Você está na página 1de 42

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DEPARTAMENTO ACADÊMICO DE ELETROTÉCNICA

LETÍCIA BRAND
PATRÍCIA SOUZA SANTOS
THAIS YURIKO MIDORIKAWA

AQUISIÇÃO E CONDICIONAMENTO DE SINAIS CEREBRAIS POR


ELETROENCEFALOGRAFIA

TRABALHO DE CONCLUSÃO DE CURSO

CURITIBA
2016
LETÍCIA BRAND
PATRÍCIA SOUZA SANTOS
THAIS YURIKO MIDORIKAWA

AQUISIÇÃO E CONDICIONAMENTO DE SINAIS CEREBRAIS POR


ELETROENCEFALOGRAFIA

Trabalho de Conclusão de Curso apresentada ao


Departamento Acadêmico de Eletrotécnica da
Universidade Tecnológica Federal do Paraná como
requisito parcial para obtenção do título de “Bacharel
em Engenharia de Controle e Automação – Área de
Concentração: Engenharia de Controle e Automação.

Orientadora: Mariana Antônia Aguiar Furucho

Co-orientador: Glauber Gomes de Oliveira

CURITIBA
2016
LISTA DE FIGURAS

FIGURA 1 – Localização dos eletrodos de acordo com o Sistema Internacional 10-20. 9


FIGURA 2 – Fluxograma representativo das etapas do trabalho. . . . . . . . . . . . . . . . . . . . . . 10
FIGURA 3 – Padrões de ondas EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
FIGURA 4 – Esquema da aquisição com derivação monopolar (a) e derivação bipolar
(b). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
FIGURA 5 – Amplificador de ganho diferencial (a) e ganho de modo-comum (b). . . . . 16
FIGURA 6 – Esquema do comportamento elétrico entre escalpo e eletrodo com a
utilização de pasta condutora. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
FIGURA 7 – Circuito elétrico equivalente ao contato entre o eletrodo e a superfície da
pele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
FIGURA 8 – Circuito de um amplificador de instrumentação composto por três
amplificadores diferenciais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
FIGURA 9 – Circuito de realimentação da perna direita e os acoplamentos capacitivos
entre o paciente e a rede elétrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
FIGURA 10 – Comparação entre filtros reais e ideais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
FIGURA 11 – Aproximação de Butterworth para N’s diferentes. . . . . . . . . . . . . . . . . . . . . . 23
FIGURA 12 – Aproximação de Chebyshev tipo 1 (a) e tipo 2 (b) para N’s diferentes. . . . 24
FIGURA 13 – Aproximação de Cauer para N’s diferentes. . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
FIGURA 14 – Comparação das aproximações. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
FIGURA 15 – Esquema metodológico desenvolvido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
FIGURA 16 – Circuito da fonte de tensão linear de baixo ruído. . . . . . . . . . . . . . . . . . . . . . . 28
FIGURA 17 – Características de ganho (a), CMRR (b) e ruído de entrada (c) do INA121
em temperatura ambiente (±25 ◦ C) e tensão de alimentação de ±15V. . . . 29
FIGURA 18 – Filtro PB para o Amplificador de Instrumentação INA121. . . . . . . . . . . . . . 30
FIGURA 19 – Esquema de utilização do DRL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
FIGURA 20 – CMRR (a) e ganho (b) para o amplificador CA3140. . . . . . . . . . . . . . . . . . . . 31
FIGURA 21 – Filtro PA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
FIGURA 22 – Saída do filtro PA com sinal de entrada a 30 Hz. . . . . . . . . . . . . . . . . . . . . . . . 32
FIGURA 23 – Saída do filtro PA com sinal de entrada a 0.2 Hz. . . . . . . . . . . . . . . . . . . . . . . 33
FIGURA 24 – Filtro PB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
FIGURA 25 – Saída do filtro PB com sinal de entrada a 30 Hz. . . . . . . . . . . . . . . . . . . . . . . . 34
FIGURA 26 – Saída do filtro PB com sinal de entrada a 60 Hz. . . . . . . . . . . . . . . . . . . . . . . . 35
FIGURA 27 – Circuito de Calibração. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
LISTA DE SIGLAS

