LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

COBEM 2017

24th ABCM International Congress of Mechanical Engineering

CLASSIFICATION OF RIGHT AND LEFT ELBOWMOVEMENT WITH LOWER GAMMA ACTIVITY

Submission Author: Elkin Veslin , RJ
Co-Authors: Max Suell Dutra, Luiz Bevilacqua, Luciano Santos Constantin Raptopoulos, Waltencir Andrade, André da Silva, Mario Fiorani, Juliana Guimarães Martins Soares, Elkin Veslin
Presenter: Elkin Veslin

doi://10.26678/ABCM.COBEM2017.COB17-2456

 

Abstract

This paper describes the use of lower gamma band for classification of the right versus left elbow rotation in two different cognitive states: planning and movement execution. We made a discrimination analysis for each interval in 14 channels around the motor cortex, and founded common regions of high separability around the cue presentation and after the movement onset and use it to build the feature vector.The dimensionality of the features were reduced with LDA and posteriorly tested with eight classification algorithms in a 10-fold cross validation. The bests results showed that both classes could be identified with a mean of accuracy of 78 % in both intervals with a difference of 2 %. This results shows that the lower gamma band can be used for the classification of elbow movement in BCI systems in specific time intervals using a unique selected band frequency in all subjects.

Keywords

Electroencephalography, Activity recognition, Brain-computer interfaces, Rehabilitation Robotics, machine learning

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM