Identificação de esforço cognitivo através de processamento de sinais de EEG utilizando SVM e RF

Abstract

A atenção é altamente desejável em diversas situações e até vital em outras. No dia a dia é imprescindível que o sujeito esteja plenamente atento para que tenha o melhor rendimento possível na atividade que está fazendo. Para tanto, esse trabalho objetiva fazer uma detecção de esforço cognitivo utilizando processamento de sinais de eletroencefalografia(EEG) e por meio de dois algoritmos de aprendizagem de máquina: Máquinas de Vetores de Suporte (SVM) e Floresta Aleatória (RF). A proposta deste trabalho é usar como base um banco de dados de sinais de EEG em que os candidatos passaram parte do tempo de aquisição em descanso com olhos fechados e outra parte realizando contas aritméticas. Para realizar a detecção, foi feita a extração da energia, e segmentação no domínio da frequência dos sinais adquiridos para ser feito uso como parâmetros de entrada nos algoritmos de aprendizagem de máquina citados. Neste trabalho, um objetivo foi comparar acurácia e precisão dessas duas técnicas, e foi adquirida uma acurácia de 90% e 97% para os classificadores de SVM e RF, respectivamente; e uma precisão para a categoria de esforço cognitivo de 81% e 94% para esses dois classificadores, respectivamente. O outro objetivo deste estudo foi averiguar se há regiões encefálicas com maior ativação durante o esforço cognitivo em comparação ao estado de descanso, e foi constatada uma energia maior adquirida, para o espectro de ondas Theta, nos eletrodos das partes frontal polar, frontal e occipital se comparada à adquirida em outros eletrodos.