ICM Interface Cérebro Máquina


EEG Eletroencefalograma
ECG Electrocardiograma
EMG Eletromiograma
EOG Eletrooculograma
CMRR Relação de Rejeição em Modo-Comum
SNR Relação Sinal-Ruído
EMI Interferência Eletromagnética
DRL Circuito de Realimentação da Perna Direita
PF Passa-Faixas
RJF Rejeita-Faixas
PA Passa-Altas
PB Passa-Baixas
SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 TEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Delimitação do Tema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 PROBLEMA E PREMISSAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 JUSTIFICATIVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 PROCEDIMENTOS METODOLÓGICOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6 ESTRUTURA DO TRABALHO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1 BIOPOTENCIAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.1 Características do EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.2 Eletroencefalografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 REQUISITOS PARA A AQUISIÇÃO DO SINAL EEG . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 AQUISIÇÃO DE SINAIS EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1 ELETRODOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 AMPLIFICADOR DE INSTRUMENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 INTERFERÊNCIAS DE RUÍDOS EM BIOPOTENCIAIS . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 FILTRAGEM DE SINAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4.1 Aproximação de filtros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.1 FONTE DE ALIMENTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 CIRCUITO DE AQUISIÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.1 Amplificador de Instrumentação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.2 Filtro Passa-Alta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.3 Filtro Passa-Baixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 CIRCUITO DE CALIBRAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5 RESULTADOS ESPERADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1 CRONOGRAMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5

1 INTRODUÇÃO

1.1 TEMA

Avanços recentes nas técnicas de processamento de sinais têm levado a uma maior
confiabilidade nos diagnósticos na área biomédica (VARGHESE, 2009). Assim, doenças
relacionadas ao cérebro humano, tais como esclerose lateral amiotrófica e doenças que
degeneram os neurônios motores do corpo, podendo causar a paralisia parcial ou total dos
membros, possuem maior possibilidade de diagnóstico (RAJESH, 2013).
A interface cérebro máquina (ICM) foi criada com o intuito de aprimorar o diagnóstico
destas doenças e posteriormente, com o avanço de sua utilização, passou a oferecer a pacientes
com tais limitações uma possibilidade de reestabelecer a comunicação entre cérebro e corpo
(RAJESH, 2013) além de auxiliar no tratamento de doenças motoras. Assim, os objetivos
principais da ICM são de detectar e interpretar a atividade elétrica do cérebro gerada por grupos
de neurônios, funcionando como um meio alternativo ao caminho normal de transmissão dos
sinais biológicos (MUSSATTO; SILVA, 2014).
Com a possibilidade de comandar dispositivos eletrônicos somente com a atividade
cerebral, sem a utilização de impulsos musculares (LOTTE et al., 2007), se tornou mais factível
a criação de próteses para pessoas amputadas ou tetraplégicas, controle de robôs e de cadeiras
de rodas, além de outras tecnologias assistivas (MILLÁN et al., 2003; MUSSATTO; SILVA,
2014). No entanto, os estudos sobre essa tecnologia ainda se encontram em fase de exploração
das reais potencialidades de uso, de forma que ainda existam poucas aplicações efetivas de
controle por padrões de sinais neurais. No entanto, as já realizadas são expressivas e motivam a
continuidade dos estudos (SCHUH et al., 2014).
Um dos métodos utilizados na captação da atividade neural para emprego nas ICM’s
é a eletroencefalografia. Por meio dela são medidas as flutuações da tensão elétrica sobre
a superfície do couro cabeludo (ALOMARI et al., 2014). A partir dos perfis dos sinais
captados pela eletroencefalografia, pode-se estudar e identificar padrões da atividade cerebral
relacionados ao estado do usuário. A aquisição desses sinais permite, além da possibilidade de
diagnósticos de doenças já mencionada, aplicá-los no controle e acionamento de dispositivos.
De todas as etapas necessárias para que seja possível sair da captação da atividade
cerebral até o controle de uma prótese, precisa-se dedicar tempo e estudos imprenscindíveis
para a etapa intermediária do processo, a qual é responsável pelas amplificações e filtragem
do sinal captado. Uma vez que o método de captação não-invasiva acarreta em uma grande
quantidade de ruídos que distorcem o sinal, denominados de artefatos, esta etapa é fundamental
6

para o funcionamento confiável do dispositivo eletrônico (NIEDERMEYER; SILVA, 2005;


DEMARRE et al., 1983). Por fim, após o condicionamento do sinal cerebral, este é classificado
em comandos para o controle de um dispositivo artificial (MUSSATTO; SILVA, 2014).

