Uso de Redes Generativas Adversariais Aplicadas a Classificação de Sinais de EEG baseado em Imagética Motora

Em sistemas de Interface Cérebro-Computador (BCI, do inglês BrainComputer Interfaces) baseados em imagética motora, a classificação de sinais de eletroencefalografia (EEG) é uma tarefa bastante desafiadora, geralmente exigindo períodos exaustivos de calibração. Neste trabalho buscou-se reduzir a necessidade de muitas amostras coletadas para o treinamento do classificador através das redes adversárias generativas (GANs, do inglês Generative Adversarial Networks). Além disso, o classificador desenvolvido faz o processamento conjunto dos dados dos usuários, visando um sistema BCI mais genérico. Os resultados obtidos com a proposta foram bastante promissores.