefatos que geralmente so simplesmente ltradas de sistemas de EEG. A sute
Expressiv
pode reconhecer 12 aes:
piscar os olhos, piscar o olho direito ou esquerdo, olhar para a direita ou esquerda, levantar a testa, franzir a testa, sorrir, fechar a cara, mexer a boca para a direita ou esquerda e
rir. Ele retorna um
feedback, combinando os sinais de entrada e passando para um avatar
simulando as expresses do usurio (Figura 4.4).
Figura 4.4: Sute
Expressiv
para o usurio [Szar, 2009]
do sistema Emotiv, que mostra o avatar dando um
feedback
CAPTULO 4.
A sute
56
MATERIAIS E MTODOS
Aectiv
monitora os estados emocionais do usurio.
Pode medir o tdio,
frustrao, meditao, excitao instantnea e emoo a longo prazo (Figura 4.5). A sute
Cognitiv
monitora e interpreta os pensamentos conscientes do usurio. Ele pode medir 13
pensamentos ativos: empurrar, puxar, levantar, baixar, esquerda, direita, girar esquerda
e direita, girar no sentido horrio e anti-horrio, girar para frente e trs, e desaparecer,
assim como o estado neutro ou relaxado. O
usando uma ferramenta do
software
software Emotiv
proprietrio. Este
detecta esses pensamentos
software
utiliza os sinais coletados
pelos eletrodos como entrada de uma rede neural para tentar classicar os sinais como
um dos 13 pensamentos de ao pr-estabelecidos no
software.
Os dados, relacionados aos
pensamentos, presentes no prottipo foram recolhidos antes do lanamento do
headset
partir de centenas de casos de teste e servem de base para a classicao. Pensamentos nas
aes especcas devem ser treinados antes do uso e o usurio pode relacionar pensamentos
diferentes para as aes pr-programadas (ou seja, o treinamento do comando empurrar
pensando azul). No entanto, isso pode diminuir a preciso de reconhecer os pensamentos
e aumentar o tempo de treinamento uma vez que esses pensamentos no vo igualar-se
aos pensamentos que o
software
inicialmente espera. O
software
fornece um
feedback
sob
a forma de um cubo utuante que responde aos pensamentos reconhecidos (Figura 4.6).
Figura 4.5: Sute

[Szar, 2009].
Aectiv
do sistema Emotiv, que mostra o estado emocional do usurio
CAPTULO 4.
Figura 4.6:
57
MATERIAIS E MTODOS
Sute
Cognitiv
do sistema Emotiv, que mostra um cubo que obedece aos
comandos do usurio [Szar, 2009].
Atualmente, a sute
Cognitiv
pode distinguir entre quatro pensamentos diferentes si-
multaneamente. Esse limite ocorre devido a problemas de usabilidade, pois a adio de

pensamentos podem aumentar muito a diculdade de usar a sute
Cognitiv
de forma
ecaz. Apesar disso, a Emotiv est atualmente considerando aumentar o limite de reconhecimento simultneo [Szar, 2009].
4.2 Pr-processamento dos Sinais e Extrao de Caractersticas

Como mencionado no incio deste captulo, os sinais de realizao dos movimentos no
foram utilizados neste trabalho.
Ento, quando forem citados sinais cerebrais est se
tratando somente dos sinais de imaginao de movimentos.

O pr-processamento dos sinais foi feito no EEGLAB, uma ToolBox para o MATLAB
(apresentado na subseo a seguir). Cada um dos sinais foi salvo em formato EDF contendo 36 canais, pois o
software
do
Epoc
guarda, alm do sinal dos 14 eletrodos do
equipamento, uma srie de parmetros, como a qualidade de cada um dos sinais, os eixos
CAPTULO 4.
58
MATERIAIS E MTODOS
X e Y do equipamento em cada instante, entre outros. Cada sinal foi carregado no EEGLAB, onde foram retirados os canais que no eram de interesse, sendo salvos somente
os 14 sinais dos eletrodos.
A extrao de caractersticas foi feita de forma temporal, onde cada sinal foi ltrado
nas bandas de frequncia
beta
delta (0 a 4 Hz), a banda teta
alfa
(4.01 a 8 Hz),
(8.01-13 Hz) e
(13.01 a 30 Hz).
Cada sinal gerou 5 arquivos, um sem ltragem, e um para cada um dos 4 ltros. Os
arquivos tambm so salvos em formato EDF pelo EEGLAB. Para a utilizao no
software
WEKA, que faz a classicao dos dados, esses arquivos precisam ser CSV, para tanto
foi utilizado o Polyman .

Depois desse processo, os arquivos CSV continham o sinal da tarefa imaginao da
mo esquerda e imaginao da mo direita, separadamente.
no
software
Ento, foram mesclados
Excel, da Microsoft. No Excel foram selecionadas 8 mil instncias de cada
tarefa, gerando arquivos com 16 mil instncias. Alm disso, foi inserido mais um atributo,
uma etiqueta, para identicar se aquela instncia era imaginao do movimento da mo
direita (imaD) ou se era imaginao do movimento da mo esquerda (imaE), pois rvores
de deciso so classicadores supervisionados, portanto precisam desse atributo para saber
quais classes esto sendo classicadas.
4.2.1
EEGLAB
EEGLAB um pacote de ferramentas utilizado no Matlab para o processamento de

dados de EEG, MEG e outros dados eletrosiolgicos, contnuos e relacionados a eventos
incorporando anlise de componentes independentes (ICA), anlise de tempo/frequncia,
rejeio de rudos, estatsticas relacionadas a eventos e vrios modos teis de visualizao
de dados [Delorme and Makeig, 2004].
EEGLAB oferece uma interface grca interativa (GUI) (Ver Figura 4.7) que permite
aos usurios, de forma exvel e interativa, processar alta densidade de dados de EEG
e outros sinais cerebrais.
Tambm incorpora vrios tutoriais e janelas de ajuda, alm
de uma funo de histrico de comando que facilita a transio dos usurios da GUI de
explorao de dados para a criao e execuo de lote ou scripts personalizados de anlise
2 http://www.edfplus.info/downloads/downloads.html
CAPTULO 4.
59
MATERIAIS E MTODOS
de dados.
Figura 4.7: Telas do
software
EEGLAB
EEGLAB oferece uma riqueza de mtodos para visualizar e modelar a dinmica de

eventos relacionados com o crebro, tanto no nvel de conjuntos de dados indivduo e/ou
atravs de uma coleo de conjuntos de dados reunidos em um EEGLAB
studyset.
Para usurios experientes Matlab, EEGLAB oferece um ambiente de programao estruturada para armazenar, acessar, medir, manipular e visualizar dados de EEG. Para
programadores pesquisadores e desenvolvedores, o ToolBox oferece uma extensvel plataforma de cdigo aberto, atravs do qual eles podem compartilhar novos mtodos com
a comunidade cientca mundial atravs da publicao de funes EEGLAB
plug-in
que
aparecem automaticamente no menu EEGLAB de usurios que baix-las.
4.3 Classicao
Os dados contm duas classes, uma referente a tarefa de imaginao do movimento da mo
direita (com a etiqueta ImaD) e outra referente a mesma tarefa com a mo esquerda(com
CAPTULO 4.
60
MATERIAIS E MTODOS
a etiqueta ImaE). Cada arquivo apresenta 16 mil instncias, 8 mil para cada classe. Cada
instncia contm 14 atributos alm da etiqueta, referente aos sinais cerebrais coletados
pelos 14 eletrodos. So eles: AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8,
AF4. A Figura 4.8 apresenta exemplos de instncias do banco de dados. Para classicar
esses dados foi utilizado o Algoritmo J48 presente na verso 3.6 do
software
WEKA.
Figura 4.8: Exemplos de instncias do banco de dados.
Utilizando o Algoritmo J48 (apresentado na subseo a seguir) foram geradas 4 rvores