1.1.1 Delimitação do Tema

Para a aquisição de sinais cerebrais podem ser encontrados diferentes tipos de eletrodos
que proporcionam um caminho eficiente entre a captação do sinal e o condicionador do sinal. Os
mais utilizados são os eletrodos de agulha e microeletrodos, que são implantados internamente,
e eletrodos de superfície, de caráter não-invasivo (DEMARRE et al., 1983). Assim, segundo
Niedermeyer e Silva (2005), existem três maneiras distintas de implantação: internamente ao
encéfalo, em sua superfície e em contato com o escalpo, as quais descrevem, respectivamente, os
métodos invasivo, parcialmente invasivo e não-invasivo. Por serem internos, o método invasivo
e parcialmente invasivo requerem técnicas cirúrgicas para a implantação dos sensores, elevando,
assim, o custo e o risco destas técnicas. No método não-invasivo, a captação dos sinais neurais
apresenta mais artefatos e a resolução dos sinais é mais limitada, porém, sua vantagem consiste
no fato de não haver exigência de técnicas cirúrgicas para a aplicação (VARGHESE, 2009).
Visto isso, o tema que abrange este projeto será restringido à aquisição dos sinais
cerebrais por eletroencefalografia de caráter não-invasivo, utilizando eletrodos de superfície,
obedecendo o Sistema Internacional 10-20, o qual consiste no posicionamento simétrico dos
eletrodos nos intervalos de 10% ou 20% da distância de pontos pré-determinados no escalpo
(SILVA, 1996).
Após a aquisição do sinal cerebral, será desenvolvido um circuito eletrônico
envolvendo as etapas de amplificação e filtragem que redirecionará o sinal para o
microcontrolador TIVA, o qual fará a conversão A/D e possíveis melhorias no sinal. Este
microcontrolador é considerado ideal para tais fins por conciliar um eficiente conversor A/D
com boa resolução, boa velocidade de conversão e baixo custo (TEXAS INSTRUMENTS,
2013).
Por fim, o sinal já convertido e condicionado será processado e interpretado
pela interface MATLAB, a qual fornece recursos com facilidade de manuseio e possui a
possibilidade de apresentar resultados de forma gráfica, disponibilizando, assim, os comandos
decodificados em uma interface computacional.

1.2 PROBLEMA E PREMISSAS

A obtenção das ondas cerebrais via sensores localizados na superfície da pele implica
em um sinal captado intensamente ruidoso em relação à sua baixa magnitude da ordem de
7

microvolts e frequência de até 100Hz (HALL, 2015). Os ruídos em questão podem provir
de diversos fatores fisiológicos ou não-fisiológicos, tais como: suor e oleosidade da pele,
quantidade de cabelo entre o sensor e a região na qual é aplicado, impedância interna do
eletrodo, interferência eletromagnética do ambiente, entre outros.
Vinculado a isto, a dificuldade de se obter uma plataforma de condicionamento não
atrelada unicamente a um produto comercializado é um obstáculo a mais para o processamento
de sinais cerebrais obtidos para fins de pesquisa. Desta forma, presume-se que, com este projeto,
será possível a obtenção de uma plataforma de baixo custo, confiável e de eficiente captação,
filtragem e interpretação de sinais cerebrais para fins educacionais ou pessoais.

1.3 OBJETIVOS

1.3.1 Objetivo Geral

Desenvolver uma plataforma eletrônica e computacional em que os impulsos neurais,


relacionados às funções motoras da face, possam ser obtidos, processados, classificados e
apresentados para aplicações posteriores de acordo com a intenção de ação do usuário dentro
de um escopo pré-definido.

1.3.2 Objetivos Específicos

• Revisar a literatura;

• Captar ondas cerebrais utilizando-se métodos não-invasivos;

• Amplificar e filtrar os sinais de modo que os artefatos sejam identificados e amenizados;

• Converter as ondas cerebrais em sinais digitais por meio de uma plataforma


microcontrolada (TIVA);

• Processar e classificar os sinais em comandos pré-determinados utilizando o software


MATLAB;

• Apresentar o comando intencionado pelo usuário, de forma a possibilitar uma aplicação.

1.4 JUSTIFICATIVA

Os estudos relacionados à área de captação e condicionamento de sinais cerebrais


utilizando métodos não-invasivos, obtiveram grandes avanços nos últimos anos. Este fato pode
ser observado pelo desenvolvimento de aplicações nas áreas de mobilidade e tratamento de
8

doenças relacionada aos movimentos do corpo (MUSSATTO; SILVA, 2014). Porém, ainda é
raro de se encontrar plataformas acessíveis que possibilitam o condicionamento do sinal neural,
independente de sua aplicação final, o que dificulta o avanço dos estudos e aperfeiçoamento
de próteses robóticas, entre outras aplicações. A forte presença de artefatos também agrega
dificuldade à manipulação e à utilização destes sinais, impossibilitando um comando compatível
para a aplicação desejada (MILLÁN et al., 2003).
O trabalho a ser realizado objetiva desenvolver um sistema eletrônico de captação
de sinais por meio da eletroencefalografia, processá-los por meio de uma plataforma
computacional, e interpretar comandos a partir dos sinais adquiridos, visando a execução de
ações com base em regras previamente definidas. Assim, estudos futuros na área poderão se
basear no atual trabalho para o desenvolvimento de novas técnicas e até mesmo para o uso
efetivo dos resultados em dispositivos eletrônicos.
A relevância do projeto se torna, assim, de fundamental importância para o avanço
do conhecimento na área de análise e processamento de sinais cerebrais com aplicação em
próteses e para pacientes e pesquisadores que possam se beneficiar de maneira mais direta desta
plataforma.

