🤖 machine learning

EEG Decoding Using CNN and LSTM Network

Este artigo propõe uma arquitetura híbrida de aprendizagem profunda combinando uma Rede Neural Convolucional (CNN) e uma rede de Long Short-Term Memory bidirecional (bi-LSTM) para decodificar robustamente sinais de EEG de imagética motora para tarefas de classificação tanto dependentes quanto independentes de sujeito.

Autores originais: Athanasios Karagounis

Publicado 2026-08-14

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Athanasios Karagounis

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que o seu cérebro é uma cidade movimentada onde bilhões de mensageiros minúsculos (neurônios) estão constantemente gritando mensagens uns para os outros. Às vezes, essas mensagens são sobre mover a mão ou talvez apenas imaginar mover a mão. Uma Interface Cérebro-Computador (BCI) é como um walkie-talkie superavançado que tenta ouvir esses sussurros e transformá-los em comandos para um computador, um robô ou um videogame. Isso é algo grandioso para pessoas que não conseguem mover seus corpos devido a doenças ou lesões, dando a elas uma nova maneira de falar com o mundo.

Mas há um problema: os sinais do cérebro são incrivelmente bagunçados. É como tentar ouvir uma única pessoa sussurrando em um estádio cheio de torcedores vibrando. Os sinais são fracos, ruidosos e difíceis de entender. Por muito tempo, os cientistas tiveram que limpar esse ruído manualmente e adivinhar quais partes do sinal eram importantes, quase como tentar encontrar uma agulha em um palheiro manualmente. Recentemente, os computadores começaram a usar o "deep learning" — um tipo de inteligência artificial que aprende padrões por conta própria — para fazer esse trabalho melhor. No entanto, mesmo esses computadores inteligentes às vezes têm dificuldade em captar a história completa porque os sinais cerebrais mudam ao longo do tempo, e o computador precisa entender tanto de onde vem o sinal quanto quando ele acontece.

É aqui que entra o estudo de Athanasios Karagounis. O pesquisador construiu um novo tipo de máquina de "leitura cerebral" que combina duas ferramentas poderosas de IA: uma Rede Neural Convolucional (CNN) e uma rede de Memória de Longo Prazo Bidirecional (bi-LSTM). Pense na CNN como um superdetetive que varre o mapa elétrico do cérebro para encontrar os pontos mais importantes, filtrando o ruído estático exatamente como um sintonizador de rádio encontrando uma estação clara. Assim que a CNN encontra as boas pistas, a bi-LSTM atua como um detetive que viaja no tempo. Ela não apenas olha para as pistas na ordem em que aconteceram; ela olha para o passado e o futuro do sinal ao mesmo tempo para entender a história completa do que a pessoa está imaginando.

O artigo testa este novo sistema híbrido em dois grupos diferentes de dados: um conjunto privado de gravações de seis pessoas saudáveis e vários conjuntos de dados públicos de outros pesquisadores. O objetivo era ver se o computador conseguia distinguir as pessoas imaginando mover a mão esquerda, a mão direita ou até mesmo a língua. Os resultados foram promissores. A equipe CNN&bi-LSTM superou métodos antigos e padrão, como a Análise Discriminante Linear (LDA) e as Máquinas de Vetores de Suporte (SVM). Em testes com os dados privados, o novo sistema acertou cerca de 85,4% das respostas em média, enquanto os métodos antigos ficaram em torno de 69% a 79%. Ainda mais interessante, o sistema funcionou bem mesmo quando a quantidade de dados de treinamento foi reduzida, sugerindo que ele é robusto e não precisa de uma biblioteca massiva de exemplos para aprender.

Os pesquisadores descobriram que o sistema aprendeu melhor quando se concentrou em 40 eletrodos específicos (sensores) na cabeça, em vez de usar todos os 64 disponíveis, o que na verdade ajudou a evitar o "pensar demais" sobre os dados. Eles também descobriram que a IA não apenas memorizou os sinais; ela começou a reconhecer padrões complexos que pareciam ondas, tornando-se mais sofisticada à medida que cavava mais fundo nas camadas de seu próprio "cérebro". Embora a melhoria sobre os métodos existentes tenha sido constante em vez de uma explosão massiva, o estudo sugere que combinar a filtragem espacial (encontrar o lugar certo) com a modelagem temporal bidirecional (entender o fluxo do tempo) é uma maneira mais inteligente de decodificar nossos pensamentos. O artigo conclui que essa abordagem oferece uma maneira sólida e unificada de transformar ondas cerebrais bagunçadas em comandos claros, potencialmente pavimentando o caminho para melhores ferramentas de reabilitação para as pessoas que mais precisam delas.

Resumo Técnico: Decodificação de EEG Usando Redes CNN e LSTM

Definição do Problema
As interfaces cérebro-computador (BCI) baseadas em imagética motora (MI) oferecem um caminho promissor de comunicação para indivíduos com acidente vascular cerebral ou distúrbios neurodegenerativos, ao traduzir movimentos imaginados em sinais de controle sem exigir movimento físico manifesto. No entanto, a decodificação confiável de eletroencefalografia de imagética motora (MI-EEG) permanece desafiadora devido ao ruído substancial inerente aos registros de EEG e às relações complexas e fracamente informativas entre os sinais e a atividade cerebral subjacente. Embora o aprendizado profundo ofereça um meio para aprender representações diretamente de sinais brutos, sua aplicação para o aprendizado de características de MI-EEG tem sido comparativamente limitada. Além disso, os pipelines convencionais de aprendizado profundo que dependem exclusivamente de Redes Neurais Convolucionais (CNN) ou Redes Neurais Recorrentes (RNN) individuais frequentemente exigem um esforço manual significativo para engenharia de características, otimização de parâmetros e treinamento de modelos, falhando em capturar plenamente as dependências espaciais e temporais necessárias.