de deciso para cada um dos 60 conjuntos de dados (3 sujeitos
ltragem (1 sem ltro
4 dias
5 modos de
4 bandas)).
As 4 rvores geradas para cada conjunto de dados diferem entre si somente no nmero
de instncias necessrias para a formao de uma folha.
mnimo 2, 200, 500 e 1000 instncias por folha.
Foram feitas rvores com no
Quanto menos instncias necessrias,
mais alta a preciso dessa rvore e maior seu tamanho, com o aumento no nmero
de instncias a preciso reduzida, mas a rvore se apresenta de forma mais enxuta
facilitando sua visualizao e entendimento, mantendo somente os ns mais relevantes em
cada classicao.
As rvores de deciso com no mnimo 2 instncias por folha apresentaram elevado
nmero de folhas, o que impossibilitou a visualizao de forma grca no
software.
Dessa
forma, foram geradas gracamente 180 rvores, 3 para cada um dos 60 conjuntos de dados.
Todas as 180 rvores de deciso e os 240 arquivos de log, esto anexadas a essa
dissertao em um CD. Os arquivos de log apresentam a rvore de deciso em formato
de texto, as matrizes de confuso, o percentual de acerto e erro, entre outras variveis.
Neste trabalho foram analisadas as rvores de deciso com no mnimo 1000 instncias
por folha para os conjuntos de dados sem ltragem, totalizando 12 rvores.
Optou-se
por esse conjunto de dados j que as taxas de acerto dos dados sem ltragem caram
prximas as taxas de acerto das rvores do conjunto de dados ltrados com maior acerto
(ltro de 0 a 4 Hz), que obteve acerto por volta de 90%. Tabelas com as taxas de acerto
CAPTULO 4.
61
MATERIAIS E MTODOS
da classicao dos dados sem ltragem, dos 3 sujeitos, com no mnimo 2, 200, 500 e 1000
instncias por folha, so apresentadas no captulo a seguir (Tabelas 5.1, 5.6 e 5.11).
4.3.1
WEKA e Algoritmo J48
Waikato Environment for Knowledge Analysis ) um software de domnio pblico
WEKA (
da Universidade de Waikato na Nova Zelndia. Tal
software
uma coleo de algoritmos
de aprendizado de mquina utilizados na minerao de dados e implementados em Java.

O WEKA possui ferramentas para os dados de pr-processamento, classicao, regresso,
agrupamento, regras de associao e visualizao [Hall et al., 2009].
O sistema possui uma interface grca amigvel (Ver Figura 4.9) e seus algoritmos
fornecem relatrios com dados analticos e estatsticos do domnio minerado onde possvel ver a matriz de confuso, um sumrio contendo o percentual de dados corretamente
classicados e no classicados, o erro mdio absoluto e o erro relativo absoluto, entre
outros.
Figura 4.9: Telas do
software
WEKA
Uma abrangente documentao do cdigo fonte est disponvel online. Por ser escrito
em Java, o cdigo pode ser rodado em diferentes plataformas, conferindo uma boa portabilidade ao
software.
Uma limitao da ferramenta a sua escalabilidade, uma vez que
suas verses atuais limitam o volume de dados a ser manipulado. Mesmo assim, possvel
minerar bases de dados relevantes, tornando o pacote atrativo para um grande nmero
CAPTULO 4.
62
MATERIAIS E MTODOS
de aplicaes (componentes do WEKA tem sido utilizados em um considervel nmero

de projetos).
O algoritmo utilizado para a gerao de rvores de deciso foi o J48.
O algoritmo
J48 uma implementao em Java, do algoritmo C4.5 release 8, gera rvores de deciso,
sendo considerado o algoritmo mais popular do WEKA.
A construo da rvore, utilizando tal algoritmo, ocorre a partir de um conjunto de
dados de treinamento que utiliza o conceito de ganho da informao como critrio de
ramicao, para a construo da rvore de deciso. O ganho da informao baseado
no ndice de entropia para medio da homogeneidade de cada n [Dalagassa et al., 2008].
A rvore gerada na abordagem
top-down, ou seja, da raiz para as folhas.
Em cada n
escolhido o atributo que melhor divide os dados naquele momento, e assim sucessivamente
at que todos os dados tenham sido classicados. Depois da rvore completa, cada folha
uma classe e cada n representa uma regra da classicao.
4.4 Validao
Os resultados adquiridos da etapa anterior, de classicao, foram validados com base na
a
a
neurocincia. Para tanto, a co-orientadora deste trabalho, Prof . Dr . Fernanda Antoniolo Hammes de Carvalho especialista nesta rea. Baseado na literatura, a especialista
formulou a tabela 4.1 onde as regies do crebro, bem como cada eletrodo est espacialmente posicionado conforme padro internacional 10-20, apresentado baseado em suas
funcionalidades.
Os dados apresentados no prximo captulo so baseados nas funes
cerebrais apresentadas nessa tabela.

Percepo somatossensorial; Representaes espaciais e Percepes tteis
CAPTULO 4.
63
MATERIAIS E MTODOS
Tabela 4.1: reas cerebrais, eletrodos e funes correspondentes.
Regio
PR-FRONTAL
Eletrodo Funes prioritrias diante de um ato motor

AF3
Funes executivas (gerenciamento dos recursos
AF4
cognitivos/emocionais diante de uma dada tarefa)
F7
FRONTAL
F3
Planejamento e movimento
F4
F8
CENTRAL
FC5
ltima poro do lobo frontal:
FC6
crtex motor primrio
T7
TEMPORAL
PARIETAL
OCCIPITAL
T8
Percepo do movimento biolgico
P7
Percepo somatossensorial
P8
Representaes espaciais e Percepes tteis
O1
Visualizao de imagens
O2
(inclusive durante um dilogo)
Captulo 5
Anlise dos Dados Obtidos
As atividades solicitadas aos trs sujeitos nos testes realizados foram as mesmas, ou seja,
primeiramente apertar uma bola com a mo direita e depois com a mo esquerda durante
um minuto e num segundo momento imaginar apertar a bola com a mo direita e depois
com a mo esquerda tambm durante um minuto.
Optou-se por realizar a anlise da atividade de imaginao. Pretende-se como trabalhos futuros tambm realizar a anlise da atividade de realizao (apertar a bola).
Como cada indivduo pode processar as informaes de maneiras diferentes, as informaes obtidas com as arvores de deciso tambm so diferentes para cada indivduo.
A anlise aqui realizada baseada na tabela 4.1 onde busca-se uma explicao baseada
na neurocincia para os resultado obtidos.
5.1 Anlise dos Dados do Sujeito 1

O sujeito 1 apresenta taxas de acerto (Tabela 5.1) acima de 90% para as rvores de deciso
com no mnimo 2 instncias por folha, sendo que no terceiro dia apresenta valores mais
elevados. A tabela 5.1 apresenta as taxas de acerto do sujeito 1 ao longo dos 4 dias de
coletas de dados com valores para rvores com no mnimo 2, 200, 500 e 1000 instncias
por folha. Como citado anteriormente as rvores de deciso que sero analisadas sero as
com 1000 instncias por folha, por serem mais enxutas e de fcil visualizao.
A rvore 1 (Figura 5.1), referente ao primeiro dia de coleta do sujeito 1, apresentou 6
caminhos possveis para a classicao das tarefas (imaginar movimento da mo direita e
64
CAPTULO 5.
65
ANLISE DOS DADOS OBTIDOS
Tabela 5.1: Taxas de acerto do sujeito 1 para os 4 dias de coleta

