UTILIZACIÓN DE REDES NEURONALES PARA VISUALIZAR E INTERPRETAR DATOS DE ELECTROOCULOGRAMA Y ELECTROENCEFALOGRAMA
Resumen
Las interfaces cerebro-máquina tienen como objetivo integrar a los humanos con las máquinas de manera más directa e íntima. Este trabajo tiene como objetivo demostrar que la lectura de ondas cerebrales es posible a través de la comunicación entre el lenguaje Python y el hardware responsable de la obtención de los datos. El proyecto aborda el hardware de las interfaces cerebrales de la computadora relevantes para los propósitos de este trabajo, brindando un conocimiento de alto nivel al lector sobre de qué se trata la tecnología y cómo funciona, además de citar algunas aplicaciones, y luego dirige su atención al lado del software, demostrando cómo es posible aplicar el conocimiento con el apoyo de tecnologías como Google Collab para el alojamiento de proyectos, la biblioteca MNE-Python para lecturas confiables, Scikit-learn para realizar cálculos de aprendizaje automático, entre otras herramientas.
Biografía del autor/a
Universidade de Araraquara - UNIARA
Universidade de Araraquara - UNIARA
Universidade de Araraquara - UNIARA
Referencias
Hassanien, A.; AZAR, A.; Brain-Computer Interfaces: Current Trends and Applications, Springer International Publishing. 2014. Disponível em: https://link.springer.com/book/10.1007/978-3-319-10978-7?utm_medium=referral&utm_source=google_books&utm_campaign=3_pier05_buy_print&utm_content=en_08082017 Acesso em: 31 de maio de 2022.
GRAIMANN, B.; ALLISON, B.; PFURTSCHELLER, G.; Brain-Computer Interfaces: Revolutionizing Human-Computer Interaction, Springer Berlin Heidelberg, 2010. Disponível em: https://link.springer.com/book/10.1007/978-3-642-02091-9?utm_medium=referral&utm_source=google_books&utm_campaign=3_pier05_buy_print&utm_content=en_08082017 Acesso em: 31 de maio de 2022.
LEITE, S.; Contribuições ao Desenvolvimento de Interfaces Cérebro-Computador Baseadas em Potenciais Evocados Visualmente em Regime Estacionário, Tese de Doutorado, UNICAMP, 2016. Disponível em: http://repositorio.unicamp.br/acervo/detalhe/970748?guid=1654047707563&returnUrl=%2fresultado%2flistar%3fguid%3d1654047707563%26quantidadePaginas%3d1%26codigoRegistro%3d970748%23970748&i=4 Acesso em: 31 de maio de 2022
RAO, R.; Brain-Computer Interfacing: An Introduction, Cambridge University Press, 2013. Disponível em: https://www.cambridge.org/br/academic/subjects/computer-science/artificial-intelligence-and-natural-language-processing/brain-computer-interfacing-introduction?format=HB&isbn=9780521769419 Acesso em: 31 de maio de 2022.
WOLPAW, E.; WOLPAW, J.; Brain-Computer Interfaces: Principles and Practice, Oxford University Press, USA, 2012. Disponível em: https://global.oup.com/academic/product/brain-computer-interfaces-9780195388855?cc=br&lang=en& Acesso em: 31 de maio de 2022.
GIUSEPPE, C.; CIRAC, I.; CRANMER, K.; DAUDET, L.; SCHULD, M.; TISHBY, N.; VOGTMARANTO, L.; ZDEBOROVÁ, L.; Machine learning and the physical sciences, American Physical Society, 2019 Disponível em: https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.91.045002 Acesso em: 31 de maio de 2022.
DINTEREN, R.; ARNS, M.; JONGSMA, M.; KESSELS, R.; P300 Development across the Lifespan: A Systematic Review and Meta-Analysis, National Library of Medicine, USA, 2014. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3923761/ Acesso em: 31 de maio de 2022.
Interpretador de P300, com o código fonte com autoria de Brandon Siebert disponível em: http://learn.neurotechedu.com/machinelearning/ e https://colab.research.google.com/drive/1ZQt8RCkkmTEYXRDmFbj1kpcXpUXD2Da0 Acesso em: 26 de maio de 2022.
