UNIVERSIDADE FEDERAL DA BAHIA

UNIVERSIDADE FEDERAL DA BAHIA 

CIÊNCIA DA COMPUTAÇÃO 

GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO

Iuri de Araujo Sampaio

INTERFACES CÉREBRO­COMPUTADOR: CONTROLE DE 

DISPOSITIVOS ELETRÔNICOS ATRAVÉS DO PENSAMENTO

Salvador 2009.2

Iuri de Araujo Sampaio

INTERFACES CÉREBRO­COMPUTADOR: CONTROLE DE 

DISPOSITIVOS ELETRÔNICOS ATRAVÉS DO PENSAMENTO

Monografia   apresentada   ao   curso   de   graduação   em  Bacharelado de Ciência da Computação, Departamento  de   Ciência   da   Computação,   Instituto   de   Matemática,  Universidade Federal da Bahia

Orientadora: Laís Salvador 

Co­orientadores: José Garcia Vivas, Nícia Riccio

Salvador 2009.2

Resumo

Um sistema que permite uma comunicação direta entre o cérebro do indivíduo e o computador,  uma interface cérebro­computador (ICC) consiste em um sistema de comunicação e controle que utiliza  sinais  cerebrais bioelétricos  (sinais  EEG),  registrados por  aparelhos de  eletroencefalogramas,  para  controlar dispositivos eletrônicos, tais como: próteses neurais, cadeiras de roda, ou computadores. Ela  independe de qualquer atividade neuromuscular controlada, ou seja, não existe atividade motora e as  intenções de movimento do usuário são transmitidas através do pensamento. Desta forma, dando uma  maior acessibilidade e usabilidade ao indivíduo para com a máquina, o computador. Uma ICC identifica e classifica as intenções do usuário através da observação e análise da  atividade cerebral sem a dependência dos sinais musculares ou nervos periféricos participantes da  atividade motora do indivíduo, deixando para a máquina esta responsabilidade. Consequentemente,  uma ICC estabelece uma interação em tempo real entre o indivíduo e o mundo externo através do  computador. Uma interação que corresponde ao uso direto de sinais cerebrais para enviar comandos  mentais à um sistema automatizado tal como um robô, uma prótese, ou o cursor do mouse numa tela de  computador.  O objetivo deste trabalho é apresentar um compêndio de informações sobre o tema Interfaces  Cérebro­Computador.  Uma investigação de todo o contexto em que uma ICC se enquadra, abordando  conceitos desde acessibilidade, usabilidade, tecnologias assistivas e interfaces homem­máquina até os  fundamentos, teoria e aplicação de uma ICC no mundo real. Além disso, um comparativo de  tecnologias e ferramentas utilizadas atualmente. Como também a implementação de um programa de  computador, que faz a leitura, classificação e apresentação dos sinais bioelétricos respectivos aos  movimentos da mão esquerda e da mão direita do indivíduo. Onde constatou­se a complexidade no  tratamento dos dados, sinais cerebrais, para obtenção de resultados satisfatórios. 

Palavras­chave:   Comunicação,   Acessibilidade,   Usabilidade,   Eletroencefalograma,   sinais  cerebrais EEG, Interface Cerebral Computacional (ICC).

Abstract

A system that allows directly communication between the human brain and a computer  machine, a brain­computer interface (BCI) consists in a communication and control system that uses  bioeletrical brain signals recorded from electroencephalogram apparatus, to control electronic devices  such as neural prosthesis, wheelchairs, and computers. It is totally independent of any neuromuscular  motor activity and the intentions of movement of the users are transmitted simply  through thoughts.  Thus, giving more accessibility and usability to the user operate the computers. A (BCI) identifies and classifies the intentions of the user through observation analysis of brain  activity with no dependency of neuromuscular signals or signals that participate in the motor activity of  the subject, by letting to the machine the responsibility to actually do the task. Moreover, a BCI  establishes   an   interaction   between   the   subject   and   the   external   world   through   the   computer.   An  interaction that corresponds to direct use of brain waves to send mental commands to a automated  systems such as a robot arm, or a prosthesis, or the mouse cursor in the screen monitor.   The brain  computer   interfaces   have   showed   a   very   promising   research   field   with   new   approaches   and  technologies.  The purpose of this work is to present a good and unique documentation about the theme Brain­ Computer Interfaces. An investigation of the whole context where a BCI is placed, to bring together the  concepts of accessibility, usability, assistive technologies and Human­Computer Interfaces through the  fundamentals and applications of a BCI in the real world.  Furthermore, it is presented a comparative of  technologies and frameworks used in the present days. It is also shown the implementation of a small  software that reads, classifies and present bioeletrical signals from the respectives left and right hand  movements of a subject. There it was possible to ratify the complexity of the treatment of massive data,  brain signals, in order to achieve satisfying results.  Keywords: Communication, Accessibility, Usability, Electroencephalogram (EEG), Brain  EEG  signals, Brain­Computer Interfaces (BCI).

SUMÁRIO

Resumo Abstract Lista de Figuras Lista de Tabelas 1. Introdução . . . 1 2. Contextualização . . .  3 2.1. Acessibilidade e Usabilidade . . . 3 2.2. Tecnologias Assistivas . . . . 6 2.3. Interfaces Humano­Computacionais . . . 8 3. Interfaces Cérebro­Computador . . . .10  3.1. Aquisição do Sinal . . . .14 3.2. Processamento do Sinal . . . .23 3.2.1. Pré­processamento . . . 24 3.2.2. Extração da Característica . . . 27 3.2.3. Classificação . . . 28 3.2.4. Apresentação . . . 29 4. Implementação . . . .31 4.1. Ferramentas Utilizadas . . . 31 4.1.1. OpenEEG . . . 31 4.1.2. EEGLab . . . 33 4.1.3. BioSig . . . .35 4.1.4. OpenVibe . . . 37 4.2. Documentação . . . .40 5. Conclusão . . . .52 6. Referências . . . .54

LISTA DE FIGURAS

3.1. Sinais EEG (FONTE: MILLáN; RENKENS; MOURIñO, 2004) . . . .10 3.2. Modelo de um sistema que utiliza ICC (FONTE: WOLPAW; BIRBAUMER, 2005) . . . .11 3.3. Fases de uma ICC (FONTE: PFURTSCHELLER; GRAIMANN; NEUPER,2006) . . . 14 3.4. Camadas do córtex cerebral (FONTE: WOLPAW; BIRBAUMER, 2005) . . . 15 3.5. Neurônios e seus componentes (Módulo de Estudos VI ­ Colégio Antônio Vieira, 1999) . . . . 16 3.6. As regiões do cérebro humano (FONTE: ISLAM­GUIDE.COM,2009) . . . ..19 3.7. Transformação de sinais EEG em matrizes (FONTE: MIT Press, 2003) . . . .. . . 25 4.1. Interface Gráfica, EEGLab 7.0.5b (FONTE: EEGLab v.7.0.5b) . . .  . . . 34 4.2. Interface Gráfica OpenVibe Designer (FONTE: OpenVibe v.0.4.rc4) . . . .39 4.3. Configuração de Eletrodos no couro cabeludo, (MILLáN; RENKENS; MOURIñO, 2004) . . .40 4.4. Formato de arquivo GDF. (FONTE: BioSig v.2.31, 2009). . .  . . . .42 4.5. Log de erro de memória (FONTE: Biosig v. 2.31). . . .43 4.6. Algoritmos Biosig2.31 (FONTE: Biosig v. 2.31) . . . .. . . 44 4.7. Caixa de algorítimos OpenVibe (FONTE: OpenVibe v.0.4, 2009) . . . 44 4.8. Exemplo de Algorítimos da biblioteca BIOSIG (FONTE: BIOSIG, v. 2.31,2009). . . .46 4.9. Modelagem do Programa BCI, parte I (FONTE: OpenVibe v.0.4.0­7) . . . 47 4.10. Uma pessoa controlando um robô no labirinto através do pensamento ((FONTE: MILLáN;  RENKENS; MOURIñO, 2004) . . . 48 4.11. Esquema de Tempo de Treinamento ICC(FONTE: BRUNNER; LEEB;  PUTZ;SCHLOEGL;PFURTSCHELER,2008) . . . .49 4.12. Modelagem do Programa BCI, parte II (FONTE: OpenVibe v.0.4.0­7) . . . 50