Instncias\dia
Dia 1
Dia 2
Dia 3
Dia 4
96.0563%
94.7438%
98.7375%
91.1125%
200
86.8688%
83.5813%
93.9875%
81.4313%
500
82.0813%
80.625%
89.2875%
77.5313%
1000 78.8125% 75.5438%
85.825%
73.2313%
da mo esquerda) (Tabela 5.2).O caminho 1 envolveu o crtex motor (FC6). No caminho

2, alm da rea motora, ativado o crtex temporal esquerdo (T7). interessante destacar que, conforme Eysenck e Keane [Eysenck and Keane, 2007] a rea cortical temporal
ativada ao perceber um movimento biolgico, inclusive pela observao de outros movimentos humanos como das mos, face e cabea. Ainda no caminho 2, emerge a ativao
do crtex pr-frontal (AF3), o qual gerencia a execuo da tarefa. O mesmo acontece com
o caminho 3, onde alm dos eletrodos anteriores, envolve o crtex occipital (O2), podendo
ser considerada a possibilidade de uma ativao visual da ao imaginada.
O caminho 4 pode ser considerado o mais completo, pois envolve a rea onde so
formadas as representaes espaciais, percepes tteis e o movimento das mos (P8).
Paralelamente, uma outra justicativa dessa ativao provm da necessidade de prestar
ateno, pois tambm envolve o lobo parietal, em especial no hemisfrio direito (P8).
Eysenck e Keane (2007), retomando os estudos de Corbetta e Shulman (2002), salientam
que uma rede frontoparietal localizada no hemisfrio direito do crebro constitui o sistema
direcionado para o alvo, o qual tem o funcionamento inuenciado pela expectativa, pelo
conhecimento. Nesse momento, possvel inferir que o sujeito 1 ativou a rea responsvel
pela realizao do movimento das mos, mesmo sem moviment-las de fato.
O caminho 5, envolveu no s a rea motora ( FC5 e FC6), mas tambm o crtex
temporal esquerdo (T7). No caminho 6, alm dessas, emerge a ativao do crtex prfrontal (AF3), o qual gerencia a execuo da tarefa.
A rvore 2 (Figura 5.2) apresenta o segundo dia de testes do sujeito 1. A rvore 2
apresentou 5 caminhos possveis para a classicao das tarefas (Tabela 5.3). O caminho
1 abarca o lobo frontal, ocorrendo a ativao do crtex motor (F3) e o lobo parietal (P8),
rea cortical envolvida com representaes espaciais, percepes tteis e movimento das
CAPTULO 5.
66
Figura 5.1: rvore 1: primeiro sujeito, no primeiro dia.
Tabela 5.2: Caminhos presentes na rvore do sujeito 1 no primeiro dia.

Caminho
Eletrodos
Instncias Direita
FC6
1633
FC6 - T7 - AF3
1035
FC6 - T7 - AF3 - O2
1033
FC6 - T7 - AF3 - O2 - P8
1012
FC6 - T7 - FC5
FC6 - T7 - FC5 - AF3
Instncias Esquerda
1419
7442
1139
1287
CAPTULO 5.
67
mos. O caminho 2 contm o caminho 1(F3 e P8), acrescido da rea correspondente ao

crtex motor primrio (FC5). No caminho 3, soma-se a rea do crtex pr-frontal (AF4),
ligada s funes executivas, correspondendo a um sistema responsvel pelo gerenciamento
das aes. O crtex pr-frontal tem sido apontado como uma regio cortical aprimorada
na superviso e seleo das tarefas, sendo fundamental na habilidade de selecionar uma
postura ou uma resposta motora entre as vrias opes presentes num repertrio motor
[Lent, 2008]. O caminho 4 envolve o caminho 3 e reitera a atuao da rea motora (F7,
sendo que o caminho 5, demonstra a ativao ampliada dessas regies corticais (F3 e F7),
alta concentrao e planejamento dos movimentos (AF4), bem como uma possvel representao do movimento a partir da ativao do parietal (P7). Conforme Lent [Lent, 2008],
o crtex parietal parece ter papel fundamental na integrao de informaes sensoriais,
colaborando na construo de uma resposta motora apropriada, desempenhando inclusive
uma atividade antecipatria com relao execuo do movimento.
Figura 5.2: rvore 2: primeiro sujeito, no segundo dia.
A rvore 3 (Figura 5.3) apresenta o terceiro dia de testes do sujeito 1, e apresentou

apenas 2 caminhos (Tabela 5.4). Para classicar a tarefa no caminho 1, o sujeito demonstrou estar atento a diante da necessidade de planejar o movimento (AF4).
Conforme
Posner e Raichle [Posner and Raichle, 2001] O lobo frontal direito uma fonte muito
provvel da viglia, uma vez que os pacientes com leses neste lobo desempenham de
forma menos ecaz as tarefas que exigem viglia. Estudos com pacientes com o crebro
dividido, permitem concluses interessantes referentes a ateno e ao funcionamento cere-
CAPTULO 5.
68
Tabela 5.3: Caminhos presentes na rvore do sujeito 1 no segundo dia.

Caminho
Eletrodos
Instncias Direita
F3 - P8
1623
F3 - P8 - FC5
1001
F3 - AF4
2404
F3 - AF4 - F7
1073
F3 - AF4 - F7 - P7
1001
Instncias Esquerda
7076
1822
bral, como a observao de que o hemisfrio direito parece ser dominante para se manter
o estado de alerta [Sternberg, 2008]. J o caminho 2 envolve, alm de alta concentrao,
a visualizao de imagens, sendo possvel inferir que o sujeito tenha olhado para sua mo
ou visualizado mentalmente a mo se movendo (O2).
Figura 5.3: rvore 3: primeiro sujeito, no terceiro dia.
Tabela 5.4: Caminhos presentes na rvore do sujeito 1 no terceiro dia.

Caminho
Eletrodos
Instncias Direita
AF4
6331
AF4 - O2
1198
Instncias Esquerda
8471
A rvore 4 (Figura 5.4) apresenta o quarto dia de testes do sujeito 1, contando com 7
caminhos (Tabela 5.5).. Esta rvore incremental, ou seja, os caminhos se complementam
(novos ns so inseridos), mas a sequncia anterior continua a mesma. Nos caminhos 1,
2 e 3 o sujeito realizou a tarefa atravs do lobo temporal (T7 e T8), reas do crebro
envolvidas na percepo do movimento, mesmo que diante de uma informao visual
deciente [Eysenck and Keane, 2007]. possvel tambm inferir que nesse momento tenha
CAPTULO 5.
69
ocorrido algum tipo verbalizao interna como comando para a execuo da tarefa,
pois trata-se de uma rea cerebral profundamente envolvida com a linguagem.
Para o
caminho 4, alm desse, agregou o crtex motor (F8). Esses envolvimentos se repetiram
no caminho 5 somados ao envolvimento do crtex pr-frontal (AF3). O caminho 6 pode
ser considerado o mais completo, pois alm das ativaes anteriores, envolve o parietal,
rea que est ligada imaginao da realizao do movimento (P7). O caminho 7 apenas
conrma o caminho 6, onde o sujeito demonstra o envolvimento das funes executivas
(AF4).
Figura 5.4: rvore 4: primeiro sujeito, no quarto dia.
CAPTULO 5.
70
Tabela 5.5: Caminhos presentes na rvore do sujeito 1 no quarto dia.

