Interface Cérebro-Computador Baseada em Potenciais Evocados Visuais em Regime Permanente para Comando de uma Cadeira de Rodas Robótica

Nome: SANDRA MARA TORRES MULLER
Tipo: Tese de doutorado
Data de publicação: 01/08/2012
Orientador:

Nomeordem decrescente Papel
MARIO SARCINELLI FILHO Orientador
TEODIANO FREIRE BASTOS FILHO Orientador

Banca:

Nomeordem decrescente Papel
ANTONIO MAURICIO FERREIRA LEITE MIRANDA DE SÁ Examinador Externo
EVANDRO OTTONI TEATINI SALLES Examinador Interno
MARIO SARCINELLI FILHO Orientador
RODRIGO VAREJÃO ANDREÃO Examinador Interno
SAULO BORTOLON Examinador Externo

Páginas

Resumo: Neste trabalho foram estudadas e implementadas três técnicas incrementais de adaptação de modelos ocultos de Markov (HMM - Hidden Markov Model) baseadas nos algoritmos de treinamento, que são a esperança da maximização (expectation maximization - EM), a k-means segmental (segmental k-means) e a máximo a posteriori (Maximum a Posteri- ori -MAP). Essas técnicas, muito utilizadas em reconhecimento de voz, são aqui usadas
para sinais biomédicos, mais precisamente para sinal de eletrocardiograma (ECG). Para tal objetivo, utilizou-se uma plataforma, já desenvolvida, de segmentação e classificação de ECG, além de detecções de anomalias cardíacas como extra-sístole ventricular (ESV) e isquemia do miocárdio. Nessa plataforma, os modelos de Markov são empregados na etapa de segmentação do sinal de ECG, tendo em vista a identificação das formas de onda elementares que compõem um ciclo cardíaco. O desenvolvimento dessas técnicas permite, uma vez que a plataforma esteja funcionando como sistema real, um juste autônomo dos modelos µas variações do sinal de ECG ao longo do tempo, assim como a outras variações presentes em um sistema real. As técnicas foram avaliadas a partir de experimentos usando duas bases de sinais de ECG: QT database e European ST-T database. Os resultados confirmam o ganho de desempenho obtido com a adaptação, permitindo uma modelagem do sinal ao longo do tempo mais apropriada. As técnicas desenvolvidas são indicadas também para outros tipos de sinais biomédicos, como o sinal de eletroencefalograma (EEG), por exemplo.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910