Análise e classificação de sinais de EEG a partir de movimentação passiva em pacientes sedados

Abstract

Recentemente, a eletroencefalografia é o foco de diversas pesquisas, como: análise de sinais, desenvolvimento de sistemas Brain Computer Interface (BCI), uso para diagnósticos e aumento sobre o conhecimento do cérebro humano. Estas pesquisas utilizam-se de diferentes fenômenos cerebrais. Um dos fenômenos estudados para distintas aplicações são os relacionados a Event-Related Potential (ERP) - potenciais relacionados a eventos. Neste trabalho são analisados dois fenômenos principais relacionados a eventos, o Event-related desynchronization (ERD) e Event-related synchronization (ERS). Estes fenômenos são relacionados à dessincronização/sincronização do sinal devido à realização de movimentos de forma ativa, passiva, ou ainda, imaginação de movimentos. O ERD e ERS podem ser analisados visualmente e através de classificadores em sinais adquiridos a partir de mobilização passiva em três pacientes sedados em UTI e dois voluntários não-sedados. Os sinais são divididos em trilhas, com mobilização passiva realizada em períodos síncronos nos braços esquerdo e direito. Este sinal é adquirido a partir da touca Emotiv, processado a partir de filtros butterworth digitais, filtros de outliers e filtros Common Spatial Pattern (CSP) a fim de aumentar a discriminação entre classes e permitir a visualização dos fenômenos. São extraídas as características no domínio tempo e frequência para utilização nos classificadores, sendo elas: RMS, Differential Entropy, PSD com o método de Welch e desvio padrão. São comparados os classificadores Discriminante Linear de Fischer (LDA) e Extreme Learning Machines (ELM). As melhores taxas de acerto obtidas a partir dos experimentos foram de 75,6±2%, para um voluntário do grupo de controle (voluntário não sedado) e de 78,3±2,8% para um paciente sedado, com a média aritmética das taxas de acertos dos grupos na mesma faixa percentual.

Curenttly, electroencephalography is the focus of several researches, such as: signal analysis, development of BCI (Brain Computer Interface) systems, use for diagnostics and increased knowledge of the human brain. These researches use different brain phenomena. One of the phenomena studied for different applications are those related to ERP e9vent-related potentials). In this study, two main event-related phenomena are analyzed, ERD (Eventrelated desynchronization) and ERS (Event-related synchronization). These phenomena are related to desynchronization / synchronization of the signal due to the performance of movements in an active, passive way, or even, imagination of movements. ERD and ERS can be analyzed visually and through classifiers on signals acquired from passive mobilization in three ICU sedated patients and two non-sedated volunteers. The signals are divided into tracks, with passive mobilization performed in synchronous periods in the left and right arms. This signal is acquired from the Emotiv headset, filtered from digital butterworth filters, outliers filters and CSP filters (Common Spatial Pattern) in order to increase the discrimination between classes and allow visualization of the phenomena. Features in time and frequency domain for use in the classifiers are extracted: RMS, Differential Entropy, PSD with Welch method and standard deviation. LDA (Fischer Linear Discriminant) and ELM (Extreme Learning Machines) classifiers are compared. The best accuracy obtained from the experiments were 75.6 ± 2.2 % for a volunteer from control group and 78.3 ± 2.8 % from a sedated patient, with the arithmetic mean of accuracy of the groups in the same percentage range.