Caminho
Eletrodos
Instncias Direita
Instncias Esquerda
T7
1056
T7 -T7
1708
T7 - T7 - T8
3261
T7 - T7 - T8 - F8
3373
T7 - T7 - T8 - F8 - AF3
T7 - T7 - T8 - F8 - AF3 - P7
1004
T7 - T7 - T8 - F8 - AF3 - P7 - AF4
1412
1567
2619

O sujeito 2 apresenta taxas de acerto (Tabela 5.6) acima de 88% para as rvores de deciso
com no mnimo 2 instncias por folha, sendo que no segundo dia apresenta valores mais
elevados. A tabela 5.6 apresenta as taxas de acerto do sujeito 2 ao longo dos 4 dias de
coletas de dados com valores para rvores com no mnimo 2, 200, 500 e 1000 instncias
por folha.

Instncias\dia
Dia 1
Dia 2
Dia 3
Dia 4
91.2375%
95.6375%
88.2813%
91.1688%
200
79.45%
86.1563%
79.8875%
85.5063%
500
75.7%
82.475%
77.1125%
81.9188%
1000 72.7688% 80.4813% 74.6188% 78.6063%

A rvore 5 (Figura 5.5), referente ao primeiro dia de coleta do sujeito 2, apresentou
6 caminhos possveis para a classicao das tarefas (Tabela 5.7). O caminho 1 indica
que houve um envolvimento do crtex motor (F8).
ampliado (F3).
No caminho 2, esse envolvimento
O caminho 3 apresentou, alm das aes determinadas no caminho
2, processamento no crtex temporal direito (T8). No caminho 4, alm do apresentado

no anterior, houve a ativao da rea apontada como local de representaes espaciais
e percepes tteis (P8) e novamente a ampliao na ativao de reas motoras (F7).
CAPTULO 5.
71
Nos caminhos 5 e 6, possvel pressupor uma visualizao das imagens, isto , da mo

executando a tarefa, visto que envolve as reas corticais (O1 e O2).
O crebro, diante
da necessidade de executar movimentos, processa a informao visual de dois modos:

atravs da via ventral, que sai do crtex estriado e vai para a parte inferior do lobo
temporal (envolvida com o reconhecimento de objetos, como a seletividade para forma,
cor e textura) e da via dorsal responsvel pelos aspectos espaciais da viso, como a anlise
do movimento e das relaes entre as posies de objetos na cena visual, inclui a rea
temporal mdia, indo do crtex estriado at o lobo parietal.
Figura 5.5: rvore 5: segundo sujeito, no primeiro dia.

Caminho
Eletrodos
Instncias Direita
Instncias Esquerda
F8
2602
F8 - F3
2210
F8 - F3 - T8
3325
F8 - F3 - T8 - P8 - F7
1547
F8 - F3 - T8 - P8 - O2
2156
F8 - F3 - T8 - P8 - O2 - O1
1141
1998
1021
A rvore 6 (Figura 5.6), referente ao segundo dia de coleta do sujeito 2, apresenta 3

caminhos (Tabela 5.8). O caminho 1 indica a ativao da rea responsvel pelo movimento
CAPTULO 5.
72
das mos (P7), pois como j destacado anteriormente, essa rea bastante envolvida no
planejamento motor.
No caminho 2, alm do apresentado no caminho 1, percebe-se a
ativao do crtex motor (F3), e da rea parietal (P8).
No caminho 3 destaca-se a
ativao do parietal (P7) e do crtex motor (F3), que apareceu duas vezes.
Figura 5.6: rvore 6: segundo sujeito, no segundo dia.

Caminho
Eletrodos
Instncias Direita
Instncias Esquerda
P7
2774
P7 - F3 - P8
2058
1010
P7 - F3 - F3
1066
9092
A rvore 7 (Figura 5.7), referente ao terceiro dia de coleta com o sujeito 2, apresentou
6 caminhos (Tabela 5.9). No caminho 1 perceptvel a ativao do crtex motor (F3).
No caminho 2, associado a esse envolvimento, emerge a participao do crtex temporal
(T8), relacionado com a percepo de movimentos biolgicos.
No caminho 3, alm do
apresentado no caminho 2, possvel inferir a concentrao na tarefa e o planejamento

de movimentos (AF4). O caminho 4 teve as mesmas caractersticas do caminho 3, mas
apresentou registros em ambos hemisfrios (AF4 e AF3), reiterando o envolvimento na
tarefa, pois as estruturas neurobiolgicas mais diretamente responsveis pelas funes
executivas esto precipuamente localizadas nos lobos frontais. O caminho 5 apresenta as
mesmas reas que o caminho 2. O caminho 6 abarcou, alm dos crtex motor e do crtex
CAPTULO 5.
73
temporal (F3 e T8) uma ativao do crtex motor primrio (FC6).
Figura 5.7: rvore 7: segundo sujeito, no terceiro dia.

Caminho
Eletrodos
Instncias Direita
F3
F3 - T8 - F3
4927
F3 - T8 - F3 - AF4
1391
F3 - T8 - F3 - AF4 - AF3
1186
F3 - T8 - F3
F3 - T8 - F3 - FC6
Instncias Esquerda
3042
1290
1945
1027
1192
A rvore 8 (Figura 5.8), referente ao quarto dia de coleta do sujeito 2, apresentou 5

caminhos (Tabela 5.10), sendo os caminho 2 e 3 iguais.
O caminho 1 apresentou alto
nvel de concentrao e planejamento de movimentos (AF4). Os caminhos 2 e 3, alm do

apresentado no caminho 1, indicam um processamento motor (F7). No caminho 4, alm
do apresentado no caminho anterior, a rea parietal tambm ativada (T7). O caminho
5 apresenta todas as caractersticas do caminho 4, acrescido do envolvimento do crtex
motor primrio (FC5).
CAPTULO 5.
74
Figura 5.8: rvore 8: segundo sujeito, no quarto dia.

Caminho
Eletrodos
Instncias Direita
Instncias Esquerda
AF4
2445
AF4 - F7 - F7
7960
AF4 - F7 - F7
1432
AF4 - F7 - F7 - T8
1020
AF4 - F7 - F7 - T8 - FC5
1088
1006
1049
CAPTULO 5.
75

O sujeito 3 apresenta taxas de acerto (Tabela 5.11) acima de 82% para as rvores de
deciso com no mnimo 2 instncias por folha, sendo que no segundo dia apresenta valores
mais elevados. A tabela 5.1 apresenta as taxas de acerto do sujeito 1 ao longo dos 4 dias
de coletas de dados com valores para rvores com no mnimo 2, 200, 500 e 1000 instncias
por folha.

Instncias\dia
Dia 1
Dia 2
Dia 3
Dia 4
86.6625%
89.45%
82.8%
83.8125%
200
73.5625%
79.0125%
76.2625%
76.2375%
500
68.975%
76.6875%
73.8438%
72.4438%
1000 65.4063% 72.4688%
72.9%
67.6313%
A rvore 9 (Figura 5.9), referente ao primeiro dia de coleta do sujeito 3, apresentou

8 caminhos possveis para a classicao das tarefas (Tabela 5.12). No caminho 1 houve
um processamento nos 2 hemisfrios da regio temporal, relacionada a percepo de movimentos biolgicos (T7 e T8).
O caminho 2, alm do apresentado no caminho 1, foi
ativado o lobo occipital que ligado a percepo visual (O2). O caminho 3 continuao
do caminho anterior e apresenta ativao do crtex motor (F3). O caminho 4, contm
o anterior, e apresenta concentrao no planejamento de movimentos (AF3). O caminho
5 ativa (T7) e processamento no crtex motor primrio (FC5).
O caminho 6, alm do
mostrado no caminho anterior, apresenta processamento no crtex motor(F3). O caminho

7, continuao do caminho 6, e apresenta (T7). O caminho 8 difere do anterior devido
a ativao do lobo occipital (O1).
A rvore 10 ( Figura 5.10), referente ao segundo dia de coleta do sujeito 3, apresentou
6 caminhos (Tabela 5.13).
O caminho 1 apresentou a ativao das funes executivas
no crtex pr-frontal (AF3). No caminho 2, soma-se a esse, uma possvel percepo de

movimento biolgico atravs da ativao do lobo temporal (T8).
No caminho 3, alm
do apresentado no caminho 2, houve a ativao da rea diretamente responsvel pelo

movimento das mos (P7). O caminho 4, paralelamente aos lobos ativados no caminho
CAPTULO 5.
76
Figura 5.9: rvore 9: terceiro sujeito, no primeiro dia.

