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 2009.2Iuri 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 . . . .54LISTA 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) . . . 50LISTA DE TABELAS
2.1. Métodos de melhoramentos em usabilidade (FONTE: HOLZINGER,2005) . . . .5 4.1. Estrutura de Diretórios (FONTE: BioSig v. 2.31,2009) . . . 361. 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 maisusados 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, atéas 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 covariância7, 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).