BCI 200 EEG SIGNAL ANALYSIS FOR MOVEMENT INTENT CLASSIFICATION: a practical approach.

BCI 200 EEG SIGNAL ANALYSIS FOR MOVEMENT INTENT CLASSIFICATION: a practical approach.

Sampaio, Iuri de Araujo; Pinheiro, Oberdan

Full Article:

A Interfaces Cérebro Computador (ICC) tornou-se um campo vital da engenharia biomédica e da computação, que usa sinais elétricos obtidos de exames de eletroencefalograma (EEG) para fornecer tecnologias assistivas (TA) para humanos. Este artigo apresenta os resultados da análise de intenção de movimento específica de sinais de EEG para extrair as características apropriadas usando técnicas e algoritmos de classificação estatística. As características do EEG em termos de densidade espectral de potência (PSD), centroides espectrais, desvio padrão e técnicas de entropia foram selecionadas e investigadas a partir de dois exercícios mentais diferentes; Os sinais selecionados são classificados usando Análise Discriminante Linear (LDA), Padrões Espaciais Comuns (CSP). A melhor precisão foi alcançada pela densidade espectral de potência. As acurácias desse recurso são de 75% a 99%, dependendo da quantidade e qualidade das amostras de dados coletadas. Por fim, o algoritmo de tradução será construído utilizando recursos de EEG selecionados e classificados para controlar os dispositivos ICM.

Brain Computer Interfaces (BCI) has become a vital field of biomedical engineering and computation, which uses electrical signals obtained from electroencephalogram exams (EEG) to provide assistive technologies (AT) for humans. This article presents the results of analyzing specific movement intent of EEG signals to extract the appropriate features using statistical classification techniques and algorithms. The EEG characteristics in terms of power spectral density (PSD), spectral centroids, standard deviation and entropy techniques were selected and investigated from two different mental exercises; The selected signals are classified using Linear Discriminant Analysis (LDA), Common Spatial Patterns (CSP). The best accuracy was achieved by the power spectral density. The accuracies of this feature are 75% to 99%, depending on the quantity and quality of the data samples collected. Finally, the translation algorithm will be built using selected and classified EEG resources to control the ICM devices.

Palavras-chave: - -

DOI: 10.5151/siintec2022-243236

Referências bibliográficas

• [1]

Como citar:

Sampaio, Iuri de Araujo; Pinheiro, Oberdan; "BCI 200 EEG SIGNAL ANALYSIS FOR MOVEMENT INTENT CLASSIFICATION: a practical approach.", p-60-67. In: VIII International Symposium on Innovation and Technology. São Paulo: Blucher, 2022.
ISSN 23577592, DOI 10.5151/siintec2022-243236