LISTA DE TABELAS

2.1. Métodos de melhoramentos em usabilidade (FONTE: HOLZINGER,2005) . . . .5 4.1. Estrutura de Diretórios (FONTE: BioSig v. 2.31,2009) . . . 36

 1. INTRODUÇÃO

Uma interface Cérebro­Computador, termo traduzido do inglês Brain­Computer Interface (ICC),  permite   a   comunicação   direta   entre   homem   e   máquina   através   da   análise   da   atividade   cerebral  utilizando aparelhos específicos que registram os sinais bioelétricos do indivíduo transmitidos para o  computador. A ICC disponibiliza um novo e poderoso canal de comunicação do indivíduo com o  mundo externo garantindo uma maior acessibilidade e usabilidade às pessoas, e em particular, àquelas  que possuam alguma deficiência física, motora ou desordens neuromusculares severas. Estados mentais podem ser detectados e traduzidos em ações, como por exemplo a seleção de  uma letra a partir de um teclado virtual e a movimentação de um braço mecânico de um robô. Uma ICC  monitora a atividade cerebral através de uma variedade de métodos que podem ser classificados como  não­invasivos   ou   invasivos.   A   maioria   dos   sistemas   ICC   não­invasivos   utilizam   aparelhos   de  eletroencefalogramas   (EEG),   para   fazer   a   leitura   e   o   processamento   dos   sinais   bioelétricos   do  indivíduo.   A   principal   fonte   de   sinais   EEG   é   a   atividade   sincronizada   de   milhares   de   neurônios  corticais   registrada   por   eletrodos   posicionados   no   couro   cabeludo   em   determinadas   regiões  responsáveis por alguma função de percepção sensorial ou motora (MILLáN; RENKENS; MOURIñO,  2004). 

 

Desta forma, um programa de computador ou software, pode então ser implementado em uma  ICC, para dar ao indivíduo, deficiente ou não, acesso ao computador, ainda que limitado, através da  alteração da atividade elétrica em seu cérebro, ou simplesmente, pelo pensamento.  O objetivo deste trabalho é apresentar um compêndio de informações sobre o tema Interfaces  Cérebro­Computador.  Uma investigação de todo o contexto em que uma ICC se enquadra, abordando  conceitos desde acessibilidade, usabilidade, tecnologias assistivas e interfaces homem­máquina até os  fundamentos,   teoria   e   aplicação   de   uma   ICC   no   mundo   real.   Além   disso,   um   comparativo   de  tecnologias e ferramentas utilizadas atualmente. Como também a implementação de um programa de  computador, que faz a leitura,  classificação e apresentação dos sinais bioelétricos  respectivos aos 

movimentos da mão esquerda e da mão direita do indivíduo. Onde constatou­se a complexidade no  tratamento dos dados, sinais cerebrais, para obtenção de resultados satisfatórios. Esta monografia está organizada da seguinte maneira: No capítulo 2 começaremos desvendando  os conceitos básicos de acessibilidade e usabilidade, tecnologias assistivas e as interfaces humanas  computacionais (IHCs). Para dar ao leitor um melhor entendimento do contexto em que se enquadra o  tema principal desta pesquisa, além de uma melhor compreensão dos termos utilizados e abordagens  específicas presentes no texto. No capítulo 3 é visto a fundamentação teórica do trabalho, onde serão  indicados   os   mecanismos   estudados,   suas   propriedades   e   modificações.   O   capítulo   4   mostra   as  principais ferramentas e arquiteturas que são utilizadas para a construção de uma ICC. O capítulo 5  mostra os procedimentos e algoritmos adotados na criação e desenvolvimento do programa e seus  resultados. Por fim, o capítulo 6 é a conclusão do trabalho onde serão apresentadas as sugestões futuras  para contribuição e considerações finais.

 2. CONTEXTUALIZAÇÃO

 2.1.

 

Acessibilidade e Usabilidade 

 Atualmente, na sociedade em que vivemos, nos deparamos com inúmeras situações em que se  pode aplicar os conceitos de acessibilidade, e com isso torna­se importante enfatizar alguns deles: Definição específica e recente que pode ser encontrada no corpo do Decreto Nº­ 5.296, de 2 de  Dezembro de 2004, da Presidência da República: Acessibilidade: condição para utilização, com segurança e autonomia, total ou assistida,  dos   espaços,   mobiliários  e  equipamentos  urbanos,   das  edificações,   dos  serviços   de  transporte   e   dos   dispositivos,   sistemas   e   meios   de   comunicação   e   informação,   por  pessoa   portadora   de   deficiência   ou   com   mobilidade   reduzida   (Decreto   Nº­   5.296,  Presidência da República, 2004). Acessibilidade, de modo geral, significa tornar acessível, de fácil acesso. É a capacidade de um  produto ser flexível o suficiente para atender às necessidades do maior número possível de pessoas.  Neste sentido mais amplo, duas definições se destacam: Facilidade na aproximação, no trato ou na obtenção (Dicionário Aurélio, 1980). Possibilidade de acesso, processo de conseguir a igualdade de oportunidades em todas as  esferas da sociedade (ONU / Direitos Humanos).  Nelas, percebe­se o quão diverso pode ser o significado do termo acessibilidade, dependendo do  enfoque escolhido.

A   acessibilidade   universal   é   a   possibilidade   de   estabelecer   comunicação   e   troca   de  conhecimentos   independentemente   da   infra­estrutura,   tecnologias,   idioma,   cultura,   localização  geográfica, habilidade física e mental. Visando a possibilidade de superar as diversas limitações no que  tange à utilização da tecnologia, e suas ferramentas, especificamente para o computador de uso geral  (TORRES, MAZZONI, 2004).

à   informação,   comunicação   e   educação,   até   a   transportes   e   ao   estabelecimento   (casa,   escolas,  bibliotecas, centros tecnológicos, universidades, quiosques eletrônicos, etc). Além da iluminação do  ambiente, mesa, cadeira, teclado, monitor, desempenho da máquina, velocidade de conexão, microfone,  caixas de som. Enfim todas as barreiras existentes que limitam ou impedem o indivíduo de ter acesso  ao conhecimento (TORRES, MAZZONI, 2004). Já a acessibilidade digital trata do conteúdo; do  acesso à informação em formatos digitais  alternativos; de como ela está estruturada; em qual o idioma ela se apresenta; de que forma ela está  organizada   e   disponibilizada   para   que   o   usuário   do   computador   tenha   fácil   acesso   à   mesma  (GONÇALVES, 2005).  Mais do que simplesmente ter acesso a computadores, é preciso ter capacidade de operá­los com  autonomia. E é justamente nesta questão que a acessibilidade digital faz­se presente como requisito  necessário embora não suficiente para garantir a inclusão digital das pessoas visando um bem maior: a  inclusão social.  É a acessibilidade que permitirá que a base de usuários projetada seja alcançada em sua máxima  extensão e que os usuários, que se deseja conquistar com o produto, tenham êxito em iniciativas de  acesso ao conteúdo digital em uso. Além do mais, que este novo espaço, o espaço digital, caracterizado  pelas tecnologias de informação e comunicação, proporcione o atendimento às distintas formas de  interação das pessoas com a informação. Sempre respeitando tanto as suas preferências e as limitações  relacionadas aos equipamentos utilizados, quanto às associadas as características orgânicas dos usuários  desses equipamentos (TORRES, MAZZONI, 2004).  