Metodologia
O estudo propõe uma arquitetura de aprendizado profundo híbrida que integra uma Rede Neural Convolucional (CNN) com uma rede de Long Short-Term Memory Bidirecional (bi-LSTM) para abordar essas limitações.

Aquisição e Pré-processamento de Dados: A estrutura foi avaliada utilizando um conjunto de dados privado (D1) adquirido com 64 eletrodos e três conjuntos de dados públicos (D2–D4) com contagens de eletrodos variadas (32 ou 64). O pré-processamento envolveu o referenciamento dos sinais ao eletrodo do vértice (Cz), a seleção de localizações principais de eletrodos de MI-EEG (ex: C3, C4, P3, P4), a filtragem de ruído baseada em wavelet e a filtragem passa-banda na faixa de 8–23 Hz para isolar os ritmos $\mu$ e $\beta$ .
Extração de Características por CNN: O componente CNN serve como um filtro espacial projetado para aprender representações espaciais e temporais de alto nível diretamente de registros de MI-EEG brutos. Ele emprega oito filtros espaciais com um tamanho de kernel de $[36 \times 1]$ para transformar os canais originais de EEG em representações de características orientadas à tarefa. Esta camada realiza uma filtragem espacial aprendida análoga à filtragem passa-banda e extração de energia, reduzindo a dependência de seleção manual de características.
Normalização de Lote (Batch Normalization): Para melhorar a generalização e acelerar a otimização, a normalização de lote (BN) é aplicada após a extração de características. Isso normaliza as entradas para uma média de zero e um desvio padrão de um, mitigando o deslocamento de covariável interna.
Modelagem por bi-LSTM: As características extraídas são processadas por uma rede bi-LSTM para modelar a dinâmica e as dependências temporais. Ao contrário das LSTMs padrão que utilizam apenas entradas precedentes, a bi-LSTM processa a sequência em ambas as direções, progressiva e regressiva. Isso permite que a rede incorpore informações contextuais de observações anteriores e posteriores, capturando dependências complementares através de diferentes escalas de tempo. A rede utiliza portas padrão de LSTM (entrada, esquecimento, saída) e estados de célula para mitigar problemas de desaparecimento de gradiente.
Estratégia de Treinamento: O modelo é treinado usando validação cruzada com o Erro Quadrático Médio (MSE) como função objetivo, escolhido em vez da correlação cruzada devido à presença de intervalos de estado de repouso nos dados. O pré-treinamento supervisionado é empregado para inicializar os pesos usando coeficientes derivados de LASSO, fornecendo uma solução relacionada à regressão de mínimos quadrados antes de otimizar para correlações temporais.

Principais Contribuições

Arquitetura Híbrida: O artigo introduz uma arquitetura CNN&bi-LSTM especificamente projetada para reter padrões temporais de longo alcance informativos, enquanto melhora o desempenho de classificação de BCIs baseadas em MI-EEG.
Aprendizado de Ponta a Ponta (End-to-End): A estrutura aprende dependências espaciais e temporais diretamente de medições de EEG brutas. A CNN extrai características sem engenharia manual, enquanto a bi-LSTM modela a dinâmica sequencial para melhorar a representação das dependências temporais.
Avaliação Abrangente: A abordagem é extensivamente avaliada utilizando tanto um conjunto de dados privado quanto múltiplos conjuntos de dados públicos, demonstrando desempenho através de diferentes grupos de sujeitos e configurações experimentais.

Resultos Experimentais
O método proposto foi comparado contra Análise Discriminante Linear (LDA), Máquinas de Vetores de Suporte (SVM), CNNs padrão e RNNs.

Conjunto de Dados Privado (D1): O modelo CNN&bi-LSTM alcançou uma acurácia média de classificação de 85,4% entre sete sujeitos. Isso superou o LDA (69,5%), SVM (73,0%), CNN (75,9%) e RNN (79,5%). A maior acurácia específica por sujeito atingiu 92,5%.
Conjuntos de Dados Públicos (D2–D4): O modelo híbrido superou consistentemente outras arquiteturas de aprendizado de máquina e recorrentes. Em D2, D3 e D4, o modelo proposto alcançou acurácias de 81,80%, 87,97% e 85,32%, respectivamente. Esses resultados foram superiores aos de LSTMs de camada única, RNNs multicamadas e ST-CNNs, indicando que combinar a extração de características convolucionais com a modelagem temporal bidirecional é mais eficaz do que simplesmente aumentar a profundidade da rede.
Robustez: Experimentos indicaram que a arquitetura é relativamente robusta a reduções no tamanho dos dados de treinamento, mantendo aproximadamente 89% de acurácia com apenas 60% dos dados disponíveis. Adicionalmente, o desempenho atingiu o pico com 40 eletrodos, sugerindo que contagens excessivas de canais podem levar ao overfitting.

Significância e Alegações
O artigo afirma que a arquitetia proposta CNN&bi-LSTM fornece um mecanismo unificado para transformar medições de EEG de baixo nível em representações de alto nível que incorporam informações temporais e de frequência. Os resultados demonstram que o método pode efetivamente enfatizar componentes informativos de sinais de MI-EEG e alcançar um desempenho de classificação competitivo através de diversos conjuntos de dados e sujeitos. O autor postula que o uso de modelagem recorrente bidirecional representa uma alternativa potencial à análise convencional de EEG baseada em características espectrais. Eles sugerem que esta abordagem pode apoiar pesquisas futuras e aplicações práticas em sistemas de reabilitação baseados em MI-EEG, oferecendo uma solução robusta para a decodificação independente de sujeito.

Mais como este