1.5 PROCEDIMENTOS METODOLÓGICOS

A captação de sinais cerebrais será feita utilizando-se sensores EEG de superfície com
o auxílio de uma pasta condutora com propriedades adesivas e redutoras de impedância, para
uma melhor captação dos sinais. No entanto, a fixação dos 21 sensores utilizados de acordo com
o Sistema Internacional 10-20 (Figura 1) no escalpo é uma operação longa e inconveniente, uma
vez que é necessária a aplicação da pasta condutora no couro cabeludo e a limpeza da região
antes e após as medições (ZHANG et al., 2009).
Além disto, sabe-se que Millán et al. (2003) e Zhang et al. (2009) obtiveram uma
eficácia razoável utilizando apenas 8 eletrodos e que, em um estudo comparativo, obtêve-se que
a confiabilidade dos sinais provenientes da têmpora (canais Af e Fp) corresponde à cerca de
80% em relação aos captados pelo córtex motor (canais Fc, C e Cp) (ZHANG et al., 2009).
Portanto, tendo em vista a dificuldade de se obter sinais livres de artefatos oriundos da
fisiologia do córtex motor do usuário (DEMARRE et al., 1983) e considerando os resultados
obtidos por Millán et al. (2003) e Zhang et al. (2009), serão posicionados de 2 à 8 eletrodos
de biopotencial nas têmporas, onde se realizará a detecção dos impulsos cerebrais emitidos por
determinados movimentos faciais, a serem explorados.
Por conseguinte, será necessária a amplificação do sinal, para aumentar sua resolução,
devido à baixíssima amplitude original, da ordem de µ V (DEMARRE et al., 1983), bem
9

Figura 1: Localização dos eletrodos de acordo com o Sistema Internacional 10-20.


Fonte: (TRANSCRANIAL TECHNOLOGY, 2012)

como realizar sua filtragem, já que na captação somam-se artefatos indesejados. Estas etapas
serão realizadas via hardware, e serão constituídas da construção e implementação das placas
eletrônicas necessárias. A próxima etapa consistirá na adequação do sinal captado pelos
eletrodos à escala do conversor A/D. A conversão será feita por meio do microcontrolador
TIVA launchpad, que possui um conversor A/D com resolução de 32-bits e possibilitará a
realização de operações em tempo real, devido sua frequência de operação de 80 MHz (TEXAS
INSTRUMENTS, 2013).
Na sequência, os sinais serão enviados, por meio de interface serial, do
microcontrolador para a plataforma MATLAB, onde serão realizados a classificação e o
processamento dos dados em questão. Com auxílio da toolbox EEGLAB, serão desenvolvidos
algoritmos para a decodifição dos sinais e utilizadas interfaces gráficas, possibilitando a
visualização dos resultados. A Figura 2 a seguir resume os passos necessários para a realização
do trabalho, não sendo a etapa de aplicação parte do escopo, e sim deste trabalho uma sugestão
proposta a trabalhos futuros.
10

Figura 2: Fluxograma representativo das etapas do trabalho.


Fonte: Autoria Própria

1.6 ESTRUTURA DO TRABALHO

Capítulo 1 - Introdução. Composto pelo tema, problemas e premissas, objetivos gerais,


objetivos específicos e justificativa. Este capítulo foi destinado para a delimitação do tema,
definição dos objetivos, bem como a escolha dos métodos e procedimentos utilizados para
obtenção dos mesmos.
Capítulo 2 - Fundamentação Teórica. Este capítulo constitui uma seção em que as
explicações teóricas e técnicas sobre os procedimentos, materiais e instrumentos utilizados para
a aquisição dos sinais são fornecidas. Assim, o leitor do trabalho pode compreender mais
facilmente os conceitos abordados no projeto.
Capítulo 3 - Aquisição de sinais EEG. Este capítulo aborda o procedimento de
aquisição de sinais cerebrais, com enfoque no funcionamento dos eletrodos, amplificadores
e filtros utilizados para a captação, bem como as técnicas utilizadas para a redução de artefatos
no sinal.
Capítulo 4 - Metodologia. Neste capítulo são discutidos os projetos dos hardware de
filtragem e amplificação, bem como da fonte de alimentação e do circuito de calibração, com
foco nos requisitos do sistema e no funcionamento dos componentes eletrônicos utilizados.
Capítulo 5 - Resultados Esperados. Neste capítulo são discutidos os estudos
11