O   termo   acessibilidade,   em   engenharia   da   computação,   significa   aplicar   o   conceito   de  acessibilidade para criar programas e aplicativos de software cada vez mais flexíveis e que atendam a  um número cada  vez maior  de pessoas (SOMMERVILLE,  2007). Sejam  elas deficientes ou não,  fazendo com que superem os obstáculos impostos, como por exemplo entrar no mercado de trabalho,  numa escola ou universidade. A acessibilidade muitas vezes se confunde com usabilidade. Para esclarecer ao leitor, pode­se  dizer que uma vez obtida a acessibilidade ao produto, é pensado então na sua usabilidade. O conceito  de usabilidade está diretamente ligado à facilidade do uso, rápido e objetivo da informação, visando o  maior número de pessoas, deficientes ou não. Usabilidade é a facilidade de manuseio e navegação do 

sistema para o usuário final. 

É   a   implantação   de   uma   lógica,   de   técnicas   e   de   raciocínio   voltados   para   a   criação   de  facilitadores, orientadores, guias na busca da informação. A usabilidade é a qualidade que define o  quão fácil são as interfaces de usuários. Usabilidade também refere­se a métodos de melhoramentos de  casos de uso durante o processo de criação de interfaces (HOLZINGER, 2005). São eles:

Aprendizado:  Quanto mais fácil for para os usuários completarem atividades básicas no instante em  que eles se deparam com o produto, no caso, software.

Eficiência:  Uma   vez   que   os   usuários   compreenderam   o   produto,   com   que   velocidade   eles  desempenham suas tarefas. Memória:  Quando os usuários retornam ao produto, após um período sem usá­las, quão fácil e  rápido eles estabelecem a proficiência e o conhecimento prévio. Erros:  Quantos erros os usuários cometem, quanto severo são estes erros e com que facilidade  os erros são corrigidos. Satisfação:  Quanto agradável para o usuário é usar o produto. Tabela 2.1: Métodos de melhoramentos em usabilidade (FONTE: HOLZINGER, 2005)

Acessibilidade   e   Usabilidade   são   características   que   agregam   qualidade   a   um   produto,   ao  conteúdo digital. Ambas são direitos do consumidor que utiliza esse produto. A usabilidade visa a  satisfazer um público específico, definido como o consumidor que se quer alcançar quando se define o  projeto do produto, o que permite que se trabalhe com as peculiaridades adequadas a esse público­alvo,  associadas   a   fatores   tais   como   a   faixa   etária,   nível   socioeconômico,   gênero   e   outros   (TORRES,  MAZZONI, 2004). A acessibilidade permite que a base de usuários projetada seja alcançada em sua  máxima extensão e que os usuários que se deseja conquistar com o produto tenham êxito em iniciativas  de acesso ao conteúdo digital em uso.

As   possibilidades,   deste   novo   espaço   digital   criado   pelas   tecnologias   de   informação   e  comunicação, que proporcionam o atendimento às distintas formas de interação das pessoas com a  informação   respeitando   tanto   as   suas   preferências   e   as   limitações,   tanto   aquelas   relacionadas   aos  equipamentos   utilizados   quanto   as   associadas   às   características   dos   usuários   desses   equipamentos 

(TORRES; MAZZONI, 2004).  Discutir a acessibilidade de conteúdos digitais corresponde a aplicar ao conteúdo digital em  análise os princípios do “Design for all” (projeto para todos). Termo europeu que promove inclusão,  igualdade e desenvolvimento social sustentável. Suporte de acesso a ambientes, usabilidade de produtos  e acesso a serviços, focado no envolvimento do usuário com o meio em que vive. O termo foi proposto  pela comunidade européia de acessibilidade (EdeAN, 2009)1_{. Pois todas as pessoas, independentemente}  da tecnologia que utilizem e do fato de ter, ou não, limitações oriundas de deficiência, são beneficiadas  pela aplicação desses princípios (TORRES; MAZZONI, 2004).  É neste contexto que ao longo da pesquisa lidamos com o significado do projeto para todos,  focando no seu uso para esclarecer como a tecnologia é utilizada para dar assistência ao usuário. Uma  tecnologia assistiva que será apresentada nos próximos parágrafos. Ela é utilizada como um meio para  alcançar os objetivos, suprir as necessidades, e ajudar na realização das atividades do dia a dia do  indivíduo.   

 2.2.Tecnologias Assistivas

O termo Tecnologia Assistiva (TA), diz respeito à tecnologia  utilizada  na construção de uma  ferramenta computacional. TA é utilizada para identificar todo o conjunto de recursos e serviços que  contribuem   para   proporcionar   ou   ampliar   habilidades   funcionais   de   pessoas   com   deficiência   e  consequentemente promover vida independente e inclusão. 

Para as pessoas sem deficiência, a tecnologia torna as coisas mais fáceis. Para as pessoas  com deficiência, a tecnologia torna as coisas possíveis (RADABAUGH, 1993).

Segundo o instituto American with Disabilities Act (ADA, 1994), a TA envolve uma ampla  gama   de   equipamentos,   serviços,   estratégias   e   práticas   concebidas   e   aplicadas   para   minorar   os  problemas funcionais encontrados pelos indivíduos com deficiências (COOK & HUSSEY, 1995).

Tecnologia Assistiva deve ser então entendida como um auxílio que promoverá a ampliação de  uma habilidade funcional deficitária ou possibilitará a realização da função desejada e que se encontra  1 The European Design for All e­Accessibility Network ­ EDeAN é uma rede 160 organizações da União Européia. O 

impedida por circunstância de deficiência ou pelo envelhecimento. Podemos então dizer que o objetivo  maior da TA é proporcionar às pessoas com deficiência uma maior independência, qualidade de vida e  inclusão social, através da ampliação de sua comunicação, mobilidade, controle de seu ambiente,  habilidades de aprendizado e trabalho (BERSCH, 2008).  O conceito proposto no documento Empowering Users Through Assistive Technology (EUSTAT,  1998), elaborado por uma comissão de países da União Européia traz incorporado ao conceito da  tecnologia assistiva as varias ações em favor da funcionalidade das pessoas com deficiência afirmando:

…   em   primeiro   lugar,   o   termo   tecnologia   não   indica   apenas   objetos   físicos,   como  dispositivos   ou   equipamento,   mas   antes   se   refere   mais   genericamente   a   produtos,  contextos organizacionais ou modos de agir, que encerram uma série de princípios e  componentes técnicos (EUSTAT, 19982_). Já os documentos de legislação nos Estados Unidos apresentam a TA como recursos e serviços  sendo que: Recursos são todo e qualquer item, equipamento ou parte dele, produto ou sistema fabricado  em série ou sob­medida utilizado para aumentar, manter ou melhorar as capacidades funcionais das  pessoas com deficiência. Serviços são definidos como aqueles que auxiliam diretamente uma pessoa  com deficiência a selecionar, comprar ou usar estes recursos (ADA, 1994). Além disso, com a evolução da biotecnologia surgiram novas oportunidades para os deficientes  elevarem a sua auto­suficiência a um maior grau, como também para elevar as habilidades de pessoas  normais nas atividades do cotidiano. E com isso a integração do homem com a máquina tornou­se cada  vez mais comum, fazendo da biotecnologia um vasto campo de pesquisa nas mais diversas áreas. Uma  delas é a comunicação do indivíduo com o computador através das interfaces humano­computador  (IHCs). Hoje em dia, facilmente encontramos bons exemplos de dispositivos IHC, em aparelhos para  audição, visão e locomoção. 2 EUSTAT, um estudo realizado no período entre 1997­99 com Programa de Aplicações Telemáticas da European  Commission, endereçada as necessidades educacionais dos usuários finais da AT.  Ela introduziu o material educacional  produzido para pessoas com deficiências física, parentes e assistentes pessoais. Mais informações no site:  http://www.siva.it/research/eustat/index.html

 2.3.

 

Interfaces Humano­Computador (IHCs)

Atualmente as IHCs existentes, em sua maioria, são de natureza mecânica, e isto significa que a  comunicação da informação de e para os computadores está limitada às capacidades individuais dos  dispositivos de entrada e saída. Com velocidade de digitação de 50 palavras por minuto e uma taxa de  leitura de 300 palavras por minuto, a taxa de transmissão da informação entre uma pessoa e um  computador   é   bastante   baixa   quando   comparamos   a   comunicação   entre   interfaces   computacionais  (BIMBER, 2008). 

