Busca avançada
Ano de início
Entree

Classificação de estados do corpo/mente para uma interface homem-máquina baseada na variabilidade da frequência cardíaca

Resumo

Desde a época em que coletávamos dados de apenas um único neurônio até os dias de hoje em que coletamos dados multivariados de ressonância magnética funcional, um dos temas predominantes em neurociência tem sido o desenvolvimento de abordagens para leitura do cérebro e interfaces homem-máquina. Apesar de décadas de pesquisa, em ambas as áreas, os avanços são insatisfatórios, muito aquém de serem úteis em tarefas do nosso cotidiano. Pesquisas na área de interface homem-máquina geralmente focam em sinais cerebrais obtidos por eletroencefalografia (EEG), fMRI, ou por métodos invasivos como eletrocorticografia. Interfaces homem-máquina baseados nesses sinais apresentam baixo desempenho porque o comportamento motor não depende somente da atividade do cérebro, mas também das interações do cérebro com o corpo, incluindo os órgãos internos. Em outras palavras, se nós não levarmos em conta o resto do corpo, a relação entre o comportamento e a atividade neural não é de um para um. Uma forma natural de avançar no desenvolvimento de melhores tecnologias de interação homem-máquina seria a inclusão da informação de como o corpo interage com o cérebro. Isso pode ser feito medindo a alteração da interocepção, i.e., a percepção das condições fisiológicas internas do corpo. A vantagem do uso da interocepção é que ela pode ser medida através da atividade cardíaca. A variabilidade da frequência cardíaca (VFC) é um parâmetro global que representa melhor os estados comportamentais do corpo e do cérebro. Assim, nosso objetivo é classificar os estados do corpo e da mente e construir uma nova interface homem-máquina baseado na VFC. Resultados obtidos aqui podem mudar como são feitos os cuidados com a saúde nos dias de hoje. Sabemos que já existem formas de monitorar a VFC para assuntos relacionados a saúde. Nós iremos nos prover nelas para introduzir nossa abordagem de classificação do estado mental. O sucesso de nossa proposta está diretamente associado com o desenvolvimento de interfaces homem-máquinas não invasivas e de baixo custo para pessoas com deficiência. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
GUZMAN, GROVER E. CASTRO; FUJITA, ANDRE. Convolution-based linear discriminant analysis for functional data classification. INFORMATION SCIENCES, v. 581, p. 469-478, DEC 2021. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.