Desenvolvimento de uma ferramenta de coleta fisiológica multimodal usando aparelhos comerciais de eletroencefalograma e rastreamento ocular : estudo de caso : piscadas

Abstract

O eletroencefalograma (EEG) e o rastreamento ocular (ET, do Inglês Eye Tracking) são formas não-invasivas de se observar o comportamento do sistema nervoso. A combinação destes dados tende a apresentar maior capacidade classificatória do que datasets unimodais, quando utilizados no treinamento de algoritmos de aprendizado de máquina. Além de uma maior acurácia, estes datasets permitem uma maior compreensão sobre o funcionamento fisiológico por trazer mais de um tipo de informação. Este trabalho apresenta uma alternativa aos equipamentos clínicos e de alto custo, construída a partir de equipamentos comerciais, capaz de gerar um dataset multimodal de EEG e ET coletados ao longo do tempo. A coleta da ferramenta é mediada por código MATLAB, utilizado para coordenar um sistema de pausa e espera entre terminais conectados de forma paralela a ambos os hardwares utilizados. A posterior combinação de dados foi realizada em Python através de reamostragem e interpolação linear, permitindo que os dados unimodais fossem unidos apesar de terem frequências de coleta distintas.As piscadas são reconhecidas por ambos os aparelhos de coleta e foram utilizadas para calcular a capacidade de sincronização entre os sinais. Durante a coleta, piscadas voluntárias ocorreram a cada 4 segundos. Um total de doze datasets multimodais de duração de 120 segundosforam analisados. Uma taxa de verdadeiros positivos para a identificação de piscadas de 93% e 99% foram encontradas para EEG e ET, respectivamente. A correlação cruzada apresentou atraso médio de 1,54 segundos do sinal de ET relação ao sinal de EEG. Avanços para aprimorar a capacidade de sincronização entre os dados foram sugeridos.