já realizados, as etapas seguintes do trabalho e quais são os resultados esperados do


desenvolvimento do projeto.
12

2 FUNDAMENTAÇÃO TEÓRICA

2.1 BIOPOTENCIAIS

Muitos órgãos do corpo humano manifestam suas funções por meio de atividades
elétricas (THAKOR, 1999), emitindo sinais elétricos ao realizar um determinado movimento
corporal, chamados biopotenciais (ADUR, 2008).
As origens desses biopotenciais se dão em nível celular, sendo o potencial
elétrico através de uma membrana celular o resultado de diferentes concentrações iônicas
(predominantemente de íons de potássio e sódio) existentes no interior e exterior das células.
O gradiente de concentração eletroquímico destes íons é chamado de potencial de Nernst ou
potencial de repouso (THAKOR, 1999; BERBARI et al., 1997). Por meio de estímulos elétricos
ou mudanças no seu gradiente elétrico, algumas células do organismo podem ser excitadas, o
que resulta em um rápido fluxo de íons através de suas membranas celulares e produz o chamado
potencial de ação. Essa excitação gera mínimas correntes no volume que envolve as células,
manifestando-se como potenciais no corpo (THAKOR, 1999; BRONZINO, 2006).
Os biopotenciais mais utilizados atualmente compreendem o eletrocardiograma (ECG)
utilizado para detecção de impulsos do coração; eletromiograma (EMG) utilizado para pulsos
musculares; eletrooculograma (EOG) para medir a atividade ocular e o eletroencefalograma
(EEG), sendo este o biopotencial captado dos sinais cerebrais (FRONDANA, 2012; ALVES,
2013).
Cada sinal possui características específicas que diferenciam os métodos necessários
para as suas aquisições e classificações. Na Tabela 1 estão listadas algumas características dos
sinais mais comuns e suas diferenças em relação aos seus intervalos de amplitude e frequência.

Tabela 1: Características dos sinais de biopotenciais mais utilizados


Classificação Intervalo de amplitude (mV) Intervalo de frequência (Hz)
Eletrocardiograma (ECG) 1-10 0,05-100
Eletromiograma (EMG) 0,05-5 1-500
Eletrooculograma (EOG) 0,01-5 dc-100
Eletroencefalograma (EEG) 0,002-0,1 0,5-100
Fonte: (BRONZINO, 2006)

2.1.1 Características do EEG

Segundo Thakor (1999), EEGs são estímulos elétricos produzidos por uma grande
quantidade de neurônios interagindo entre si dentro do manto cortical, sendo o mais tênue
13

dos biopotenciais conhecidos e atingindo um máximo de 300µ V de amplitude (BERBARI et


al., 1997; ALVES, 2013). Sendo assim, o dispositivo utilizado para a captação destes sinais
por métodos não-invasivos deve ser feito com material de baixa impedância, além de estar em
contato direto com o escalpo.
Além da baixíssima amplitude e limitada frequência, tais sinais são também de
difícil interpretação uma vez que resultam da manifestação da atividade elétrica simultânea
de milhares de neurônios através de tecidos cerebrais, fluídos e escalpo (GEVINS; AMINOFF,
1988). No entanto, certos padrões de forma de onda obtidas por meio do EEG apresentam
sinais característicos em diferentes frequências de acordo com a atividade executada. Segundo
Malvimuo e Plonsey (1995), existem quatro tipos de ondas de EEG diferenciáveis:

• Alpha (α ): Frequência entre 8 e 13 Hz, medição realizada na região occipital em uma


pessoa acordada e com olhos fechados;

• Beta (β ): Frequência entre 13 e 30 Hz, medição realizada na região parietal e lobos


frontais;

• Delta (δ ): Frequência entre 0,5 e 4 Hz, medição realizada em bebês ou adultos dormindo;

• Theta (θ ): Frequência entre 4 e 8 Hz, medição realizada em crianças ou adultos dormindo.

Tais padrões de ondas podem ser observados na Figura 3 a seguir.

