Banca de DEFESA: GABRIEL MIRANDA DE SOUZA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: GABRIEL MIRANDA DE SOUZA
DATA : 25/03/2025
HORA: 14:00
LOCAL: Laboratório de Computação Biomédica
TÍTULO:

Interfaces cérebro-máquina para detecção e classificação de imagética motora em sinais eletroencefalográficos

PALAVRAS-CHAVES:

Aprendizado profundo. Imagética Motora. Eletroencefalografia. Redes Neurais convolucionais.

PÁGINAS: 67
RESUMO:

Pacientes com traumas neurológicos ou deficiências motoras possuem autonomia muito
limitada. Apesar da perda da mobilidade física, sinais cerebrais são gerados em regiões do
córtex quando movimentos são imaginados. Esses sinais podem ser utilizados no controle de
interfaces cérebro-máquina. A Imagética Motora por Eletroencefalografia consiste na aquisição
de sinais de atividade cerebral associados a movimentos imaginados, estimulados por meio de
experimentos onde os movimentos são gradualmente substituídos pela imaginação. As redes
neurais artificiais profundas têm-se mostrado eficazes na resolução de problemas complexos de
classificação, minimizando a necessidade de pré-processamento. Contudo, essas redes tendem
a exigir muita complexidade computacional no treinamento, além de consumir muita memória
em aplicações de tempo real, o que faz com que a autonomia desses sistemas seja limitada.
Este projeto tem como objetivo desenvolver uma arquitetura de rede profunda com complexi-
dade de tempo e de espaço minimizadas e desempenho maximizado de detecção e classificação
de movimentos reais e imaginados a partir de sinais eletroencefalográficos adquiridos de volun-
tários reais. Também será proposta uma metodologia para seleção de características a partir
da seleção dos eletrodos mais relevantes para a detecção dos movimentos reais e imaginários.
A arquitetura será validada por meio do controle de um avatar em um jogo multiplayer de cor-
rida virtual, voltado para pessoas com deficiência motora. Por meio da execução deste projeto
busca-se construir uma arquitetura híbrida baseada em redes profundas e algoritmos evoluti-
vos para extrair características de sinais eletroencefalográficos e classificá-los, minimizando os
tempos de treinamento e execução e o uso de memória. Assim, busca-se gerar uma tecnolo-
gia assistiva não invasiva para controle de dispositivos, para suporte ao desenvolvimento de
tecnologias para reabilitação, como exoesqueletos e jogos sérios para reabilitação.

MEMBROS DA BANCA:
Interna - 3727505 - GISELLE MACHADO MAGALHAES MORENO
Interna - 1202668 - JULIANA CARNEIRO GOMES CASSEMIRO
Interno - 1807632 - WELLINGTON PINHEIRO DOS SANTOS
Externa ao Programa - ***.776.094-** - MAIRA ARAUJO DE SANTANA - UFPE