Classificação de formas primitivas usando interfaces cérebro-computador

Ehsan Tarkesh Esfahani, V. Sundararajan

Resumo

Interfaces cérebro-computador (BCIs) são desenvolvimentos recentes em tecnologias alternativas de interação do usuário. O objetivo deste artigo é explorar o potencial das BCIs como interfaces de usuário para sistemas CAD. O artigo descreve experimentos e algoritmos que usam a BCI para distinguir entre formas primitivas que são imaginadas por um usuário. Os usuários usam um fone de ouvido de eletroencefalograma (EEG) e imaginam a forma de um cubo, esfera, cilindro, pirâmide ou um cone. O fone de ouvido EEG coleta atividade cerebral de 14 locais no couro cabeludo. Os dados são analisados com análise de componentes independentes (ICA) e a Transformada de Hilbert-Huang (HHT). As características de interesse são os espectros marginais de diferentes bandas de frequência (bandas theta, alpha, beta e gamma) calculados a partir do espectro de Hilbert de cada componente independente. O teste U de Mann-Whitney é então aplicado para classificar os canais de eletrodos EEG por relevância em cinco classificações pareadas. As características dos componentes independentes com a maior classificação formam o vetor de características final que é então usado para treinar um classificador discriminante linear. Os resultados mostram que este classificador pode discriminar entre os cinco objetos primitivos básicos com uma precisão média de cerca de 44,6% (comparado à taxa de classificação ingênua de 20%) em dez sujeitos (faixa de precisão de 36%–54%). A precisão da classificação muda para 39,9% quando tanto pistas visuais quanto verbais são usadas. A repetibilidade da extração de características e classificação foi verificada realizando o experimento em 10 dias diferentes com os mesmos participantes. Isso mostra que a BCI tem potencial em criar formas geométricas em sistemas CAD e poderia ser usada como um meio inovador de interação do usuário.Clique aqui para o relatório completo.