Figura 3: Padrões de ondas EEG


Fonte: Adaptado de (TYNER et al., 1989)

2.1.2 Eletroencefalografia

A eletroencefalografia é definida como o processo necessário para a aquisição de sinais


elétricos oriundos do cérebro humano. Tais sinais têm suas origens a partir de estímulos nos
14

neurônios, que se enquadram em três categorias distintas: atividade espontânea, potenciais


evocados e neurônio isolado (MALVIMUO; PLONSEY, 1995).
O sinal proveniente da categoria de atividade espontânea é medido no escalpo, com
amplitude de aproximadamente 100 µ V e ocorre de forma contínua em um indivíduo. Já a
categoria de potenciais evocados, realizada também por meio do posicionamento de eletrodos
no escalpo (MALVIMUO; PLONSEY, 1995), é composta por sinais que surgem por meio de
um estímulo não espontâneo, com baixa rejeição em modo-comum (Common-Mode Rejection
Ratio - CMRR), fazendo com que sua detecção seja considerada de grau elevado. Por fim,
a categoria de neurônio isolado utiliza o método de perfuração de apenas um neurônio para
realizar a leitura das características dos biopotenciais utilizando microeletrodos como meio de
captação (MALVIMUO; PLONSEY, 1995).
O registro dos sinais EEG de cada canal oriundo dos eletrodos é realizado por meio de
um amplificador de instrumentação e pode ser realizado de duas maneira distintas (TAVARES
et al., 2011): derivação monopolar e derivação bipolar.
No método de derivação monopolar utilizam-se dois eletrodos, sendo um a referência
do sistema e o outro o canal contendo o sinal EEG. Assim, o eletrodo de referência deve
ser posicionado onde não haja biopotenciais, como no lóbulo da orelha ou no queixo. Desta
forma, o registro do sinal será feito tomando-se a diferença entre o os dois canais por meio do
amplificador de instrumentação (TAVARES et al., 1997), como ilustrado na Figura 4.a.
A derivação bipolar consiste na diferença entre dois canais portadores de sinal EEG.
Diferentemente do que ocorre na derivação monopolar, neste método não há uma referência
comum, o que inviabiliza quaisquer comparações entre as amplitudes dos canais. Porém,
como os ruídos existentes em ambos os canais são semelhantes, estes acabam por se anular
e a ausência de referência não possibilita um registro bem posicionado no espaço (TAVARES
et al., 1997). Um exemplo de aquisição de sinais EEG pelo método de derivação bipolar é
ilustrado na Figura 4.b.
15

Figura 4: Esquema da aquisição com derivação monopolar (a) e derivação bipolar (b).
Fonte: Adaptado de (TAVARES et al., 2011)

2.2 REQUISITOS PARA A AQUISIÇÃO DO SINAL EEG

O circuito de aquisição dos sinais EEG deve ser projetado tendo em vista algumas
características do sinal já discutidas. Assim, deve-se primeiramente desenvolver um circuito de
amplificação capaz de elevar a magnitude do sinal, seguindo o seguinte critério:

1. As frequências produzidas pelo cérebro devem permanecer as mesmas, simplesmente


amplificando a tensão de entrada (TYNER et al., 1989);

Para tal requisito, deve-se atentar para os possíveis ruídos que serão agregados ao sinal,
vindos da rede elétrica, de dispositivos eletrônicos nas proximidades ou de quaisquer
outras fontes de ruídos presentes no local da aquisição. Assim, deverá haver a remoção
das frequências indesejadas no sinal com a implementação de filtros. Em geral, estes
filtros são do tipo passa-alta, passa-baixa ou rejeita-faixa, sendo a frequência de corte do
sinal calculada de acordo com as especificações do projeto.

2. A CMRR do amplificador deve ser a maior possível;

O amplificador de instrumentação escolhido deve possuir CMRR elevado a fim de que


sinais alheios à medição nas duas entradas do amplificador sejam rejeitados e apenas a
diferença de tensão seja amplificada (NORMAN, 1988). O cálculo do CMRR de um
amplificador é feito a partir da relação entre o ganho diferencial e o ganho de modo-
comum, como indicado na Figura 5 e Equação 1.
16

Figura 5: Amplificador de ganho diferencial (a) e ganho de modo-comum (b).


Fonte: (PILEGGI, 1999)

A
CMRR = (1)
Acm
Sendo que A e Acm são os ganhos diferencial e de modo-comum, respectivamente, e são
dados por:
Vo
A= (2)
V2 −V1
e
Vo
Acm = (3)
Vcm
3. A impedância diferencial do amplificador deve ser a maior possível.

