Bayesian Neuroadaptive Hyperparameter Optimization for Subject-Specific FBCSP-based MI-BCI

O projeto “Bayesian Neuroadaptive Hyperparameter Optimization for Subject-Specific FBCSP-based MI-BCI” propõe o desenvolvimento de um framework neuroadaptativo baseado em otimização Bayesiana para personalização automática de pipelines de processamento em Sistemas de Interface Cérebro-Máquina (MI-BCI) fundamentados em imagética motora e sinais de eletroencefalografia (EEG). O estudo busca enfrentar limitações críticas dos sistemas MI-BCI atuais, especialmente a elevada variabilidade inter-sujeito e intra-sujeito, a baixa generalização temporal dos modelos e a forte dependência da configuração manual de hiperparâmetros realizada por especialistas. A proposta utiliza o método Filter Bank Common Spatial Pattern (FBCSP), amplamente empregado em aplicações de imagética motora, associado a técnicas modernas de Bayesian Optimization para ajuste automático de hiperparâmetros relacionados às bandas espectrais, janelas temporais, número de filtros espaciais CSP, quantidade de subbandas e configuração dos classificadores. Diferentemente das abordagens convencionais, o framework incorporará informações neurofisiológicas associadas às bandas sensorimotoras μ e β, bem como padrões ERD/ERS, permitindo uma busca orientada por conhecimento fisiológico. O problema será tratado como uma otimização multiobjetivo, visando maximizar simultaneamente métricas como Accuracy, Cohen’s Kappa e Information Transfer Rate (ITR), aumentando o desempenho discriminativo, a robustez e a viabilidade operacional de aplicações online. A metodologia integrará técnicas de processamento de sinais EEG, aprendizado de máquina, otimização Bayesiana e análise estatística robusta, utilizando os datasets públicos BCI Competition IV 2A e 2B. Além da relevância científica para as áreas de Inteligência Artificial, Neuroengenharia e Engenharia Biomédica, o projeto possui elevado potencial institucional ao promover formação de recursos humanos especializados, integração entre graduação e pós-graduação, desenvolvimento de laboratórios experimentais, capacitação docente e produção de material didático e software reutilizável para ensino e pesquisa em neurotecnologia aplicada.