Caminho
Eletrodos
Instncias Direita
T7 - T8
T7 - T8 - O2
T7 - T8 - O2 - F3
1640
T7 - T8 - O2 - F3 - AF3
1877
T7 - FC5
T7 - FC5 - F3
1099
T7 - FC5 - F3 - T8
1007
T7 - FC5 - F3 - T8 - O1
1011
Instncias Esquerda
1581
1062
1028
2970
2725
CAPTULO 5.
77
anterior, ocorre a ativao nos dois lados da regio occipital (O1 e O2) relacionadas a
visualizao de imagens. Os caminhos 5 e 6 no apresentam ativao de O1, mas apontam
ativao das redes executivas frontais (AF3 e AF4), de modo que no caminho 6 a rea
AF3 se repete.
Figura 5.10: rvore 10: terceiro sujeito, no segundo dia.

Caminho
Eletrodos
Instncias Direita
AF3
AF3 - T8
1023
AF3 - T8 - P7
1014
AF3 - T8 - P7 - O2 - O1
1035
AF3 - T8 - P7 - O2 - AF4
AF3 - T8 - P7 - O2 - AF4 - AF3
Instncias Esquerda
2623
3677
1048
1174
4406
A rvore 11 (Figura 5.11), referente ao terceiro dia de coleta do sujeito 3, apresentou

4 caminhos (Tabela 5.14), onde os caminhos 1 e 3 apresentam os mesmo eletrodos, bem
como os caminhos 2 e 4. Os caminhos 1 e 3 apresentam ativao da rea frontal motora
(FC5). Os caminhos 2 e 4 apresentam tambm a ativao do lobo frontal, agora ampliado
(F3).
CAPTULO 5.
78
Figura 5.11: rvore 11: terceiro sujeito, no terceiro dia.

Caminho
Eletrodos
Instncias Direita
FC5 - FC5
4014
FC5 - FC5 - F3
3056
FC5 - FC5
FC5 - FC5 - F3
Instncias Esquerda
1054
2857
1949
3070
CAPTULO 5.
79
A rvore 12 (Figura 5.12), referente ao quarto dia de coleta do sujeito 3, apresenta

7 caminhos (Tabela 5.15). O caminho 1 produziu ativao de regio do lobo pr-frontal
(AF3), relacionada as funes executivas. No caminho 2, a esse acrescentado o envolvimento do crtex motor e da rea visual (FC6 e O2). Essas ativaes se reproduzem no
caminho 3 e ampliam a ativao do lobo frontal (F8 e F4). Os caminhos 5 e 6 se diferem
dos caminhos 3 e 4, respectivamente, por no apresentarem o eletrodo O2. O caminho
7, conjuntamente a ativao do crtex pr-frontal (AF3) e das reas motoras (FC6, F8 e
F4), ocorre o envolvimento do lobo temporal (T7).
Figura 5.12: rvore 12: terceiro sujeito, no quarto dia.
CAPTULO 5.
80

Caminho
Eletrodos
Instncias Direita
AF3
AF3 - FC6 - O2
2038
AF3 - FC6 - O2 - F8
2238
AF3 - FC6 - O2 - F8 - F4
1137
AF3 - FC6 - F8
AF3 - FC6 - F8 - F4
1474
AF3 - FC6 - F8 - F4 - F7
1186
Instncias Esquerda
1719
1059
1852
3297
5.4 Discusso sobre os resultados obtidos

Nas sees anteriores deste captulo foram apresentadas 12 rvores de deciso: 4 rvores
para cada um dos 3 sujeitos analisados. Como dito anteriormente, para cada sujeito foi
realizada a coleta das mesmas aes por 4 dias consecutivos. Percebe-se que em nenhuma
das rvores, o resultado obtido foi igual.
Baseado na literatura da neurocincia, esses
resultados esto corretos, visto que cada sujeito pode ativar reas diferentes do crebro,
mesmo executando a mesma ao.
Pode-se observar, a partir das rvores de deciso, que em todos os dias de coleta os
eletrodos presentes no crtex frontal (que inclui a regio central com FC5 e FC6) foram
utilizados para a ramicao das ADs dos sujeitos 1, 2 e 3.
As teorias cognitivas apontam que o controle de ateno de alto nvel, o planejamento,
a deteco de erros e as respostas a estmulos difceis ou completamente novos emergem do controle sobre o processamento da informao, o qual ocorre nos lobos frontais
[Posner and Raichle, 2001]. Essa rea do crtex est intimamente relacionada com as funes executivas (FEs), como por exemplo, a imaginao do movimento das mos, tarefa
solicitada aos sujeitos nesse trabalho.
Observa-se ainda que os eletrodos AF3 e/ou AF4 aparecem nas ADs do sujeito 1 em
todos os dias de coleta, no terceiro e quarto dia do sujeito 2 e no segundo e quarto dia do
sujeito 3. Esses eletrodos esto localizados da regio anterior do lobo frontal, chamada
de crtex pr-frontal. Essa regio responsvel, dentro do lobo frontal, principalmente
CAPTULO 5.
81
pela alta concentrao e pela memria operacional [Lent, 2001]. A memria operacional,
tambm chamada de memria de trabalho, est relacionada com o modo que o sujeito vai
realizar determinada ao. Pode-se inferir que essa memria foi ativada no momento de
imaginar a execuo do movimento das mos, tarefa esta que tinha sido realizada antes
da imaginao.
A memria operacional produz arquivos que podem ser apagados"ou
transferidos para a memria de longo prazo (arquivados") [Xavier, 1993].
Quando se
aprende e memoriza uma dada tarefa, o crebro sabe (apesar de no se estar consciente)
o que fazer, [...] e isso o leva a faz-lo mais depressa e com mais exatido [Mora, 2004].
No que diz respeito a atividades motoras, ou seja, apoiadas no desenvolvimento de
habilidades motoras, a execuo regular leva a construo de um referencial que poder ser
utilizado sempre que a atividade exija determinado domnio procedimental. Entretanto,
pertinente lembrar que o engrama (conjunto de memrias formado a partir de suas
aprendizagens e experincias ao longo da vida ) singular, cada indivduo constitui o seu
[Squire and Kandel, 2003, Corra, 2010].
Embora haja uma signicativa utilizao do lobo frontal, paralelamente, outras reas
cerebrais tambm so ativadas durante a imaginao do movimento.
Os eletrodos dispostos no crtex temporal foram utilizados para a ramicao das
ADs do sujeito 1 no primeiro (T8) e quarto dia (T7 e T8), do sujeito 2 no primeiro (T8),
terceiro (T8) e quarto dia (T8), e do sujeito 3 no primeiro (T7 e T8) e segundo dia (T8).
O crtex temporal, em conexo com o crtex frontal, participa de um tipo de memria
operacional chamada memria espacial, permitindo a formao de um mapa cognitivo
relacionando os eventos que esto ocorrendo no espao ao qual se encontra com eventos
j ocorridos no mesmo contexto [Lent, 2001].
A necessidade de se concentrar e prestar ateno tarefa envolve tambm envolve
o lobo parietal, em conjunto com lobo frontal [Eysenck and Keane, 2007]. Alm, o lobo
parietal est relacionado com a percepo do espao imediatamente prximo ao corpo
[Lent, 2001]. Essa percepo inuencia no planejamento, realizao e correo de movimentos. A rvore de deciso do sujeito 1 apresentou a utilizao dessa regio no primeiro
(P8), segundo (P8) e quarto dia (P7), enquanto o sujeito 2 apresentou utilizao dos
eletrodos nos primeiro (P8) e segundo (P7 e P8) dia, e o sujeito 3 apresentou utilizao
somente o eletrodo P7 no segundo dia. Mesmo que as ADs tenham sido obtidas a partir
CAPTULO 5.
82
de dados coletados durante a imaginao dos movimentos, esses conceitos se aplicam a