O amplificador é responsável pela sensibilidade do circuito, que está definida para


µ V/mm ou µ V/cm (DEMARRE et al., 1983). Essa característica evita distorções no
sinal amplificado.
17

3 AQUISIÇÃO DE SINAIS EEG

3.1 ELETRODOS

Eletrodos são definidos como sensores capazes de detectar reações eletroquímicas


advindas de seres-vivos (DEMARRE et al., 1983), servindo como o dispositivo que realiza
a interface entre escalpo e o equipamento que fará o registro e condicionamento do sinal EEG
(ADUR, 2008).
Para a melhor captação do sinal e visando maior eficiência na eliminação de artefatos,
o material constituinte do eletrodo também deve ser cuidadosamente escolhido. Assim, deve
ser feito de material condutor que permite a transferência estável de corrente entre a fonte do
sinal e o condicionador do sinal. Além disso, é importante destacar que as reações químicas que
ocorrem dentro do corpo ou sobre a superfície da pele não devem influenciar no contato entre
escalpo e eletrodo, portanto, o eletrodo deve ser inerte a reações químicas (DEMARRE et al.,
1983).
Materiais como zinco e níquel são capazes de produzir íons no eletrodo, o que levará
a uma polarização indesejada no dispositivo, bloqueando a captação do sinal. Já metais menos
ativos, tais como a prata e o ouro, produzirão poucos íons e, portanto, menos polarização
(DEMARRE et al., 1983).
A utilização da pasta condutora entre o escalpo e o eletrodo possui fundamental
importância para a obtenção de um bom contato, facilitando a leitura do sinal elétrico devido a
suas propriedades condutivas (DEMARRE et al., 1983). Através deste eletrólito, o surgimento
de uma tensão entre metal e escalpo será facilitado, como é possível ver na Figura 6 a seguir
(ADUR, 2008).
18

Figura 6: Esquema do comportamento elétrico entre escalpo e eletrodo com a utilização de pasta
condutora.
Fonte: Adaptado de (TYNER et al., 1989)

O esquema entre eletrodo e eletrólito apresentado anteriormente na Figura 6 pode ser


representado por um circuito elétrico equivalente ilustrado na Figura 7. A fonte de tensão
contínua representa o potencial elétrico que pode ser obtido da troca iônica entre o metal
do eletrodo e o eletrólito. As cargas que se formam entre o eletrodo e a superfície da pele
funcionam como uma capacitância. Também são observadas as resistências do eletrodo e do
meio que transmitirá a informação captada pelo eletrodo.

Figura 7: Circuito elétrico equivalente ao contato entre o eletrodo e a superfície da pele


Fonte: (DEMARRE et al., 1983)

3.2 AMPLIFICADOR DE INSTRUMENTAÇÃO

A etapa de amplificação é crucial para a aquisição de biopotenciais, de maneira que


exige o uso de componentes específicos para tal. Segundo Thakor (1999), os amplificadores
de instrumentação possuem alto desempenho e combinam as melhores características desejadas
19

para a aquisição de biopotenciais, como: alto ganho diferencial, baixo ganho de modo comum,
elevado CMRR e alta impedância de entrada.
Os amplificadores de instrumentação são elementos de ganho de precisão e possuem
uma entrada diferencial e uma saída que pode ser diferencial ou individual com relação a um
terminal de referência. Sua função é amplificar a diferença entre dois sinais de entrada e rejeitar
sinais comuns entre as mesmas (CORPORATIONS, 2002).
Esses tipos de amplificadores são construídos a partir de amplificadores operacionais
que possuem algumas das características anteriormente citadas. (NEUMAN, 1998) indica
o amplificador de instrumentação composto por três amplificadores operacionais, de forma
que sua entrada possui dois amplificadores não-inversores conectados entre si por meio de
um resistor Rg , o qual define o ganho total do amplificador. Em sequência, encontra-se
um amplificador diferencial convencional, cujas entradas são as saídas dos amplificadores
anteriores seguidas por resistores, como ilustra a na Figura 8. Essa topologia resulta na
amplificação da tensão diferencial entre os sinais de entrada, com o ganho (G) distribuído nos
dois estágios de amplificação (THAKOR, 1999).

Figura 8: Circuito de um amplificador de instrumentação composto por três amplificadores


diferenciais.
Fonte: Adaptado de (ADUR, 2008)

Segundo Texas Instruments, o cálculo das tensões de saída e o ganho da topologia com
três amplificadores podem ser obtidos pela Equação 4:

2 · R1 R3
Vout = (1 + )· · (Vin− −Vin+ ) +Vre f (4)
Rg R2
De forma que o ganho é obtido pela Equação 5 seguinte caso R2 = R3 .

