Curso de Brain Computer Interface

Aula 1 • Visão Geral da Arquitetura de Sistema BCI

Apresenta os componentes de aquisição, processamento e saída de sinal de um pipeline de BCI. Enquadra a visão completa do sistema que os alunos irão construir ao longo do curso.

Aula 2 • Fundamentos de Neurociência para BCI

Aborda a comunicação neuronal, regiões cerebrais e eletrofisiologia relevantes para o design de BCI. Liga as fontes de sinal biológicas à atividade elétrica mensurável.

Aula 3 • Domínios de Aplicação de BCI

Analisa a restauração motora, comunicação, neurorreabilitação e usos de BCI para consumo. Motiva a aprendizagem técnica ao ligar conceitos ao impacto no mundo real.

Aula 1 • Fundamentos de Eletroencefalografia

Explica a colocação de elétrodos EEG, sistemas de touca e geração de sinal. Estabelece o EEG como a principal modalidade não invasiva utilizada ao longo do curso.

Aula 2 • Configuração e Calibração de Hardware

Guia a configuração prática de sistemas de aquisição para recolha de dados fiável. Liga o conhecimento de hardware a protocolos experimentais reproduzíveis.

Aula 3 • Técnicas de Registo Invasivas

Aborda a eletrocorticografia e os microelétrodos intracorticais para registo de alta resolução. Contrasta a qualidade do sinal invasivo com a acessibilidade não invasiva.

Aula 4 • Neuroimagem Funcional para BCIs

Apresenta fMRI, fNIRS e MEG como modalidades de aquisição complementares. Destaca as vantagens da resolução espacial e as restrições práticas de implementação.

Aula 1 • Técnicas de Filtragem Digital

Aborda filtros passa-banda, notch e passa-alto para isolar as bandas de frequência neuronal. Aborda diretamente os artefactos de interferência da rede elétrica e de deriva introduzidos no Capítulo 2.

Aula 2 • Segmentação e Rejeição de Epochs

Segmenta gravações contínuas em epochs alinhadas à tarefa e rejeita trials inválidos. Garante que a extração de características a jusante opera em segmentos de dados válidos.

Aula 3 • Estratégias de Re-referenciação

Explica a referência média comum, mastoides ligados e filtros espaciais Laplacianos. Mostra como a escolha da referência afeta a topografia do sinal e o desempenho do BCI.

Aula 4 • Correção de Linha de Base e Normalização

Aplica a subtração da linha de base pré-estímulo e a normalização z-score entre epochs. Padroniza a amplitude do sinal para uma extração de características consistente.

Aula 1 • Filtragem Espacial para Melhoria de Características

Utiliza padrões espaciais comuns e beamforming para maximizar a discriminabilidade das classes. Estende os conceitos de re-referenciação para otimização espacial supervisionada.

Aula 2 • Extração de Características no Domínio do Tempo

Deriva características de amplitude, inclinação e potenciais relacionados a eventos a partir de epochs EEG. Estabelece o conjunto de características mais simples antes de introduzir métodos espectrais.

Aula 3 • Análise Espectral e Tempo-Frequência

Calcula a densidade espectral de potência e as representações tempo-frequência dos sinais neurais. Capta a dinâmica oscilatória relevante para BCIs de imagética motora e atenção.

Aula 4 • Seleção de Características e Redução de Dimensionalidade

Aplica métodos de filtro, wrapper e embedding para selecionar as características mais informativas. Previne o sobreajuste ao reduzir vetores de características de alta dimensionalidade.

Aula 1 • Métricas de Avaliação de Desempenho

Mede a exatidão, ITR, kappa e ROC-AUC para uma avaliação rigorosa do sistema BCI. Liga a saída do classificador ao débito de comunicação no mundo real.

Aula 2 • Classificadores Clássicos de Aprendizagem Automática

Aplica LDA, SVM e k-NN a vetores de características de BCI com validação cruzada. Fornece um desempenho de descodificação de base antes de introduzir modelos avançados.

Aula 3 • Aprendizagem Profunda para Descodificação de BCI

Implementa arquiteturas CNN, RNN e EEGNet para descodificação de BCI de ponta a ponta. Utiliza sinais brutos ou minimamente processados para aprender padrões espaço-temporais.

Aula 4 • Classificação Adaptativa e Online

Atualiza os classificadores em tempo real para lidar com a não estacionariedade e a deriva entre sessões. Prepara os alunos para a implementação em sistemas BCI ao vivo.

Aula 1 • Paradigma de BCI de Imagética Motora

Desenha protocolos de imagética motora baseados em cues e integra pipelines de descodificação CSP-LDA. Aplica as capacidades de extração de características e classificação num paradigma completo.

Aula 2 • Paradigma de Soletrador P300

Implementa a matriz oddball linha-coluna e a descodificação xDAWN-LDA para entrada de texto. Demonstra o design de paradigmas de potenciais relacionados a eventos e técnicas de média.

Aula 3 • Paradigmas de BCI Híbridos e Passivos

Combina múltiplos paradigmas ou utiliza monitorização passiva para melhorar a robustez. Estende o conhecimento de paradigma único para designs de BCI multimodais e implícitos.

Aula 4 • Frameworks de Software de BCI em Tempo Real

Configura plataformas de BCI de código aberto para entrega de estímulos, aquisição e descodificação. Integra todos os componentes do pipeline num sistema implementável em tempo real.

Aula 1 • Treino de Potencial Cortical Lento

Treina o controlo voluntário de potenciais corticais lentos para comunicação e autorregulação. Demonstra os requisitos de amplificação com acoplamento DC e o feedback de longa latência.

Aula 2 • Avaliação de Resultados de Neurofeedback

Avalia os resultados comportamentais, neurofisiológicos e clínicos das intervenções de neurofeedback. Aplica métodos de avaliação rigorosos para distinguir a verdadeira aprendizagem de artefactos.

Aula 3 • Neuroestimulação de Circuito Fechado

Integra a estimulação transcraniana acionada por estados cerebrais descodificados para modulação bidirecional. Estende os conceitos de circuito fechado para além dos ecrãs de feedback para intervenção ativa.

Aula 4 • Princípios de Neurofeedback

Explica o condicionamento operante das oscilações neurais e o mecanismo do ciclo de feedback. Fundamenta o design de neurofeedback na teoria da aprendizagem e na neuroplasticidade.

Aula 1 • Percursos Regulatórios para Dispositivos BCI

Navega pela classificação de dispositivos médicos, testes de segurança e processos de aprovação para BCIs implantáveis e não invasivas. Liga o design técnico aos requisitos de conformidade.

Aula 2 • Ética, Privacidade e Consentimento Informado

Examina os princípios neuroéticos, obrigações de privacidade de dados e frameworks de consentimento para pesquisa e produtos de BCI. Garante que os graduados aplicam o raciocínio ético ao design de sistemas.

Aula 3 • Fiabilidade e Manutenção de BCI a Longo Prazo

Aborda a deriva do sinal, degradação dos elétrodos e recalibração do modelo durante o uso prolongado. Prepara os alunos para sustentar o desempenho do BCI para além da implementação inicial.

Aula 4 • Lidar com a Variabilidade do Utilizador e Não Respondentes

Analisa fontes de variabilidade entre sujeitos e estratégias para melhorar o desempenho do BCI para todos os utilizadores. Constrói sobre a classificação adaptativa para abordar o problema do analfabetismo de BCI.