Análise de dados de estresse com o uso de EEG utilizando aprendizagem de máquina (2019)
- Authors:
- Autor USP: ARONE, RAFAEL AUGUSTO CARACCIOLO - EESC
- Unidade: EESC
- Subjects: APRENDIZADO COMPUTACIONAL; BIOENGENHARIA; ELETROENCEFALOGRAFIA; PROCESSAMENTO DE SINAIS; REDES NEURAIS
- Keywords: Bioengineering; EEG; Electroencephalography; Eletroencefalograma; Multilayer perceptron; Neural networks; Perceptron multicamada; Signal processing
- Language: Português
- Abstract: O eletroencefalógrafo é um dispositivo que permite a obtenção de sinais cerebrais coletados em uma determinada região do escalpo e, uma das informações que podem ser retiradas dele, é o nível de estresse do indivíduo. A abordagem adotada foi o preprocessamento usando a estimação espectral através da Transformada de Fourier de Curto Termo do sinal adquirido enquanto o indivíduo está sobre o agente estressor de tarefa de imagem de Montreal, pelo teste de Stroop e em estado de relaxamento. As informações de densidade espectral de potência e informações do módulo quadrático da coerência nos diversos canais alimentam um classificador usando com Perceptrons Multicamadas, sendo realizados testes para encontrar a estrutura da rede que produza melhores resultados. A partir deste conceito, sendo realizada as aplicações com o capacete da OpenBCI para adquirir os sinais, e criando um sistema de leitura e processamento destes sinais utilizando a linguagem Python, para a obtenção do espectro do sinal, foi usada a janela de Slepian para otimizar a energia no lóbulo principal. A classificação usando o espectro de potência médio mostrou-se eficiente para dois níveis de estresse para uma camada escondida e com uma pequena variância entre os resultados encontrados, enquanto para três níveis de estresse, uma rede com duas camadas escondidas mostrou-se mais eficiente. Por outro lado, o uso da potência não conseguiu generalizar os resultados para um conjunto de dados de mais de um indivíduo, enquanto a rede treinada com a coerência manteve resultados similares para redes com um e dois indivíduos (aroximadamente 95%). Assim, o projeto atingiu os objetivos propostos de apresentar uma metodologia de aprendizagem de máquina com perceptron multicamadas para classificar o estresse, com base em metodologias de processamento de sinais de dados de eletroencefalografia
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
-
ABNT
ARONE, Rafael Augusto Caracciolo. Análise de dados de estresse com o uso de EEG utilizando aprendizagem de máquina. 2019. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/a20e87fc-f145-4e1c-ba10-c6741703f3a0/Arone_Rafael_tcc.pdf. Acesso em: 23 mar. 2025. -
APA
Arone, R. A. C. (2019). Análise de dados de estresse com o uso de EEG utilizando aprendizagem de máquina (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/a20e87fc-f145-4e1c-ba10-c6741703f3a0/Arone_Rafael_tcc.pdf -
NLM
Arone RAC. Análise de dados de estresse com o uso de EEG utilizando aprendizagem de máquina [Internet]. 2019 ;[citado 2025 mar. 23 ] Available from: https://bdta.abcd.usp.br/directbitstream/a20e87fc-f145-4e1c-ba10-c6741703f3a0/Arone_Rafael_tcc.pdf -
Vancouver
Arone RAC. Análise de dados de estresse com o uso de EEG utilizando aprendizagem de máquina [Internet]. 2019 ;[citado 2025 mar. 23 ] Available from: https://bdta.abcd.usp.br/directbitstream/a20e87fc-f145-4e1c-ba10-c6741703f3a0/Arone_Rafael_tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Arone_Rafael_tcc.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
