Após a etapa de pré-processamento dos sinais EEG por meio da aquisição do sinal, filtragem e melhoria do sinal captado, deve-se realizar a extração de características ou padrões destes biopotenciais e, por fim, a classificação dos sinais (AL-FAHOUM; AL-FRAIHAT, 2014). Esta classificação pode ser realizada utilizando diferentes métodos de análise do comportamento do sinal, levando em consideração três principais fontes de informação, sendo estas de aspecto temporal, espectral (frequência) ou espacial. Cada tipo de informação permite distinguir características que identifiquem características do sinal, como a posição em que ele possui maior intensidade, as frequências em que seu potencial é maior ou a análise da variação de sua amplitude a cada intervalo de tempo (LOTTE, 2014).
Nesta seção são apresentadas duas técnicas empregadas no estudo dos padrões de EEG: a análise na frequência por meio da Transformada de Fourier (TF) e a análise da variação do sinal no tempo.
2.7.1 Transformada de Fourier
Um dos métodos mais utilizados para a extração de padrões em sinais é o da TF. Ela altera o domínio do sinal do tempo para o domínio da frequência, uma vez que tal processo permite que quaisquer sinais no domínio do tempo possam ser decompostos em infinitas exponenciais complexas com diferentes frequências. A TF pode ser descrita matematicamente por
X ( f ) =
∫ +∞
−∞ x(t)e
− j2π ftdt, (9)
Tendo em vista que a TF não é uma operação computacionalmente realizável, devido à integral de infinitos termos, define-se a transformada discreta de Fourier (Discrete Fourier
Transform, DFT) como o somatório sobre um número finito de amostras, tal que
Xk= n−1
∑
i=0 xie− j2πi k n k = 0, ..., n− 1, (10)em que xi é a sequência de entrada, Xk é sua DFT e n é o número de amostras (VALIPOUR et al., BURRUS; 2013, 2012).
A transformada rápida de Fourier (Fast Fourier Transform, FFT), por sua vez, nada mais é que uma implementação otimizada da DFT, cujo tempo necessário para o processamento computacional é reduzido por uma escala na ordem de N. log2N (VALIPOUR et al., 2013).
A vantagem de se utilizar métodos de análise no domínio da frequência para sinais EEG consiste na possibilidade de se classificar uma tarefa realizada pelo indivíduo a partir do comportamento característico apresentado pelos sinais cerebrais em um certo intervalo de frequências, os quais correspondem a ritmos cerebrais específicos. Assim, como apresentado na Seção 2.1.1, é possível analisar o comportamento do sinal para cada um dos intervalos de frequências do EEG: delta, theta, alfa, beta ou gama.
2.7.2 Análise da variação do sinal EEG no tempo
A análise temporal dos sinais EEG permite investigar a variação da amplitude de tensão dos sinais captados, podendo ser analisado nos intervalos de frequência estudados (delta, theta, alfa, beta e gama). Por meio desta técnica é possível identificar a ocorrência dos diferentes ritmos de EEG e padrões de onda, relacionando-os ao estado corrente dos indivíduos.
Por exemplo, para o movimento de piscar espontâneo dos olhos (piscada palpebral espontânea), é possível identificar uma variação no padrão da onda EEG, ocasionada por um sinal EOG. Geralmente considerada como um artefato no estudo dos sinais cerebrais por não ser o objeto de interesse dos experimentos e por afetar seu estudo, a piscada é captada com maior intensidade pelos eletrodos localizados na região frontal da cabeça devido a sua proximidade com os olhos. A variação do sinal decorrente deste movimento ocorre pois a córnea possui um potencial positivo em relação a retina na ordem de 50 a 100 µvolts, resultando em um campo elétrico detectável a partir do movimento dos olhos. Durante a piscada ocorre o movimento de rotação da córnea para cima em sincronia com o fechamento das pálpebras, conhecido como fenômeno de Bells, o que causa uma deflexão do sinal EEG (HUSAIN; SINHA, 2017).
Quando o sujeito está com os olhos abertos existe uma diferença de potencial entre os eletrodos Fp1 e F3 do olho esquerdo e dos eletrodos Fp2 e F4 para o olho direito. Quando ocorre a piscada e a rotação da córnea, essa diferença de potencial é alterada devido a maior
proximidade da córnea com o eletrodo Fp1 e F3, e seu lateral equivalente (Figura 18).
Figura 18: Representação do fenômeno de Bells.
Fonte: Adaptado de (HUSAIN; SINHA, 2017)
A Figura 19 ilustra esse comportamento do padrão de onda EEG. Sendo assim, quando ocorre o fechamento dos olhos o sinal sofre uma deflexão negativa, pois Fp1 é mais eletropositivo que F3, e quando os olhos são abertos ocorre a variação oposta, amplificando- se o sinal (Figura 19). O mesmo acontece para a diferença entre os eletrodos F3-C3 e seu equivalente F4-C4 de maneira mais atenuada, devido a sua maior distância dos olhos.
Figura 19: Oscilação no EEG causada pelo piscar dos olhos.
3 PROJETO DE AQUISIÇÃO DE SINAIS EEG
Com base nos capítulos anteriores, constatou-se que diversas características devem ser observadas para o desenvolvimento de um sistema de aquisição de biopotenciais EEG. Tendo em vista a dificuldade de construção de um hardware completo que atenda as características necessárias para o estudo desses sinais e os desafios encontrados ao longo do desenvolvimento deste trabalho, optou-se pela utilização de um kit de desenvolvimento da Texas Instruments indicado para aplicação no estudo de sinais cerebrais. Essa decisão visou alcançar a melhor solução em relação à qualidade de captação dos sinais, ao menor tempo de desenvolvimento do hardware e ao menor custo. Com base no trabalho desenvolvido por Sousa et al. (2016), optou-se também pela utilização de uma plataforma Arduino para realizar a interface entre o kit de desenvolvimento e a plataforma computacional.
Além do desenvolvimento do hardware de aquisição, o presente trabalho propôs buscar uma solução para o tratamento dos sinais neurais, permitindo seu posterior estudo e utilização. Foi então desenvolvido um software em MATLAB, buscando a melhor abordagem para aplicação dos tratamentos dos sinais.
Dentre as dificuldades encontradas para a escolha dos componentes de hardware e o desenvolvimento do software, destacou-se a questão ética envolvendo o uso de indivíduos voluntários para o teste e validação do sistema como um todo. Portanto, com o intuito de evitar a necessidade de obtenção de sinais reais de indivíduos, optou-se pela utilização de sinais simulados para o desenvolvimento deste trabalho, subdividindo-o em duas principais frentes:
hardware e software. Assim, cada parte foi construída, testada e validada separadamente.
Deste modo, neste capítulo são apresentados de maneira detalhada os elementos empregados do hardware proposto para a aquisição, seu funcionamento e processo de validação. Também é apresentado o software, implementado em MATLAB para o tratamento dos sinais adquiridos e, de maneira semelhante, seus testes e validação e funcionamento.