Avançadas técnicas em IHC, como o reconhecimento de voz, estão claramente ampliando este  estreito canal que é a comunicação entre o homem e a máquina, para então  facilitar e intensificar o  aprendizado   do   indivíduo   deficiente   ou   não.   Existem   também   outros   estudos   recentes   sobre  comunicação direta com o cérebro, afim de evitar a maior parte das atividades fisiológicas e motoras do  ser humano para realização das suas tarefas no dia a dia. E vislumbrando até por um momento, que  todos os obstáculos e requisitos no processamento das atividades sejam desconsiderados, poderemos no  futuro alcançar a velocidade do pensamento quando desejarmos nos comunicar com as máquinas, os  computadores (BIMBER, 2008). 

Com   o   objetivo   de   encontrar   novos   caminhos,   as   interfaces   humanas   computacionais  introduziram alternativas completamente novas na comunicação do homem com a máquina. As IHCs  dão suporte às pessoas com deficiências físicas para que elas possam controlar mentalmente suas  próteses e outras interfaces em geral tais como um controle remoto de TV, luzes e rádios.  As IHCs também oferecem novas e promissoras técnicas em reabilitação neurológica e jogos. É  possível até que em meados do século XXI, seja possível fazer downloads do conteúdo do cérebro  humano para um supercomputador. Com esta afirmação a replicação e a mudança consciente de estados  mentais podem ser implicadas de tais capacidades, tal que a reabilitação de um deficiente seja possível  (BIMBER, 2008).

As   tecnologias  por   trás   destas   interfaces   computacionais   são   realmente   excitantes   e  desafiadoras. Contudo, o caminho para alcançar o controle mental ainda está cheio de  obstáculos  à  serem vencidos. Existem muitas questões ainda sem resposta, como por exemplo: Como os sinais  cerebrais podem ser captados sem intervenções invasivas e de forma eficiente. Como processar e  interpretar estes sinais.

Os   fundamentos   e   limitações   da   leitura   e   análise   dos   sinais   cerebrais   serão   descritos   nos  próximos capítulos, como vários tipos de respostas neurológicas analisadas em tempo real através de  múltiplos  estágios  de  processamento. Estas respostas  neurológicas podem  ser  combinadas com  as  interfaces cérebro­computador (ICC). O aprendizado de máquina e a mineração multidimensional de  dados são os elementos chave na interpretação dos sinais cerebrais (BIMBER, 2008; CICHOCKI,  2008).

 3. INTERFACES CÉREBRO­COMPUTADOR (ICCs)

Em 1929, o cientista Hans Berger, anunciou sua descoberta de que era possível gravar os  impulsos   elétricos   do   cérebro   e   mostrá­los   graficamente   no   papel   utilizando   aparelhos   de  eletroencefalogramas (EEG). Ele  também descobriu que estes impulsos elétricos mudavam de acordo  com a atividade cerebral, durante o sono, sob sedativos, com deficiência de oxigênio, e em certas  disfunções cerebrais como por exemplo a epilepsia. Inicialmente ele não foi tratado com a devida  importância, mas com o passar do tempo sua descoberta se fundamentou e ganhou força para que hoje  viesse a ser conhecida como neurofisiologia clínica. (VIDAL, 1973).  Figura 3.1: Sinais EEG (FONTE: MILLáN; RENKENS; MOURIñO, 2004)

O  desenvolvimento desta área tem obtido bastante sucesso desde então, e nos dias de hoje  existem   inúmeras   possibilidades   de   uso   nos   mais   diversos   campos,   tais   como   o   controle   de  computadores através do pensamento e o treinamento de alto desempenho. Um sistema que permite uma comunicação direta entre o cérebro do indivíduo e o computador,  uma ICC consiste em um sistema de comunicação e controle que utiliza sinais cerebrais elétricos,  magnéticos ou hemodinâmicos para controlar dispositivos eletrônicos, tais como: próteses neurais,  cadeiras de roda, ou computadores. Ela independe de qualquer atividade neuromuscular controlada, ou  seja, não existe atividade motora e as intenções de movimento do usuário são transmitidas através do  pensamento.  Fig. 3.2: Modelo de um sistema que utiliza ICC (FONTE: WOLPAW; BIRBAUMER, 2005) O propósito de uma ICC é identificar e classificar as intenções do usuário através da observação  e   análise   da   atividade   cerebral   sem   a   dependência   dos   sinais   musculares   ou   nervos   periféricos  participantes   da   atividade   motora   do   indivíduo,   deixando   para   a   máquina   esta   responsabilidade.  

Consequentemente, uma ICC estabelece uma interação em tempo real entre o indivíduo e o  mundo externo através do computador. Uma interação que corresponde ao uso direto de sinais cerebrais  para enviar comandos mentais à um sistema automatizado tal como um robô, uma prótese, ou o cursor  do mouse numa tela de computador. As interfaces cérebro­computador tem se mostrado uma área de 

pesquisa bastante promissora com grandes e intensos avanços. Desde o seu surgimento na década de  setenta  até  os  dias  de hoje  com  alguns protótipos  já  construídos  e  disponibilizados  para  testes  e  demonstrações.

Nestes protótipos, o usuário recebe continuamente um retorno pela interface computacional, que  reflete o estado ou operação em que o dispositivo eletrônico se encontra, e com este retorno ele pode  tomar decisões e modificar a suas intenções subsequentes, expressadas em sinais cerebrais. A este  processo dá­se o nome de Neurofeedback ou Neuroresposta (VIDAL, 1973). Por exemplo, se uma  pessoa   utiliza   uma   ICC   para   realizar   determinada   ação   controlando   os   movimentos   de   um   braço  mecânico de um robô, a cada passo no movimento do braço mecânico o usuário poderá corrigir ou dar  continuidade ao movimento até completar toda a tarefa. A ICC transforma sinais eletrofisiológicos produzidos no cérebro humano em comandos que  controlam dispositivos e aplicações de acordo com um protocolo específico. Este protocolo determina  como esta transformação deve ser realizada. Olhando sob a perspectiva da engenharia de software, o  tipo do sinal de entrada numa ICC e o modo de operação ou modus operandi são de interesse particular.  O   tipo   do   sinal   de   entrada   é   caracterizado   pelo   registro   de   estados   mentais   através   de  eletroencefalogramas, sinais EEG. O modo de operação pode ser síncrono ou assíncrono. No modo de  operação síncrono, a atividade mental deve ser realizada em uma janela de tempo pré­estabelecida  seguindo um estímulo visual ou auditivo. O período de tempo em que o usuário possui controle efetivo da ICC, produzindo um estado  mental específico, é determinado pelo sistema. E o processamento de dados é limitado à este período de  tempo fixado, ou seja, o sinal EEG é divido em intervalos de tempo alinhado a estímulos externos  previamente determinados e repetidos, e a resposta da ICC é a decisão média sobre este período  (VIDAL, 1973). Interfaces cérebro­computador baseadas em métodos EEG síncronos são limitadas a uma baixa  capacidade de transmissão por canal, onde cada canal corresponde à um eletrodo posicionado em  regiões determinadas do escalpo. A maioria dos sistemas existentes tem uma capacidade de resolução  por canal abaixo de meio bit por segundo, 0.5 bits/s (MILLáN; RENKENS; MOURIñO, 2004).  Uma  das principais razões para a baixa largura de banda na utilização de protocolos síncronos é a sobrecarga  gerada no sistema para sincronizar a comunicação entre ambos, a máquina e o indivíduo.

Os protocolos síncronos facilitam a análise dos sinais EEG, pois o tempo inicial de começo dos  estados mentais é precisamente conhecido e as diferenças de contexto da atividade EEG podem ser  amplificadas.   Infelizmente,   os   sistemas   ICC   que   utilizam   protocolos   síncronos   normalmente  reconhecem somente dois estados mentais, independentemente do número de eletrodos de onde o sinal  EEG é medido. A maioria das ICCs, atualmente, utilizam o modo de operação síncrono  (MILLáN;  RENKENS; MOURIñO, 2004).