esse caso, sem a realizao do movimento, j que sabido que as reas ativadas durante
a realizao de uma tarefa so muito similares s reas ativadas durante a imaginao
somente.
Quanto ativao do crtex occipital (O1 e O2), o qual foi ativado pelo sujeito 1 no
primeiro (O2) e terceiro dia (O2), pelo sujeito 2 somente no primeiro dia (O1 e O2), e
pelo sujeito 3 no primeiro (O1 e O2), segundo (O1 e O2) e quarto dia (O2), pode ser
explicada pelo fato de que o lobo occipital est fortemente relacionado com o sentido da
viso. Durante a imaginao do movimento das mos, acredita-se que os sujeitos tenham
visualizado sua mo se movendo e evocado a memria visual desse acontecimento por
terem realizado a tarefa de abrir e fechar as mos antes da tarefa de imaginao. O crtex
occipital dividido em reas visuais diferentes, sendo a maior o crtex visual primrio,
circundado por reas visuais secundrias, processa distintos atributos da imagem visual,
tais como sua cor, movimento e formas [Gazzaniga and Heatherton, 2005].
Acredita-se que com a coleta de dados realizada, por 4 dias consecutivos, as ADs
apareceram em vrias formas diferentes por se tratar de memrias operacionais de tarefas desconhecidas, pois os mesmos no tiverem treinamento prvio. Segundo Sternberg
[Sternberg, 2008], com prtica suciente muitos procedimentos rotineiros estveis, isto ,
que envolvem tarefas conhecidas ou altamente praticadas, podem ser automatizados exigindo: pouca ou nenhuma inteno ou esforo; menores recursos atencionais e nveis relativamente baixos de processamento cognitivo (anlise ou sntese mnimas), caracterizandose pelo processamento paralelo (com muitas operaes ocorrendo simultaneamente ou pelo
menos sem qualquer ordem sequencial especca). Esses processos automatizados passam
a ocorrer de forma relativamente mais rpida. Com treinamento prolongado possvel
que ADs similares sejam construdas, devido ao automatismo advindo da repetio das
tarefas.
Captulo 6
Concluso
Este um trabalho multidisciplinar pois envolve diversas reas de conhecimento, como
cincia da computao, neurocincia, engenharia, psicologia, imagens mdicas, etc.
desenvolvimento da rea de sistemas BCI necessita do aumento da cooperao entre essas

diferentes reas, bem como o estabelecimento de equipes que pesquisa multidisciplinares.
A neurocincia um campo muito amplo que trata de um estudo do sistema nervoso,
sua estrutura, seu desenvolvimento, funcionamento, evoluo, relao com o comportamento e a mente, e tambm suas alteraes. Na rea de neurocincia cognitiva, que estuda
a forma como o sistema nervoso controla o comportamento e o corpo humano, encontra-se
base para estudar o controle motor, a imaginao de movimento e as reas do crebro
responsveis por essas aes. Sabe-se que as tcnicas de captura de sinais cerebrais no
invasivas podem dar informaes eltricas somente das regies corticais do crebro, que
cam mais externamente, prximas ao crnio.
Sistemas BCI permitem um mtodo de comunicao baseado na atividade cerebral, no
dependendo da realizao dos movimentos musculares que os comandos cerebrais geram.
A pesquisa bsica utiliza coleta de sinais cerebrais de forma no invasiva, e normalmente
iniciada em sistemas BCI
oine, onde a aquisio do sinal seguida por extrao de ca-
ractersticas e traduo, em etapas separadas.
Permitindo assim um renamento dos
algoritmos de extrao e classicao de caractersticas, antes de utiliz-las em pesquisa

aplicada.
No entanto, uma tcnica BCI precisa ser testada
online
para avaliar o seu
desempenho.
rvores de deciso so ferramentas para classicao de dados e previso de fenmenos.
83
CAPTULO 6.
84
CONCLUSO
Fornecem regras que explicam o comportamento de sistemas, alm de fornecer modelos

de classicao. Uma de suas principais caractersticas que as regras inferidas so de
fcil interpretao.
Sua induo um mtodo de aprendizado supervisionado, onde os
exemplos so classicados antes de serem apresentados ao indutor. Assim, se a quantidade

de exemplos for baixa ou incorreta, o resultado poder no ser satisfatrio.
Os resultados deste trabalho so iniciais, onde foram coletados e analisados sinais cerebrais de 3 sujeitos, e se trabalhou sempre de forma
um sistema BCI necessita de testes
online
oine.
Como explicado anteriormente,
para ser implantado.
De acordo com os resultados obtidos percebe-se que as rvores de deciso foram capazes de classicar os sinais cerebrais coletados.
Foram encontradas semelhanas e di-
ferenas entre as ADs geradas e, com base nas neurocincias, isso se explica devido ao
crebro desempenhar determinadas funes em regies especcas para todos os humanos,
mas tambm, cada indivduo pode desempenhar uma tarefa de maneira particular. Ao
imaginar o movimento das mo, por exemplo, pode-se visualizar mentalmente a mo se
movendo, ou imaginar a sensao dos msculos e articulaes em movimento, o que pode
resultar em sinais cerebrais diversos em regies cerebrais distintas.
A etapa de extrao de caractersticas, muito enfatizada em alguns trabalhos, no
apresentou grande melhora na classicao dos sinais. Das bandas de frequncia utilizadas, somente uma apresentou taxas de acerto maiores que as taxas quando no foi feita
nenhuma ltragem. Essa banda,
delta (0 a 4 Hz), relacionada com sono profundo, sendo
pouco relevante na rea de sistemas BCI.

