Processamento de Sinais de EEG para Aplicação em uma Cadeira de Rodas Movida por Pensamento

Resumo

Este trabalho apresenta o desenvolvimento, implementação e avaliação de um software pipeline para classificação de padrões em sinais de eletroencefalograma (EEG) com aplicação em interfaces cérebro-computador (ICC). O pipeline converte segmentos de EEG em espectrogramas (STFT) e emprega uma arquitetura de rede neural convolucional (CNN) treinada com augmentação de imagens. Foram utilizados dois conjuntos de dados públicos com características distintas: um voltado à imaginação motora (BBCI Competition) e outro voltado a crises epilépticas (CHB-MIT). Descrevem-se as etapas de pré-processamento (filtragem 1–40 Hz, remoção de artefatos por ICA e normalização), geração de espectrogramas, arquitetura da CNN e estratégias de treinamento (ImageDataGenerator, Adam, early stopping). A análise indicou limitações da abordagem para reconhecimento de comandos por imaginação motora e viabilidade promissora para detecção de padrões patológicos em EEG