Desenvolvimento de um dispositivo SSVEP rápido e confiável utilizando eletrodos a seco e frequências acima de 25 Hz

Página do item simplificado
dc.contributor.advisor1Cruz Júnior, Gélson da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4370555454162131eng
dc.contributor.referee1Cruz Júnior, Gélson da
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4370555454162131eng
dc.contributor.referee2Loja, Luiz Fernando Batista
dc.contributor.referee3Pinheiro Júnior, Carlos Galvão
dc.creatorSilva, Andrei Damian da
dc.creator.Latteshttp://lattes.cnpq.br/3421453420043988eng
dc.date.accessioned2018-03-14T10:57:00Z
dc.date.issued2018-03-02
dc.description.abstractThis 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.provenanceSubmitted 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.provenanceApproved 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.provenanceMade 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: 2018-03-02eng
dc.description.resumoEste 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.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESeng
dc.formatapplication/pdf*
dc.identifier.citationSILVA, 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.urihttp://repositorio.bc.ufg.br/tede/handle/tede/8215
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectEEGpor
dc.subjectICCpor
dc.subjectPotenciais evocados visuaispor
dc.subjectSSVEPpor
dc.subjectBCIeng
dc.subjectEEGeng
dc.subjectVisual evoked potentialseng
dc.subjectSSVEPeng
dc.subject.cnpqCIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOeng
dc.titleDesenvolvimento de um dispositivo SSVEP rápido e confiável utilizando eletrodos a seco e frequências acima de 25 Hzeng
dc.title.alternativeDevelopment of a fast and reliable SSVEP device using dry electrodes and frequencies above 25 Hzeng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 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:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)