A contribuio deste trabalho a sugesto de uma forma automatizada para o tratamento dos sinais, minimizando a extrao de caractersticas e focando na classicao
e anlise.
No mbito institucional local, colabora para alavancar estudos que tenham
como foco a anlise de sinais cerebrais para Sistemas BCI e promove a integrao de
conhecimentos de reas diversas, como a Computao e as Neurocincias.
Salienta-se tambm como contribuio, a publicao dos seguintes trabalhos:
Desenvolvimento de tcnicas de classicao de sinais em sistemas BCI no Seminrio Internacional de Educao em Cincias(SINTEC), 2011.
Classication of Brain Signals in BCI Systems na International Conference Cog-
CAPTULO 6.
CONCLUSO
85
nition and Exploratory Learning in Digital Age (CELDA), 2012.
Processamento e Classicao de Sinais Cerebrais para o Uso em Sistemas BCI

na Conferncia Sul em Modelagem Computacional (MCSUL), 2012.
Como trabalhos futuros pretende-se analisar os dados de realizao de movimento, que

j foram coletados, comparando-os com a imaginao de movimento, buscando semelhanas nas reas utilizadas pelo crebro.
Apesar das semelhanas presentes nas ADs, identicar um padro requer um estudo
mais prolongado, ampliando a pesquisa, para vericar se um conjunto de dados coletados
de um grupo de sujeitos, gerariam um padro a ser utilizado em dispositivos BCI. Para
tanto, imagina-se uma coleta de sinais cerebrais por um perodo de tempo maior (30 dias,
por exemplo), onde pode haver um treinamento, ou aprendizado, por parte dos sujeitos
resultando numa automatizao do processo. Nesse caso, h possibilidade do resultado
(rvores de deciso geradas) ser semelhante nos ltimos dias de cada sujeito, onde eles
tero estabelecido um caminho mais constante para a imaginao de um movimento.
E tambm podem ser encontradas semelhanas entre as rvores de deciso de agentes
distintos, j que passaram longo tempo realizando as mesmas aes, no mesmo local.
Bibliograa
[Alpaydin, 2010] Alpaydin, E. (2010).
Introduction to Machine Learning. The MIT Press,
2nd edition. 537 p.
[Aparna et al., 2010] Aparna, C., Murthy, J. V. R., Babu, B. R., Chandra, M. V. P.,
and Rao, S. (2010).
Reducing dataset size in frequency domain for brain computer
interface motor imagery classication.
International Journal on Computer Science &
Engineering, 02(09):2924 2927.

[ATTUX and ZUBEN, 2010] ATTUX, R. R. and ZUBEN, F. J. V. (2010). Tpicos de
aula - tpico de 7 - rvore de deciso. DCA/FEEC/Unicamp.
[Brayner, 2003] Brayner, I. C. d. S. (2003). Aplicao do paradigma auditivo oddball no

estudo do p300: normatizao para faixa etria de 7-14 anos e avaliao de crianas com
diculdade de aprendizagem com e sem transtorno de dcit de ateno/hiperatividade.
Master's thesis, Universidade Estadual de Campinas. Mestrado em Medicina.
[Corra, 2010] Corra, A. C. O. (2010).
mria atravs das cincias cognitivas.
Memria, aprendizagem e esquecimento: a me1

Editora Atheneu, S o Paulo.
2
[Dalagassa et al., 2008] Dalagassa, M., S.H, S., and Carvalho, R. (2008).
Avaliao de
modelos para a classicao de benecirios com indicativos para o diabetes mellitus

tipo 2. In
Anais do XI Congresso Brasileiro de Informtica em Sade.
XI Congresso
Brasileiro de Informtica em Sade.
[de Arajo, 2004] de Arajo, R. M. (2004). Aprendizado de mquina em sistemas complexos multiagentes: estudo de caso em um ambiente sob racionalidade limitada. Master's
thesis, Universidade Federal do Rio Grande do Sul. Instituto de Informtica. Programa
de Ps-Graduao em Computao, Porto Alegre.
86
87
BIBLIOGRAFIA
[de Souza Vasconcelos, 2002] de Souza Vasconcelos, B. (2002).
Minerao de regras de
classicao com sistemas de banco de dados objeto-relacional. estudo de caso: Regras

de classicao de litofcies de poos de petrleo. Master's thesis, UNIVERSIDADE
FEDERAL DE CAMPINA GRANDE, Campina Grande - Paraba - Brasil.
[Delorme and Makeig, 2004] Delorme, A. and Makeig, S. (2004). Eeglab: an open source
toolbox for analysis of single-trial eeg dynamics including independent component
analysis.
Journal of Neuroscience Methods, 134:921.
[Duda et al., 2002] Duda, R., Hart, P., and Stork, D. (2002).
Pattern Classication,
chapter Chapter 8. Willey Interscience, 2nd edition.
[Eysenck and Keane, 2007] Eysenck, M. and Keane, M. (2007).
cognitiva.
Manual de psicologia
Artmed.
[Farwell and Donchin, 1988] Farwell, L. A. and Donchin, E. (1988). Talking o the top
of your head: Toward a mental prosthesis utilizing event-related brain potentials.
Elec-
troencephalography and Clinical Neurophysiology, 70:510523.

[Garcia et al., 2008] Garcia, F. D., Muller, S. M. T., Bastos Filho, T. F., and Sarcinelli Filho, M. (2008). Uso de mapas auto-organizveis em classicao de estados mentais para
aplicao em uma interface crebro-computador.
CBIS 2008 - XI Congresso Brasileiro
de Informtica em Sade.
[Gazzaniga and Heatherton, 2005] Gazzaniga, M. S. and Heatherton, T. (2005).
psicolgica: mente, crebro e comportamento.
Cincia
Artmed, Porto Alegre.
[Gazzaniga et al., 2006] Gazzaniga, M. S., Ivry, R. B., and Magnum, G. R. (2006).
rocincia Cognitiva: a biologia da mente.
Neu-
[Hall et al., 2009] Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., and
Witten, I. H. (2009). The weka data mining software: An update.
SIGKDD Explora-
tions, 11(1).
[Izquierdo, 2002] Izquierdo, I. (2002).
Memria.
88
BIBLIOGRAFIA
[Kolb and Whishaw, 2002] Kolb, B. and Whishaw, I. Q. (2002).
portamento.
Neurocincia do Com-
1
Manole, S o Paulo.
2
[Koprinska, 2010] Koprinska, I. (2010). Feature selection for brain-computer interfaces. In
Proceedings of the 13th Pacic-Asia international conference on Knowledge discovery

and data mining: new frontiers in applied data mining,
PAKDD'09, pages 106117,
Berlin, Heidelberg. Springer-Verlag.
[Kroupi et al., 2011] Kroupi, E., Yazdani, A., Vesin, J.-M., and Ebrahimi, T. (2011).
Ocular artifact removal from eeg: A comparison of subspace projection and adaptative ltering methods. In
Proceedings of 19th European Signal Processing Conference
(Eusipco 2011).
[Lent, 2001] Lent, R. (2001).
rocincia.
Cem bilhes de neurnios: conceitos fundamentais de neu-
1
Atheneu, S o Paulo.
2
[Lent, 2008] Lent, R. (2008).
Neurocincia da mente e do comportamento.
Guanabara
Koogan, Rio de Janeiro.
[Miguel, 2010] Miguel, P. V. d. O. (2010).
ECOLIG - O protocolo semitico para comuni-
cao homem-mquina que utiliza interfaces do tipo crebro-computador.
PhD thesis,
Universidade Estadual de Campinas. Doutorado em Engenharia eltrica.
[Mitchell, 1997] Mitchell, T. (1997).
Machine Learning.
WCB McGraw-Hill.
[Monard and Baranauskas, 2003] Monard, M. and Baranauskas, J. (2003).
Sistemas In-
teligentes - Fundamentos e Aplica 21 es, de Rezende, S.O.; Prati, R, chapter 4, pages

3956. Manole. ISBN 85-204-1683-7.
[Mora, 2004] Mora, F. (2004).
Como funciona o crebro.
[Pfurtscheller and da Silva, 1999] Pfurtscheller, G. and da Silva, F. L. (1999).

related eeg/meg synchronization and desynchronization: basic principles.
Event-
Clinical Neu-
rophysiology, 110(11):1842 1857.

[Posner and Raichle, 2001] Posner, M. I. and Raichle, M. (2001).
Porto Editora, Porto.
Imagens da Mente.
89
BIBLIOGRAFIA
[Quinlan, 1993] Quinlan, J. (1993). C4.5: Programs for machine learning. Morgan Kaufmann Publishers.
[Ranaudo et al., 2011] Ranaudo, F., MIRANDA-DE-S, A. M., and Felix, L. (2011).
Sistema para deteco em tempo real de respostas evocadas auditivas: Aplicao em
interfaces crebro computador.
SBAI 2011 - X Simpsio Brasileiro de Automao
Inteligente.
[Ratey, 2002] Ratey, J. J. (2002).
O crebro: um guia para o usurio.
Objetiva, Rio de
Janeiro.
[Russel and Norvig, 2004] Russel, S. and Norvig, P. (2004).
Inteligncia Articial.
Else-
vier/Campus, Rio de Janeiro.
[Schuette, 2010] Schuette, M. (2010).
Lessons from a life with nia.
LOSTCIRCUITS,
pages 121. Disponivel em: http://www.lostcircuits.com.
[Squire and Kandel, 2003] Squire, L. R. and Kandel, E. R. (2003).
s molculas.
Memria: da mente
[Sternberg, 2008] Sternberg, R. (2008).
[Szar, 2009] Szar, D. J. (2009).
Psicologia cognitiva.
Artmed.
Non-Invasive BCI through EEG: An Exploration of the
Utilization of Electroencephalography to Create Thought-Based Brain-Computer Interfaces.
PhD thesis, Boston College, Boston, UK.
[Vallabhaneni et al., 2005] Vallabhaneni, A., Wang, T., and He, B. (2005).
computer interface. In He, B., editor,
Brain-
Neural Engineering, pages 85121. Kluwer Aca-
demic, New York.
[Waldert et al., 2008] Waldert, S., Preissl, H., Demandt, E., Braun, C., Birbaumer, N.,
Aertsen, A., and Mehring, C. (2008). Hand movement direction decoded from meg and
eeg.
Journal of Neuroscience, 28(4):10001008.
[Wolpaw et al., 2000] Wolpaw, J. R., Birbaumer, N., Heetderks, W. J., McFarland, D. J.,
Peckham, P. H., Schalk, G., Donchin, E., Quatrano, L. A., Robinson, C. J., and
90
BIBLIOGRAFIA
Vaughan, T. M. (2000).
international meeting.
Brain-computer interface technology:
a review of the rst
IEEE Transactions on Rehabilitation Engineering, 8(2):164173.
[Wolpaw et al., 2002] Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G.,
and Vaughan, T. M. (2002). Brain-computer interfaces for communication and control.
Clinical neurophysiology, 113(6):767 791.

[Xavier, 1993] Xavier, G. F. (1993). A modularidade da memria e o sistema nervoso.
Psicologia USP, 4(1-2).

Disse Tac A Ojos I Mara Silveira

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Disse Tac A Ojos I Mara Silveira

Diunggah oleh

Hak Cipta:

Format Tersedia

Universidade Federal do Rio Grande

Anlise de Sinais Cerebrais Utilizando

Rio Grande, 24 de maio de 2013

Universidade Federal do Rio Grande

Anlise de Sinais Cerebrais Utilizando

Ps-Graduao em Modelagem Computacional, como requisito parcial obteno do

Rio Grande, 24 de maio de 2013

JOSIMARA DE VILA SILVEIRA

Dissertao apresentada ao Programa de Ps

Rio Grande -RS

Dedico este trabalho aos meus pais que sempre me apoiam

Diana Francisca Adamatti, pelas ideias,

pela disponibilidade em esclarecer dvidas e mostrar o caminho correto, pelos

Aos amigos e colegas do mestrado, Leonardo e Felipe, que me acompanham

Contudo, enfatiza-se as fases de

classicao e de validao. Na classicao utiliza-se a tcnica de Inteligncia Articial

Palavras-chaves: Sistemas BCI (Interface Crebro Computador), rvores de Deciso,

To treat the data, this system must execute ve stages:

preprocessing, feature extraction, classication and validation.

Keywords: BCI (Brain Computer Interface) Systems, Decision Trees, Neuroscience.

Etapas que compem a metodologia de trabalho.

reas cerebrais [Lent, 2001]. . . . . . . . . . . . . . . . . . . . . . . . . . .

As reas motoras corticais esto representadas em tons de azul . . . . . . .

Trabalho experimental utilizado para testar um

de BCI atravs de movimentos de macacos. . . . . . . . . . . . . . . . . . .

Colocao de eletrodos para aquisio de sinais de forma no-invasiva

Etapas de processamento necessrio para converter a inteno do usurio

Diferentes bandas de sinal presente no sinal EEG. . . . . . . . . . . . . . .

Evidncias de eventos relacionados dessincronizao (ERD) e eventos

2.10 Componente ERP P300.

2.11 Diferentes SCP transmitindo sinais de intenes diferentes. . . . . . . . . .

2.12 Potencial Neuronal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.13 rvore de deciso para decidir jogar ou no uma partida de tnis.

utilizado em cada uma delas.

Etapas da realizao do trabalho e o

Epoc, no padro internacional 10-20.

do sistema Emotiv, que mostra o avatar dando um

para o usurio [Szar, 2009]

Aectiv do sistema Emotiv, que mostra o estado emocional do usurio

do sistema Emotiv, que mostra um cubo que obedece aos

comandos do usurio [Szar, 2009].

Exemplos de instncias do banco de dados. . . . . . . . . . . . . . . . . . .

rvore 1: primeiro sujeito, no primeiro dia. . . . . . . . . . . . . . . . . . .

rvore 2: primeiro sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .

rvore 3: primeiro sujeito, no terceiro dia.

rvore 4: primeiro sujeito, no quarto dia. . . . . . . . . . . . . . . . . . . .

rvore 5: segundo sujeito, no primeiro dia. . . . . . . . . . . . . . . . . . .

rvore 6: segundo sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .

rvore 7: segundo sujeito, no terceiro dia.

rvore 8: segundo sujeito, no quarto dia. . . . . . . . . . . . . . . . . . . .

rvore 9: terceiro sujeito, no primeiro dia.

5.10 rvore 10: terceiro sujeito, no segundo dia. . . . . . . . . . . . . . . . . . .

5.11 rvore 11: terceiro sujeito, no terceiro dia. . . . . . . . . . . . . . . . . . .

5.12 rvore 12: terceiro sujeito, no quarto dia.

Conjunto de instncias para tomada de deciso.

Matriz de Confuso do exemplo

reas cerebrais, eletrodos e funes correspondentes.

Taxas de acerto do sujeito 1 para os 4 dias de coleta . . . . . . . . . . . . .

Caminhos presentes na rvore do sujeito 1 no primeiro dia. . . . . . . . . .

Caminhos presentes na rvore do sujeito 1 no segundo dia.

Caminhos presentes na rvore do sujeito 1 no terceiro dia.

Caminhos presentes na rvore do sujeito 1 no quarto dia. . . . . . . . . . .

Taxas de acerto do sujeito 2 para os 4 dias de coleta . . . . . . . . . . . . .

classicao e de validao. Na classicao utiliza-se a tcnica de Inteligncia Articial

To treat the data, this system must execute ve stages:

preprocessing, feature extraction, classication and validation.

Epoc, no padro internacional 10-20.

para o usurio [Szar, 2009]

Aectiv do sistema Emotiv, que mostra o estado emocional do usurio

comandos do usurio [Szar, 2009].

A classicao das tarefas de imaginao do movimento das mos a quarta etapa.

A quinta etapa consiste na validao do mtodo de classicao. Neste trabalho,

Apesar dessas divises, o sistema nervoso integrado.

Isso signica que

denominadas giros ou circunvolues, estando separados por sulcos ou ssuras. Em cada

O sistema motor responsvel pela produo e codicao dos aspectos representacionais