@MASTERSTHESIS{ 2022:41208985,
 	title = {Identificação de atividades cognitivas a partir de modelos de aprendizado de máquina aplicados ao processamento de sinais de Eletroencefalograma (EEG)},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/4210",
 	abstract = "Os diferentes tipos de atividades realizadas pelo sujeito, como ler; ouvir música; dançar; entre outras, conduzem a ativação das regiões encefálicas. Dentre essas atividades, as atividades cognitivas estão associadas a uma ativação de regiões encefálicas relacionadas com a aprendizagem, como as regiões do lóbulo frontal (Superior Frontal, Precuneus, entre outras). Diversos estudos vem sendo desenvolvidos para relacionar atividades cognitivas e as regiões encefálicas associadas. Este tipo de estudo é importante na compreensão da funcionalidade e conectividade do encéfalo e esse conhecimento pode servir de auxílio para o diagnóstico de anormalidades no seu funcionamento. Este estudo tem como objetivo a elaboração de um modelo classificador de atividades encefálicas durante o desenvolvimento de uma atividade cognitiva dentro das três categorias de atividade: Jogo de video game, música ou matemática. Para isso, utilizou-se dos sinais de Eletroencefalograma (EEG) coletados em duas bases de dados públicas e com uso da técnica de estimação de fontes encefálicas estimou-se as regiões anatômicas relacionadas a cada uma das atividades. Após essa determinação, foi treinado e testado um modelo baseado em aprendizado de máquinas que classifica o tipo de atividade desempenhada de acordo com as categorias de atividade. Dos resultados obtidos, podemos ressaltar o modelo classificador das atividades encefálicas elaborado com accurácia de 99,9%.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}