Em contrapartida, o modo de operação assíncrono, permite ao usuário decidir quando uma  operação   deve   ocorrer   independentemente   de   algum   estímulo   externo.   Isto   implica   em   não  determinarmos previamente a janela de tempo reservada a intenção do movimento, e consequentemente  é necessária uma análise contínua do sinal cerebral, tornando o processo mais custoso. As técnicas e os  sistemas que os utilizam, analisam os sinais EEG de forma contínua para determinar o estado mental do  indivíduo, que pode voluntariamente mudar seu estado mental em qualquer momento sem aguardar por  estímulos   externos.   Com   a   melhora   no   tempo   de   resposta   e   o   melhor   desempenho   de   uma   ICC  assíncrona, podemos obter uma capacidade teórica maior de transmissão do canal de um bit e meio por  segundo, 1,5 bits/s (MILLáN; RENKENS; MOURIñO, 2004). Cabe enfatizar neste momento, que estamos lidando com a intenção do usuário e não a ação do  mesmo. Ou seja, o indivíduo pensa em levantar a mão esquerda e a análise é feita com os sinais  cerebrais anteriores ao movimento e a efetiva ação é deixada para a máquina realizar. O planejamento,  construção e funcionamento de uma ICC está divido em três grandes blocos ou fases: aquisição do  sinal, processamento do sinal e apresentação ou  interface de aplicação. A fase de processamento do  sinal,   por   sua   vez,   é   dividida   em   três   etapas:   pré­processamento,   extração   de   característica   e  classificação do sinal. Estas são as principais divisões em um sistema ICC, que também determinam as  principais características de sua arquitetura, bem como os algoritmos utilizados. 

Figura 3.3: Fases de uma ICC (FONTE: PFURTSCHELLER; GRAIMANN; NEUPER, 2006)

 3.1. Aquisição do Sinal

Hans  Berger demonstrou a possibilidade de registrarmos a atividade cerebral de forma não  invasiva ao cérebro humano, através de eletrodos conectados ao couro cabeludo ou escalpo. Desde  então, uma enorme quantidade de dados, sinais cerebrais, tem sido coletados pelos cientistas, cobrindo  uma variedade enorme de condições e eventos neurais. E mais recentemente adotou­se o uso extensivo  do computador na aquisição e processamento destes sinais cerebrais para análise (VIDAL,1973). Para a aquisição, ou leitura dos sinais cerebrais existem dois métodos utilizados numa ICC: o  método não­invasivo, onde o sinal é gravado, utilizando aparelhos de eletroencefalograma (EEG), com  sensores   presos   ao   couro   cabeludo   do   indivíduo;   e   o   método   invasivo,   com   aparelhos   de  eletrocorticogramas (EcoG), onde os sensores ou eletrodos são colocados na superfície  do córtex  cerebral ou na região interna, intra­cortical (VIDAL,1973).  Algumas tecnologias de monitoramento do cérebro já existentes tem sido testadas na pesquisa  em ICC com o objetivo de levantamento de dados: Eletroencefalografia (EEG), Magnetoencefalografia  (MEG), Ressonância Magnética Funcional por Imagem (RMFI), Espectroscopia Infravermelho (EI),  Eletrocorticografia (EcoG), entre outras. Contudo, os pesquisadores em ICC tipicamente dependem de  Eletroencefalogramas   (EEG)   para   a  caracterização   de   atividades   cerebrais.   Os   EEGs  são  os   mais 

usados devido à serem exames não invasivos, facilmente portáveis, e passíveis de serem utilizados em  quase   todos   os   ambientes,   além   de   possuírem   um   excelente   tempo   de   resolução   (CICHOCKI;  WASHIZAWA; RUTKOWSKI, 2008)

Já os MEG, RMFI e EI fazem, parte do método invasivo. Tecnologias massivas com custos  bastante   elevados,   elas   não   podem   ser   distribuídas   como   serviço   ambulatorial   ou   sistemas   ICC  portáteis.   Além   disso,   elas   não   mensuram   as   atividades   neurais   diretamente,   dependendo  alternativamente de conexões hemodinâmicas, sanguíneas, entre a atividade neural e as mudanças  regionais   no   fluxo   de   sangue.   Consequentemente,   a   maioria   dos   promissores   sistemas   ICCs   que  exploram sinais cerebrais são os que utilizam eletroencefalogramas para identificar as intenções do  indivíduo. (VIDAL, 1973)

Ondas cerebrais registradas do couro cabeludo, demonstram uma grande variância. Isto reflete o  enorme   número   de   parâmetros   que   influenciam   a   sua   leitura.   Contudo   existem   características  predominantes   em   grupos   de   onda   que   podem   ser   de   alguma   forma   previsíveis:   em   relação   à  localização do eletrodo; em relação ao estado mental do indivíduo; e à presença e o tipo de estímulo  sensorial. Algumas destas características são prontamente identificáveis. Bons exemplos são bastante  conhecidos  pela sociedade tais como: os padrões cerebrais do sono, os efeitos de  barbitúricos, o  reconhecimento de atividade alfa e o fenômeno de bloqueio 

alfa (VIDAL, 1973). 

A principal fonte de potencial elétrico do escalpo é a  atividade elétrica gerada no córtex cerebral, que consiste na  superfície   ou   camada   externa   do   cérebro,   abaixo   do   couro  cabeludo com 5 milímetros de espessura. O córtex cerebral é  uma fina camada de massa cinzenta contendo células nervosas,  os neurônios (VIDAL, 1973). O córtex cerebral é a estrutura  principal   do   cérebro   responsável   pela   memória,   atenção,  percepção, pensamento, raciocínio, linguagem e consciência.

Figura 3.4: Camadas do córtex cerebral (FONTE: WOLPAW; BIRBAUMER, 2005)

Os neurônios são células de formato piramidal, que possuem os chamados dentritos apicais, que  são longas membranas tubulares que se estendem até a superfície do córtex e se ramificam 

lateralmente. O resultado de milhares de dentritos apicais entrelaçados é uma finíssima, porém densa  superfície chamada de matéria branca, onde os dentritos adjacentes estão todos interconectados. Estes  dentritos são conectores eletrolíticos que propagam campos elétricos para o corpo do neurônio. Eles  eventualmente disparam impulsos nervosos através da despolarização de sua membrana nervosa. O  impulso então se propaga polarizando uma membrana mais interna do neurônio, chamada axônio, que  por sua vez se conecta ao dentrito de um outro neurônio adjacente (VIDAL, 1973).  Figura 3.5 Neurônios e seus componentes (FONTE: Módulo de Estudos VI ­ Colégio Antônio Vieira, 1999) Os potenciais elétricos observados são gerados principalmente nos dentritos apicais e no corpo  dos neurônios. Eles correspondem a alternadas polarizações e despolarizações que ocorrem de forma  síncrona dentro das células. Correntes elétricas são formadas nos espaços extracelulares e funcionam  como canais de comunicação entre neurônios internos e externos no córtex. É importante salientar que  potenciais elétricos pós­sinápticos podem ser produzidos por qualquer outro impulso nervoso gerado  por algum neurônio nas  vizinhanças  de um eletrodo, ou seja, impulsos de regiões diferentes podem  gerar estímulos em outras regiões (VIDAL, 1973). 

Com isso constatamos a relação direta que existe entre o disparo elétrico de um neurônio e os  sinais   EEG  registrados.   O  sinais   EEG   ocorrem   mesmo   quando   todas   as  células   relacionadas  não  disparam impulsos elétricos, eles ocorrem devido a propagação de sinais emitido por outros neurônios  adjacentes. Estes eventos caracterizam a presença de sinais cerebrais espontâneos (VIDAL, 1973). 

