- Docentes: Denis Fantinato, Raphael Camargo.
- Agência Financiadora: Fapesp.
- Laboratórios: Laboratório de Sinais e Sistemas (LSS), Heuristics, Analysis and Learning Laboratory (HAL).
As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interfaces) têm sido foco de grande atenção devido às suas potenciais aplicações em uma ampla gama de contextos, que vão desde tecnologias assistivas e reabilitação até dispositivos para entretenimento. Significativos avanços, como a coleta de dados a partir de métodos não invasivos por eletroencefalogramas (EEG), motivam o estudo e desenvolvimento dessa promissora interface. Entretanto, a ampla variabilidade observada nos padrões dos usuários do sistema BCI, bem como seu emprego em aplicações cada vez mais sofisticadas, tornam o uso desta interface um problema bastante desafiador. Neste sentido, o presente projeto de pesquisa busca utilizar métodos de aprendizado profundo para aprimorar os sistemas BCI, tornando-os mais eficientes e robustos. Serão seguidas duas frentes de pesquisa. A primeira delas está voltada para o processamento dos sinais de EEG através do uso de técnicas de Análise de Componentes Independentes e de mapeamentos para imagens, permitindo a eficiente extração de características. Na segunda frente, serão utilizadas redes de aprendizado profundo, bem como as redes generativas adversariais para a classificação. Tais estruturas apresentam grande potencial para o tratamento de dados com grande variabilidade, podendo ser bastante úteis no desenvolvimento de sistemas BCI.