Extração de características usando IVA: uma nova abordagem para aplicações de BCI
Separação de Fontes conjunta (JBSS - Joint Blind Source Separation) é uma extensão do problema de Separação de Fontes (BSS - Blind Source Separation). Apesar de sua versatilidade e seu uso em aplicações práticas, BSS não inclui a possibilidade de tratar múltiplos datasets em conjunto. Considerando os métodos de JBSS, a análise por vetores independentes (IVA) é um abordagem interessnate pois explora a correlação existente entre datasets diferentes através do uso da Informação Mútua. Este trabalho propões usar IVA para tratar sinais biomédicos, focando no problema de imagética motora (MI) e Transfer Learning. Primeiramente, no contexto da classificação de MI através de sinais de EEG para interface cérebro computador (BCI), propomos o uso de IVA em conjunto com com filtros autoregressivos para extração de features. A classificação foi feita utilizando-se Linear Discriminant Analysis e Support Vector Machine. O método foi aplicado em dois datasets (BCI Competition Dataset 1 e Dataset 2a), apresentando bons resultados. Como perspectivas futuras, pretendemos abordar o problema de predição de ataques epiléticos combinando IVA e Graph Neural Network. Este trabalho será realizado no Laboratório de Processamento de Sinais (LTS4) da École Polytechnique Federal de Lausanne na Suiça.