Identificação de Forças de Contração Isométrica Baseada em EEG com Entropia de Fusão

Este estudo explora o papel importante da avaliação dos níveis de força no controle preciso dos movimentos dos membros superiores em interfaces homem-computador. Ele utiliza um novo método que combina entropia para melhorar o reconhecimento dos níveis de força. Esta pesquisa tem como objetivo diferenciar entre diferentes níveis de forças de contração isométrica usando análise de sinais de eletroencefalograma (EEG). Integra oito diferentes medidas de entropia: entropia do espectro de potência (PSE), entropia do espectro singular (SSE), entropia da energia logarítmica (LEE), entropia de aproximação (AE), entropia de amostra (SE), entropia fuzzy (FE), entropia de alinhamento (PE) e entropia de envelope (EE). Os resultados enfatizam dois avanços importantes: primeiro, incluir uma ampla gama de características de entropia melhora significativamente a eficiência da classificação; em segundo lugar, o método de entropia de fusão demonstra uma precisão excepcional na classificação das forças de contração isométrica. Ele alcança uma taxa de precisão de 91,73% na distinção entre forças de 15% e 60% de contração voluntária máxima (MVC), juntamente com 69,59% de precisão na identificação de variações entre 15%, 30%, 45% e 60% de MVC. Esses resultados iluminam a eficácia do uso da entropia de fusão na análise de sinais de EEG para a detecção de contração isométrica, anunciando novas oportunidades para avançar no controle motor e facilitar movimentos motores finos por meio de tecnologias sofisticadas de interface homem-computador.