Esta atividade cerebral espontânea e contínua, tem baixo potencial elétrico, e de alguma forma é  harmônica em sua natureza. A análise destes padrões harmônicos tem atraído bastante a atenção dos 

cientistas para a pesquisa e estudo dos sinais cerebrais (VIDAL, 1973).  O tecido do córtex tem uma tendência a oscilar harmonicamente, na ausência de algum estímulo  externo, e ao isolar pequenas regiões do tecido do córtex, verifica­se a redução ou extinção da atividade  espontânea, sem afetar as atividades provocadas por estímulos próprios (VIDAL, 1973).  Na leitura do sinal elétrico, a análise das oscilações preservadas que são observadas no cérebro  intacto, refletem uma função de marca­passo mediada provavelmente pela região cerebral do tálamo.  Ou   seja,   os   sinais   harmônicos   podem   conter   informações   irrelevantes,   de   interferência,   que  simplesmente foram retransmitidas pelos neurônios ao longo da rede (VIDAL, 1973). 

A   idéia   principal   é   a   compreensão   de   que   tecidos   nervosos   inativos   geram   e   transmitem  oscilações espontâneas ou sinais harmônicos, e de que a atividade ou o comprometimento para uma  função ativa, deste mesmo tecido nervoso, gera oscilações aleatórias dessincronizadas. Além disso, a  presença ou ausência de determinados sinais harmônicos em uma leitura EEG reflete, a grosso modo,  as diferenças dos estados cerebrais, tais como o sono, ou o despertar (VIDAL, 1973).

As   mudanças   na   frequência   do   sinal   elétrico   estão   mais   relacionadas   ao   equilíbrio   entre  sincronia e assincronia celular, do que à informação do conteúdo específico do sinal.  Ou seja, se as  oscilações dos sinais elétricos cerebrais forem registradas com uma resolução adequada, eles podem  indicar “onde” a ação está localizada, mas não “o quê” significa a ação (VIDAL, 1973). A análise das formas de onda, em contraste com a análise de características de oscilações são  específicas, localizadas e correspondem bem à superposição de potenciais elétricos pós­sinápticos.  Desta forma,  parece que  a decodificação da “informação código”  existente nas ondas EGG devem ser  enxergadas como formas ou padrões de ondas específicos gerados num espaço de tempo. Estes padrões  são chamados potenciais evocados (VIDAL, 1973).  Uma luz, um som, ou até um suave toque na pele gera nos correspondentes sensores corticais  visual,   auditivo   e   táctil   uma   resposta   elétrica   exposta   na   superfície   do   córtex,   com   um   formato  característico de onda aperiódica, de duração aproximada de um segundo e meio, que se encontra  mergulhada em outros sinais devido a contínua atividade cerebral. Em geral, os estímulos repetidos e as  medidas no formato de onda, tem sido usadas na obtenção das respostas provocadas. Quando lidas  diretamente da superfície do córtex, as respostas são formadas por ondas com formato positivo ou  positivo­negativo variando a complexidade do sinal (VIDAL, 1973).  As ondas na superfície do córtex refletem a contribuição síncrona dos potenciais pós­sinápticos 

numa   grande   quantidade   de   neurônios   na   vizinhança   do   eletrodo.   A   parte   positiva   da   resposta   é  atribuída à atividade nas camadas mais internas do córtex. Enquanto que a parte negativa da resposta  representa uma despolarização de dentritos apicais superiores (VIDAL, 1973). Os neurônios corticais estão distribuídos em camadas, cada camada em uma dada região com  uma função particular de integração. Na região interior do córtex, as células nervosas sobrepostas  parecem servir à várias sub­funções para uma determinada modalidade sensorial. Após alguns estudos  avançados foi descoberto que o córtex cerebral possui uma organização colunar compartimentada de  funções.  Embora,   os  cientistas  ainda   não  conseguiram   desvendar   uma   estrutura   de  conexão   entre  neurônios que seja responsável por esta organização. Até agora o que se pode afirmar é que, em algum  ponto, existe alguma evidência experimental nas áreas visual e somato­sensorial com uma pequena  extensão no córtex auditivo, para comprovar esta organização (VIDAL, 1973). Função e modalidade variam com a posição cortical, por exemplo, em determinados pontos do  córtex visual de um gato, células simples respondem especificamente à uma linha de estímulo dando as  orientações na retina. Ou seja, regiões bem definidas do cérebro são responsáveis por gerar sinais  cerebrais característicos a determinada função ou modalidade. E estas especificidades funcionais em  relação às regiões corticais são registradas em eletroencefalogramas EEG (VIDAL, 1973). 

Estímulos  sensoriais de uma  determinada modalidade tem  o poder de dessincronizar  áreas  localizadas da superfície do córtex. Consequentemente, muitas funções de extração de características  são   mapeadas   na   superfície   do   córtex,   cada   diferente   estímulo   com   seu   conjunto   específico   de  características provocará assinaturas elétricas singulares na superfície cortical como também, porém de  forma mais difusa, no couro cabeludo (VIDAL, 1973). 

Figura 3.6: As regiões do cérebro humano (FONTE: ISLAM­GUIDE.COM, 2009)

No momento é possível demonstrar que a observação de figuras com linhas verticais e figuras  de conjuntos de círculos produzem diferentes formatos de onda nos sinais cerebrais. De fato, nos  variados   formatos   de   onda   largamente   demonstrados,   há   a   presença   de   claras   correlações   de  modalidades entre estímulos sensoriais (VIDAL, 1973). As assinaturas elétricas provocadas no córtex cerebral incluem mais do que um reflexo do  conteúdo dos estímulos. De fato somente a porção inicial parece estar relacionada, enquanto que a parte  posterior (100 milisegundos adiante) está relacionada à complexas integrações de estímulos tais como  percepção e significado  (VIDAL, 1973).  Desta forma, a aquisição do sinal é caracterizada pela leitura do sinal realizada. A informação é  transformada   em   bits   e   transmitida,   para   ocorrer   então   o   processamento   do   sinal,   onde   serão  classificados, interpretados e traduzidos, utilizando metodologias e algoritmos. Alguns deles serão  descritos na implementação deste projeto.

As estratégias tradicionais que utilizam o computador para analisar dados EEG refletem a  básica   distinção   entre   os   sinais   intermitentes,   e   os   sinais   de   curta   duração   que   consistem   em 

interrupções do sinal EEG e constituem as respostas provocadas por breves estímulos. Para estudiosos e  pesquisadores o arcabouço de sinais cerebrais e seus conceitos tais como formato de onda e densidade  espectral tem sido bastante aplicados nas pesquisas. As práticas atuais de processamento de sinais  variam de uma simples medida do formato de onda até as várias expansões de equações funcionais, tais  como as clássicas equações de Gauss e Fourier (VIDAL, 1973).  Alguns estudos típicos endereçados aos sinais contínuos estão listados a seguir: Descrição dos  vários estados de consciência em candidatos; Classificação das diferentes fases dos jogos de memória e  reflexo aplicado em chimpanzés, incluindo as decisões certas e erradas; Casamento entre estruturas  cerebrais e os sistemas visual e auditivo. Além disso, pesquisas são realizadas na identificação de  comportamento altista em crianças; distinção entre rituais psicóticos; comportamentos considerados  normais   em   adultos   com   doenças   crônicas;   a   utilização   de   substâncias   psicoativas   como   drogas  alucinógenas e estimulantes também são objetos de estudo (VIDAL, 1973).

As ferramentas básicas que produziram estas diferenciações em decomposição de espectros,  algumas vezes seguidas por análise de discriminantes, requerem o experimento de períodos de onda  EEG de tamanhos variados, geralmente em torno de 10 segundos. Além da correlação subsequente da  medida de parâmetros EEG com a correspondente sequência de comportamentos assumidos pelos  indivíduos.   Estes   estudos   tem   demonstrado   que   algumas   mudanças   nos   sinais   EEG   podem   ser  detectadas pela metodologia espectral. Na sua presente forma porém, estes métodos tem produzido  resultados   erráticos,   dificultando   a   interpretação   do   sinal   observado,   pois   os   próprios   métodos  tradicionais   de   análise   de   frequência   destroem   informações   sobre   a   sequência   temporal   dos  componentes EEG (WOLPAW; BIRBAUMER; PFURTCHELLER; VAUGHAN, 2002).  Nos sinais EEG contínuos, as respostas provocadas são pertubações curtas no sinal, (0.5­2 seg.),  períodos de duração de um estímulo, ou de algum evento neural ou comportamental bem definido.  O  tempo de duração deste evento, isto é, a presença do estímulo, consequentemente é parte real e integral  do dado a ser lido. Contudo, temos o problema para identificar um formato de onda de resposta e  determinar como ele varia com o experimento que assume para serem os parâmetros do estímulo.  Algumas vezes isto é simplesmente feito com inspeções visuais, mas o enfoque matemático natural ao  problema, comum em sinais finitos de energia, é baseado na expansão do formato de onda em uma  função espacial com algumas escolhas especiais em suas funções básicas (WOLPAW; BIRBAUNER;  PFURTCHELLER; VAUGHAN, 2002).

