Desenvolvimento de um dispositivo SSVEP rápido e confiável utilizando eletrodos a seco e frequências acima de 25 Hz
dc.contributor.advisor1 | Cruz Júnior, Gélson da | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4370555454162131 | eng |
dc.contributor.referee1 | Cruz Júnior, Gélson da | |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/4370555454162131 | eng |
dc.contributor.referee2 | Loja, Luiz Fernando Batista | |
dc.contributor.referee3 | Pinheiro Júnior, Carlos Galvão | |
dc.creator | Silva, Andrei Damian da | |
dc.creator.Lattes | http://lattes.cnpq.br/3421453420043988 | eng |
dc.date.accessioned | 2018-03-14T10:57:00Z | |
dc.date.issued | 2018-03-02 | |
dc.description.abstract | This paper presents a new approach for the processing and classification of visual evoked potentials of steady state (SSVEP). It introduces a ensemble tree model that combines canonical correlation analysis data with methods based on estimation of power spectral density. The stimuli were created using LEDs, from 7.04 Hz to 38.46 Hz. Data were collected using the Texas Instruments ADS1299EEG-Fe and three electrodes. The tests were performed for different distances and light intensities to evaluate the performance of the algorithm under different conditions. In all, 22 participants were recruited, and the average classification was 99.1 ± 2.27% with fixed decision time of 1 second. | eng |
dc.description.provenance | Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2018-03-13T17:24:13Z No. of bitstreams: 2 Dissertação - Andrei Damian da Silva - 2018.pdf: 2168750 bytes, checksum: 4d47d811f294faae439470b427c48f3e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) | eng |
dc.description.provenance | Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-03-14T10:57:00Z (GMT) No. of bitstreams: 2 Dissertação - Andrei Damian da Silva - 2018.pdf: 2168750 bytes, checksum: 4d47d811f294faae439470b427c48f3e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2018-03-14T10:57:00Z (GMT). No. of bitstreams: 2 Dissertação - Andrei Damian da Silva - 2018.pdf: 2168750 bytes, checksum: 4d47d811f294faae439470b427c48f3e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-03-02 | eng |
dc.description.resumo | Este trabalho apresenta uma nova abordagem para o processamento e classificação de potenciais evocados visuais de estado estacionário (SSVEP). Este trabalho introduz um modelo de em aprendizagem por agrupamento de árvores de decisão que combina dados de análise da correlação canônica com métodos baseados na estimativa da densidade espectral de potência. Os estímulos foram criados utilizando LEDs, com frequência de 7.04 Hz até 38.46 Hz. Os dados foram coletados utilizando a placa ADS1299EEG-Fe da Texas Instruments e três eletrodos. Os testes foram realizados para diferentes distâncias e intensidades luminosas com o objetivo de avaliar o desempenho do algoritmo em condições diversas. Ao todo, 22 participantes foram recrutados e a taxa de acertos média foi de 99.1±2.27% com tempo de decisão fixo em 1 segundo. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | eng |
dc.format | application/pdf | * |
dc.identifier.citation | SILVA, A. D. Desenvolvimento de um dispositivo SSVEP rápido e confiável utilizando eletrodos a seco e frequências acima de 25 Hz. 2018. 98 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2018. | eng |
dc.identifier.uri | http://repositorio.bc.ufg.br/tede/handle/tede/8215 | |
dc.language | por | eng |
dc.publisher | Universidade Federal de Goiás | eng |
dc.publisher.country | Brasil | eng |
dc.publisher.department | Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) | eng |
dc.publisher.initials | UFG | eng |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC) | eng |
dc.rights | Acesso Aberto | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | EEG | por |
dc.subject | ICC | por |
dc.subject | Potenciais evocados visuais | por |
dc.subject | SSVEP | por |
dc.subject | BCI | eng |
dc.subject | EEG | eng |
dc.subject | Visual evoked potentials | eng |
dc.subject | SSVEP | eng |
dc.subject.cnpq | CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO | eng |
dc.title | Desenvolvimento de um dispositivo SSVEP rápido e confiável utilizando eletrodos a seco e frequências acima de 25 Hz | eng |
dc.title.alternative | Development of a fast and reliable SSVEP device using dry electrodes and frequencies above 25 Hz | eng |
dc.type | Dissertação | eng |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- Dissertação - Andrei Damian da Silva - 2018.pdf
- Tamanho:
- 2.07 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.11 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: