Análise de sinais cerebrais utilizando árvores de decisão

Abstract

Este trabalho propõe um estudo de sinais cerebrais aplicados em sistemas BCI (Brain-Computer Interface - Interfaces Cérebro Computador), através do uso de Árvores de Decisão e da análise dessas árvores com base nas Neurociências. Para realizar o tratamento dos dados são necessárias 5 fases: aquisição de dados, pré-processamento, extração de características, classificação e validação. Neste trabalho, todas as fases são contempladas. Contudo, enfatiza-se as fases de classificação e de validação. Na classificação utiliza-se a técnica de Inteligência Artificial denominada Árvores de Decisão. Essa técnica é reconhecida na literatura como uma das formas mais simples e bem sucedidas de algoritmos de aprendizagem. Já a fase de validação é realizada nos estudos baseados na Neurociência, que é um conjunto das disciplinas que estudam o sistema nervoso, sua estrutura, seu desenvolvimento, funcionamento, evolução, relação com o comportamento e a mente, e também suas alterações. Os resultados obtidos neste trabalho são promissores, mesmo sendo iniciais, visto que podem melhor explicar, com a utilização de uma forma automática, alguns processos cerebrais.

This work proposes a study on brain signals applied to BCI (Brain-Computer Interface) systems, through the use of Decision Trees and the analysis of these trees based on Neuroscience. To treat the data, this system must execute ve stages: data acquisition, preprocessing, feature extraction, classi cation and validation. In this work, all phases are executed. However, it emphasizes the classi cation and validation phases. In the classi cation, it uses the Arti cial Intelligence technique called Decision Trees. This technique is known in the literature as one of the most successful and simpler learning algorithms. The validation phase is based on studies performed in Neuroscience, which is a set of disciplines that study the nervous system, its structure, its development, operation, evolution, behavior and relationship with the mind, and also your changes. The results of this study are promising, even initials, since they can better explain, with the use of an automated way, some brain processes.