Development of a BCI framework: hardware/software architecture and control of domotic appliances

Abstract

A interface cérebro-computador (ICC) permite a comunicação direta entre o cérebro e um computador digital. Os sistemas de ICC ainda não são exequíveis para o uso diário e, portanto, estãoconfinados principalmente à experimentação em laboratório. É necessário converter os sistemasICC em dispositivos portáteis, confiáveis e independentes que possam ser usados em aplicativosdo mundo real fora do laboratório, para que possam atender a potenciais usuários-alvo, em aplicativos de comunicação / controlo para pessoas com deficiências motoras graves, ou como umaferramenta para a neuro-reabilitação de distúrbios motores ou distúrbios do desenvolvimento neurológico. Neste trabalho, propõe-se o desenvolvimento de um sistema ICC que possa controlardispositivos domóticos com base em um equipamento de open source (OpenBCI). Um dos principais objetivos desta tese é avaliar se este dispositivo fornece alguns dos recursos desejados paraum ICC, no que diz respeito ao desgaste, operação autónoma de confiabilidade e baixo custo. OICC proposto é baseado num neuromecanismo chamado potencial evocado visual em estado estacionário (PEVEE), que é estimulado por estimulação visual. Vários métodos de processamentode sinal (FFT, Welch, CCA-Standard, CCA-IT, CCA-Comb e CCA-Lite) foram implementadose comparados para extrair características do PEVEE. Inicialmente, os métodos de processamentode sinal foram testados offline em bancos de dados de referência e, em seguida, testados offline eonline com nossa estrutura / configuração do ICC. Foram comparados dois tipos de estimulação,um provocado por uma matriz de LEDs e o outro provocado por flashes de ecrã. Os resultadosoffline mostraram que a Análise Combinacional de Correlação Canónica atinge melhor precisãoem comparação com os outros métodos de extração de recursos, mas em termos de tempo de processamento do sinal, o método CCA-Lite diminui para 58 % do CCA-Comb. Os resultados obtidosonline mostraram ser possível controlar o ICC com uma precisão de 84,6 % (para segmentos deEEG de 5 segundos), o que mostra a viabilidade do sistema, embora várias limitações do sistemaOpenBCI tenham sido identificadas.

Brain-Computer Interface (BCI) allows the direct communication between the brain and a digital computer. BCIs systems are still impractical for everyday use and therefore are mostly confinedto lab experimentation. There is a need to convert BCI systems into wearable, reliable and standalone devices that can be used in real-world applications outside the lab, so that they can servepotential target users, in communication/control applications for people with severe motor disabilities, or as a tool for neurorehabilitation of motor disorders or neurodevelopmental disorders. Inthis work, it is proposed the development of a BCI system that can control domotic appliancesbased on an open-source equipment (OpenBCI). One of the main goals of this thesis is to evaluatewhether this device provides some of the desired features for a BCI, regarding wearability, reliability stand-alone operation and low-cost. The proposed BCI is based on a neural mechanism calledsteady-state visual evoked potential (SSVEP) which is elicited by visual stimulation. Several signal processing methods (FFT, Welch, CCA-Standard, CCA-IT, CCA-Comb and CCA-Lite) wereimplemented and compared to extract SSVEP features. Initially, the signal processing methodswere tested offline on benchmark datasets and then they were tested offline and online with ourBCI setup/framework. Two types of stimulation were compared, one elicited by a LED matrix andthe other elicited by screen flashes. Offline results showed that Combinational Canonical Correlation Analysis achieves the best accuracy in comparison to the other feature extraction methods,but in terms of signal processing time, the CCA-Lite method decreases to 58% of CCA-Comb.The results obtained in online experiments showed that it was possible to control the BCI with anaccuracy of 84.6% (for 5 second identification EEG segments), which shows the feasibility of thesystem, although several limitations of the OpenBCI system were identified.