Representações Ortogonais tem sido utilizadas pelos cientistas tais como conjuntos de curvas  sinusóides amortecidas. Outros cientistas utilizaram um conjunto de curvas Gaussianas  alinhadas por  fases de picos no formato de onda, com o primeiro componente correspondente ao maior pico de onda.  Ambas a técnicas matemáticas de observação do sinal contém elementos heurísticos que podem ser  evitados   utilizando   expansões   de   Karhunen­Loeve3_{,   na   qual   as   funções   básicas   não   são   pré­}

estabelecidas, mas onde o primeiro componente é construído levando em conta a variância máxima nos  dados e componentes adicionais para porções extras das variâncias remanescentes. O método chamado  de “Método de Análise Principal”, é equivalente à expansão de Karhunen­Loeve (VIDAL, 1973). 

Em todos os estudos acima, o dado original é obtido da análise de várias amostras de sinal de  resposta,   na   tentativa   de   eliminar   o   ruído   causado   pelas   interferências   obtidas   de   outros   sinais   e  artefatos. Os vários fatores que fogem ao controle experimental, não afetam a atividade cerebral. Esta  técnica de medida tem frequentemente sido aplicada para eliminar os efeitos das atividades paralelas  que interferem o sinal (VIDAL, 1973).  Modelos matemáticos de respostas foram criados, mas os coeficientes de expansão obtidos  numa única tentativa mostrou que uma simples tentativa de classificação era possível e que diferem  substancialmente entre os modelos. Determinados pontos no tempo são escolhidos através de análise de  discriminantes que permitem resultados satisfatórios. Em seguida, a classificação de um simples sinal  de resposta é baseado nos mesmos pontos, ignorando todos os outros. Quando ambos componentes e  discriminantes são aplicados é descoberto que os pontos escolhidos aparentam possuir uma relação  simples   de   picos   nos   principais   componentes   da   onda,   e   consequentemente   talvez   existindo   uma  correlação matemática entre os dois métodos (VIDAL,1973).

Essa correlação surge para  elucidar os meios com que os sinais sensoriais de entrada ou os  comportamentais   de   saída   são   representados   ou   codificados.   É   observado   que   os   eventos   neurais  coexistem com estímulos e comportamentos. No final, todos os dados são examinados para verificar a  relação entre atributos arbitrários de evento e estímulo. As relações significativas são consideradas  como   resultado   válido.   O   dado   disponibilizado   do   estudo   oferece   uma   boa   esperança   de   que   as  variações   detectadas   nos   sinais   cerebrais   forneçam     indicadores   confiáveis   de   estados   cerebrais  (VIDAL, 1973). 

3 Expansões de Karhunen­Loeve. são cálculos efetuados para representar um processo estocástico como uma combinação  linear finita de funções ortogonais. Este processo é análogo as representações das séries de Fourier para intervalos  determinados

Contudo,   existe   uma   grande   variância   do   resultados   obtidos   devido   à   algumas   razões.   O  estímulo de entrada detectado é sempre incompleto e os atributos são desconhecidos, assim como as  muitas   possíveis   influências   indiretas   e   concomitantes   elicitadas   pelo   artefato   são   capazes   de  influenciar as saída neural. Além disso, o estado do cérebro é desconhecido no momento em que o  estímulo se apresenta. Numa linguagem técnica, em engenharia, diz­se que o sistema tem condições  inciais   indefinidas.   E   mesmo   quando   qualquer   informação   de   estado   cerebral   está   disponível  geralmente é ignorada (VIDAL, 1973).  Uma nova técnica experimental com os sinais cerebrais surgiu nos últimos anos, chamada de “O  condicionamento operante de eventos neurais”, ela ameniza alguns deste problemas, além de trazer uma  nova perspectiva para o campo de pesquisa. A característica chave deste método é a utilização do  próprio evento neural como parâmetros de referência, enquanto é dado ao indivíduo cobaia uma largo  período para comportamento arbitrário, do qual ele pode escolher o mais fácil ou mais efetivo meio de  reforçar o evento. A técnica tem sido aplicada em ambos os tipos de sinais cerebrais, EEG espontâneos  e EEG provocados. É sugerido que o uso de paradigmas como este produza resultados confiáveis com  correspondências   estáveis   entre   eventos   periféricos   (estados   comportamentais)   e   os   potenciais  neuroelétricos   escolhidos.   É   também   proposto   que   esta   seja   uma   relação   natural   assim   como   é  selecionada naturalmente pelo indivíduo (VIDAL, 1973). 

O método mostra uma eficiência tremenda no aumento da confiabilidade das repostas neurais.  No momento, estudos de potencias elétricos de sinais detectados no escalpo são realizados. Uma  melhora   dobrada   foi   obtida   na   frequência   com   que   ocorre   um   potencial   elétrico   arbitrariamente  selecionado   na   resposta   ao   estímulo   provocado.   Normalmente,   um   evento   raro   é   arbitrariamente  selecionado no sinal de resposta e reforçado até que se torne associado na maioria do tempo com o  estímulo provocado (VIDAL, 1973).

A função emergente do condicionamento operante de eventos neurais sugere que ela abra novas  possibilidades,   com   a   construção   de   uma   ferramenta   de   investigação   em   neurofisiologia   e  neuroanatomia.   Um  caminho  para   o  controle   de  processos  cerebrais,  centrais  (estados  internos)  e  periféricos (estados comportamentais). Como um processo para ser estudado com relação ao fenômeno  de aprendizagem; e além do mais, a ser tratado com uma perspectiva para uma outra função: a de  controle sobre processos externos, tais como computadores e dispositivos prostéticos (VIDAL,1973). 

um elaborado processamento do sinal após a sua captura, devido a sua baixa magnitude, resultante da  grande interferência do meio externo, tais como: artefatos físicos, distorções e ruídos.

 3.2. Processamento do Sinal

O processamento do sinal EEG é necessário em qualquer ICC para solucionar os problemas  causados pela baixa intensidade do sinal EEG, do inglês: signal­to­noise­ratio (SNR). Neste contexto o  ruído envolve interferências no sinal EEG registrado, que podem deteriorar o desempenho de um  sistema   ICC.   Ruído   refere­se   desde   padrões   de   sinais   bioelétricos   que   não   são   utilizados   na  comunicação em um sistema ICC, tais como: o movimento dos olhos, a atividade eletromiográfica4_, até 

as interferências causadas pelos artefatos chamadas de interferências de linha, a cinquenta e sessenta  hertz (50­60Hz) (PFURTSCHELLER; GRAIMANN; NEUPER, 2006). 

Uma SNR pode ser facilmente otimizada se os padrões dos sinais e ruídos não sobrepõem­se  nos domínios de tempo e frequência, Em caso positivo, técnicas avançadas de processamento de sinal  devem ser aplicadas para  solucionar  o problema. A fase de processamento do sinal  numa  ICC é  subdivida em três etapas básicas: pré­processamento, extração de característica e classificação do sinal.  O limite conceitual entre estas etapas é arbitrário. Muitas vezes elas se sobrepõem ou se completam  dependendo do contexto de funcionamento da interface. Desta forma, por exemplo, um classificador  ideal   pode   não   precisar   de   ajuda   de   sofisticados   métodos   de   pré­processamento   e   extração   de  característica. Além do mais,   ambas etapas são frequentemente consideradas como uma única no  processo de reconhecimento de padrões. A distinção entre as duas porém, é útil por razões práticas e  não teóricas (PFURTSCHELLER; GRAIMANN; NEUPER, 2006).   Pré­processamento é o primeiro componente da fase de processamento de sinais. O objetivo da  tarefa de pré­processamento é melhorar a qualidade dos sinais eletrofisiológicos. Ela inclui métodos de  redução de ruídos causados por artefatos, e métodos avançados de processamento que podem ser  usados para aumentar a SNR total dos sinais (PFURTSCHELLER; GRAIMANN; NEUPER, 2006).   Após o pré­processamento, o sinal é submetido à etapa de extração da característica, cujo  objetivo   deste   componente   é   encontrar   uma   representação   dos   dados   (características   do   sinal),  previamente processados que simplifique o trabalho para a subsequente etapa de classificação do sinal  4 Eletromiografia (EMG). Instrumento de análise da atividade muscular do corpo humano através do sinal elétrico que 

num determinado padrão de sinal cerebral. Isto é, as características do sinal devem representar as  pretendidas mudanças dos padrões elétricos cerebrais, mas não devem conter ruídos ou outros padrões  que   possam   impedir   o   processo   de   classificação.   O   classificador   atribui   as   características  disponibilizadas pelo extrator às categorias de padrões cerebrais previamente definidas.  A abstração  fornecida pelo procedimento de extração de característica permite o desenvolvimento de uma ampla  classificação   independente   do   domínio   de   tempo   ou   frequência   adotado   pelo   sistema  (PFURTSCHELLER; GRAIMANN; NEUPER, 2006).  

3.2.1. Pré­processamento

Uma filtragem digital simples num domínio temporal ou filtragem espacial simples, tais como:  média   comum   por   referência   ou   superfície   Laplaciana5_{,   são   relativamente   métodos   elementares} 

frequentemente empregados na etapa de pré­processamento. Todavia, existem outros algoritmos mais  sofisticados baseados em métodos estatísticos para construir filtros espaciais e intensificar os sinais  EEG. Basicamente, tais filtros são matrizes que transformam os sinais bioelétricos  em um subespaço  onde a SNR é intensificada ou onde as tarefas de processamento de sinais subsequentes são alcançadas  mais facilmente (PFURTSCHELLER; GRAIMANN; NEUPER, 2006).  Figura 3.7: Transformação de sinais EEG em matrizes (FONTE: MIT PRESS, 2003). Estas transformações podem ser descritas matematicamente por equações de matrizes: 5 Superfície Laplaciana. É a superfície derivada dos cálculos de operadores Laplacianos de diferenciação e divergência 

P = W . X (i) 

Onde X é uma matriz de dimensões m por n (mXn), que representa o sinal bioelétrico registrado  em eletrodos. W é uma matriz de transformação de dimensões k por m (kXm), e P é uma matriz de  dimensões k por n (kXn), que representa o sinal transformado. De acordo com as restrições impostas no  processo de transformação, várias transformações lineares podem ser usadas no pré­processamento em  um   sistema   ICC.   As   seguintes   seções   do   texto   fornecem   uma   rápida   introdução   da   análise   de  componentes  principais  (PCA);   análise   de  componentes  independentes  (ICA);   e  padrões  espaciais  comuns (CSP) (PFURTSCHELLER; GRAIMANN; NEUPER, 2006). 

Embora   a   derivação   de   filtros   espaciais   requerida   por   estes   métodos   possa   ser  computacionalmente intensa, ela não apresenta problemas à aplicabilidade destes métodos para os  propósitos de uma ICC de tempo real, devido às derivações serem construídas offline. A aplicação  online então torna­se uma simples multiplicação de matrizes, como indicado em (i), e os requisitos  típicos   para   ICC   de   tempo   real   são   facilmente   satisfeitos   (PFURTSCHELLER;   GRAIMANN;  NEUPER, 2006). 

A   Análise   de   Componentes   Principais   (PCA)   transforma   os   dados   em   componentes   não  correlatos que são alinhados com as direções de variância máxima dos dados de entrada. A matriz de  transformação é composta por vetores próprios6  _{da matriz de covariância}7_{, organizada em colunas e} 

ordenada de acordo com os valores próprios. Ou seja, o primeiro vetor próprio corresponde ao maior  valor próprio, o segundo vetor próprio corresponde ao segundo maior valor próprio, e assim por diante  (PFURTSCHELLER ; GRAIMANN; NEUPER, 2006).   Consequentemente, a projeção dos dados na primeira linha quantifica a maioria da variância dos  dados, e isto faz com que a PCA seja ideal para a redução de dimensão de dados. Além do que é  possível demonstrar o desempenho otimizado da PCA diante do problema. Desta forma a PCA reduz a  complexidade computacional na etapa subsequente de extração de características e reduz o ruído que  pode surgir frequentemente em componentes secundários como também do artefato utilizado. Uma  forma numérica e eficiente de cálculos de PCA é a decomposição em valores singulares. Já existem  alguns estudos na área que investigam a PCA e os métodos secundários relacionados como técnicas de  6 Valores e Vetores Próprios: Em álgebra linear, um escalar   é valor próprio (ou autovalor) de um operador linear A : V­>λ  

V se existir um vector x diferente de zero tal que Ax= x. O vector x é chamado vector próprio. Um λ vector próprio ou  autovetor representa uma direção que é preservada por uma transformação linear. Mais precisamente, seja V um espaço  vectorial sobre um corpo F, e A: V  V uma transformação linear. v é um autovetor quando v não é o vetor nulo e existe→   um escalar   e Av =   v.λ λ

pré­processamento para ICCs. Um deles é a análise de correlação canônica (CCA) entre as matrizes de  transformação (PFURTSCHELLER ; GRAIMANN; NEUPER, 2006). 

Além   da   PCA   existe   também   um   outro   método   chamado   Análise   de   Componentes  Independentes (ICA) que decompõe os dados em componentes independentes estatísticos. Isto implica  que dois sinais estocásticos8 _{são ditos estatisticamente independentes se a combinação das suas funções}  probabilísticas de densidade (PDFs) é igual ao produto das PDFs individuais  (PFURTSCHELLER;  GRAIMANN; NEUPER, 2006). A independência estatística é uma restrição muito mais significativa do que não correlação.  Desta forma, a ICA torna­se mais eficiente do que a PCA e com isso muitos algoritmos baseados em  diferentes   princípios   tais   como   informação   compartilhada   ou   estatísticas   de   alta   ordem   tem   sido  propostos (PFURTSCHELLER; GRAIMANN; NEUPER, 2006). 

A seguinte propriedade da ICA faz dela um método significativo para pré­processamento em  sistemas   ICC:   ICA   separa   multicanais   de   dados   EEG   em   componentes   estáticos   espaciais   e  temporariamente   independentes,   enquanto   que   a   atividade   do   artefato   e   a   atividade   cerebral   são  decompostas em componentes diferentes e podem ser usadas efetivamente para detectar e remover uma  larga variedade de ruídos encontrados na leitura dos sinais EEG. Além do mais, tem sido mostrado que  a ICA é capaz de separar sinais de eventos relacionados, ritmos harmônicos alfa e mu das fontes neurais  EEG. ICA tem sido largamente utilizada na construção de filtros espaciais para pré­processamento em  estudos de ICCs offline (PFURTSCHELLER; GRAIMANN; NEUPER, 2006). Outro método utilizado no pré­processamento dos sinais EEG é chamado Padrões Espaciais  Comuns (CSP). CSP é um método baseado na decomposição de dados multivariados em padrões  espaciais, que são calculados a partir de duas populações de padrões. A transformação linear resultante  maximiza a diferença entre as populações. Diferente dos métodos descritos anteriormente CSP não é  um método sem supervisão. Ele requer que os dados utilizados nos cálculos dos padrões espaciais  sejam divididos em dois grupos, dos quais cada um pertence à um estado mental distinto: tarefa mental  A e tarefa mental B, que serão previamente determinadas. Este cálculo é baseado em diagonalizações  simultâneas   das   duas   matrizes   de   covariância     derivadas   de   ambos   os   grupos   de   dados  (PFURTSCHELLER; GRAIMANN; NEUPER, 2006).