SISTEMA DE INTERFACE CÉREBRO-MÁQUINA: GEOMETRIA DE RIEMANN PARA CLASSIFICAÇÃO DE IMAGÉTICA MOTORA

As Interfaces Cérebro-Máquina (ICM) permitem a comunicação direta entre o cérebro e dispositivos, sendo fundamentais em tecnologias assistivas e reabilitação. As ICMs baseadas em Imagética Motora (IM) utilizam sinais de EEG gerados pela simulação mental de movimentos, embora enfrentem desafios como alta variabilidade e ruído nos sinais. Técnicas baseadas na geometria Riemanniana têm melhorado a representação dos sinais, mas ainda são limitadas pela falta de parâmetros adaptativos. Este projeto propõe uma abordagem que introduz novos graus de liberdade nas matrizes de covariância espectrais, otimizados por meio de Otimização Bayesiana. A proposta visa melhorar a precisão e robustez dos sistemas, adaptando-os às características específicas dos usuários, contribuindo assim para o avanço das ICMs aplicadas à neuroengenharia e tecnologias assistivas.