Banca de DEFESA: ROSEMARY FARIAS TENÓRIO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ROSEMARY FARIAS TENÓRIO
DATA : 25/06/2026
HORA: 14:00
LOCAL: Programa de Pós-Graduação Engenharia Biomédica
TÍTULO:

DESEMPENHO DE ABORDAGENS BASEADAS EM GEOMETRIA RIEMANNIANA NA DECODIFICAÇÃO DE PARADIGMAS DE IMAGÉTICA MOTORA EM INTERFACES CÉREBRO-COMPUTADOR QUE UTILIZAM EEG NÃO INVASIVO: Uma revisão sistemática rápida

PALAVRAS-CHAVES:

Interface cérebro-computador (Brain-Computer Interface);Eletroencefalografia (EEG);Imagética motora (Motor Imagery);Geometria riemanniana (Riemannian geometry);Matrizes simétricas positivas definidas (SPD);Revisão sistemática

PÁGINAS: 71
RESUMO:

Resumo da dissertação

Tema e objetivo. A dissertação de Rosemary Farias Tenório (PPG em Engenharia Biomédica, UFPE, 2026) é uma revisão sistemática rápida que sintetiza as evidências sobre o desempenho de classificação de abordagens baseadas em geometria riemanniana, comparadas a métodos tradicionais de aprendizado de máquina, na decodificação de paradigmas de imagética motora (MI) em interfaces cérebro-computador (BCIs) que utilizam EEG não invasivo.

Fundamentação. A introdução contextualiza as limitações do EEG (baixa resolução espacial por condução de volume, sensibilidade a artefatos, não estacionariedade e elevada variabilidade inter- e intrassujeito) e dos pipelines tradicionais — filtragem espacial (CSP, FBCSP) combinada a classificadores lineares (LDA, SVM). O argumento central é que as matrizes de covariância do EEG pertencem ao espaço de matrizes simétricas positivas definidas (SPD), cuja estrutura é não euclidiana; tratá-las pela geometria euclidiana convencional é matematicamente inadequado. A geometria riemanniana, operando diretamente no manifold SPD sob a métrica afim-invariante (AIRM), oferece robustez à variabilidade do sinal — particularmente à condução de volume e às diferenças anatômicas entre sujeitos. São apresentadas as três famílias principais: MDM/MDRM, FgMDM e Tangent Space Mapping (TSM).

Métodos. Adotou-se o formato rapid review (Cochrane Rapid Reviews Methods Group), com relato conforme PRISMA-P 2015. O componente "P" do PICO foi adaptado de "População" para "Sinal/Dados". As buscas (10/02/2026) cobriram IEEE Xplore, Scopus e PubMed/MEDLINE. O traço metodológico distintivo é a "Regra Dura do Comparador": exigência de que pelo menos um método tradicional fosse implementado pelos próprios autores no mesmo experimento, dataset e cenário de validação, descartando comparações cross-paper. A seleção foi conduzida por revisor único, mitigada por dupla triagem temporal independente. Desfecho primário: acurácia de classificação (%).

Resultados. De 169 registros únicos, 11 estudos (2010–2025, concentrados em 2019–2025; China n=6, França n=2) foram incluídos, gerando 27 pares de comparação (25 elegíveis, 24 com dados completos). O BCI Competition IV-2a foi o dataset predominante. Em 21 dos 24 pares (87,5%) as abordagens riemannianas superaram os métodos tradicionais, com delta mediano de +8,82 p.p. (amplitude de −3,60 a +24,00 p.p.). O TSM apresentou o melhor desempenho médio (mediana +10,9 p.p.; 100% de pares positivos), enquanto o MDM/MDRM puro foi heterogêneo (≈57% positivos, concentrando os três deltas negativos). Os ganhos mais expressivos ocorreram em cenários cross-subject (deltas > +16 p.p.), reforçando a vantagem da invariância afim da AIRM na generalização entre sujeitos. O FgMDM esteve completamente ausente como método principal.

Qualidade metodológica. Avaliação por cinco domínios (D1–D5): quatro estudos com risco baixo, quatro moderado e três alto. A limitação estrutural mais grave é a ausência universal de código público (11/11), seguida pelo uso de holdout único, amostras pequenas (mediana de 9 participantes), restrição a tarefas binárias e pela realização de testes estatísticos formais em apenas 3 dos 11 estudos.

Conclusões. A evidência indica desempenho superior ou equivalente das abordagens riemannianas frente aos métodos baseados em CSP, com vantagem mais consistente para o TSM e suas variantes, sobretudo combinadas a transferência de aprendizado/adaptação entre sujeitos. A autora delimita cinco lacunas prioritárias: (1) ausência de avaliação do FgMDM como intervenção principal; (2) déficit de estudos cross-subject/cross-dataset; (3) falta de código aberto; (4) concentração em datasets históricos de pequeno porte; e (5) ausência de avaliação de aprendizado profundo riemanniano (SPDNet, Tensor-CSPNet). Os achados são explicitamente caracterizados como preliminares, dado que 61 registros permaneciam aguardando triagem no momento do corte.

MEMBROS DA BANCA:
Presidente - 1738250 - MARCELO CAIRRAO ARAUJO RODRIGUES
Interna - 2324068 - CRISTINE MARTINS GOMES DE GUSMAO
Externa à Instituição - SHEILA RODRIGUES DE ALBUQUERQUE