2 · R1
G = 1+ (5)
Rg
20

3.3 INTERFERÊNCIAS DE RUÍDOS EM BIOPOTENCIAIS

O conhecimento das possíveis fontes de ruídos em sinais biológicos é necessário para


estimar a relação sinal-ruído (Signal to Noise Ratio - SNR) e, assim, projetar um sistema de
aquisição eficaz. Segundo Sherman e Walterspacher (2006), os sinais indesejados obtidos
por meio da medição direta de biopotenciais usualmente são causados por ruídos externos e
interferências de origem elétrica ou biológica, sendo estas mais conhecidas como artefatos.
Em sinais EEG, as interferências surgem devido a fatores fisiológicos, tais como
contrações musculares, movimentos oculares e movimentos involuntários. Também podem
ser de origem eletrônica, como os componentes do próprio circuito de aquisição; e de origem
elétrica, oriundos da rede de energia elétrica e rádio-frequência (THAKOR, 1999). Dentre
as perturbações elétricas inerentes ao circuito de aquisição, destacam-se os ruídos térmicos,
oriundos de componentes resistivos, e os ruídos de contato em razão dos pinos de contato
(LEACH, 1994).
A principal interferência de origem elétrica que dificulta a aquisição de biopotenciais
é a interferência eletromagnética (electromagnetic interference - EMI) (YAZICIOGLU et al.,
2009), a qual ocorre devido ao fato de que, entre a rede elétrica e o paciente, há a presença de
pequenas capacitâncias parasitas e de isolamento, além do campo magnético criado pelos cabos
do eletrodo, e da corrente de deslocamento devido ao campo elétrico causando uma queda de
tensão nos eletrodos, etc (USAKLI, 2009).
Uma forma de reduzir ou eliminar a interferência elétrica antes dela distorcer o sinal
de entrada do amplificador (sendo, assim, também amplificada), é blindando os condutores, o
paciente e o instrumento de aquisição, bem como aterrando estes dois últimos. Além disso, a
utilização de um amplificador de instrumentação com elevado CMRR minimiza a interferência
de modo-comum, a qual é causada pela interferência induzida no corpo do paciente provinda
de componentes elétricos no ambiente de medição (THAKOR, 1999).
Além disso, uma possível melhoria na captação do sinal pode ser obtida por meio do
circuito de realimentação da perna direita (Driven-Right-Leg - DRL), o qual se utiliza de um
feedback negativo do sinal de modo-comum no condutor (THAKOR, 1999). Este método,
esquematizado na Figura 9, consiste na fixação de um terceiro eletrodo na perna direita
(definida por convenção) do paciente, fornecendo um caminho de baixa impedância entre o
paciente e a entrada comum do amplificador (WINTER; WEBSTER, 1983).
21

Figura 9: Circuito de realimentação da perna direita e os acoplamentos capacitivos entre o paciente


e a rede elétrica.
Fonte: Modificado de (RIJN et al., 1990)

No entanto, o terceiro eletrodo deve ser conectado ao circuito DRL antes do


amplificador diferencial, evitando, assim, que o caminho possua uma alta impedância devido a
um possível mal contato entre o eletrodo e o paciente (WINTER; WEBSTER, 1983).

3.4 FILTRAGEM DE SINAIS

Os filtros têm por função selecionar sinais com características pré-determinadas em


projeto. Os filtros que serão utilizados neste estudo devem permitir ou rejeitar a passagem de
um determinado intervalo de frequências, sendo assim conhecidos como seletores de frequência
(OPPENHEIM; SCHAFER, 2010).
Segundo Oppenheim e Schafer (2010), o projeto de filtros envolve três passos
fundamentais para o seu correto funcionamento. Inicialmente deve-se especificar as
propriedades desejadas para o sistema a ser desenvolvido para, então, se aproximar às
especificações utilizando um sistema discreto causal e, por fim, implementar o sistema.
A ação esperada de um filtro sobre um sinal de entrada é que o filtro responda com
amplitude unitária ou com ganho fixo (de acordo com o projeto) para a faixa de frequência que
deve permanecer no espectro, chamada de banda passante. Assim, as faixas a serem rejeitadas
devem receber ganho zero a fim de anular a sua influência no circuito. A resposta obtida é
normalmente dada no domínio da frequência. (OPPENHEIM; SCHAFER, 2010; JUNG, 2005)
22

A frequência de corte fc é definida, segundo Jung (2005), como a frequência que


delimita a banda passante, dependendo do tipo de filtro utilizado.
Em um filtro real, os sinais a serem rejeitados não são instantaneamente levados a
zero, sendo apenas atenuados. As figuras a seguir ilustram uma comparação entre filtros reais
e ideais, na qual o sinal ideal é representado pela linha tracejada, enquanto o real pela linha
contínua.
A figura 10.a apresenta um filtro passa-baixas (PB), onde as frequências menores que a
fc estão compreendidas na banda passante. O filtro passa-altas (PA), apresentado na figura 10.b,
possui como banda passante valores superiores à fc. A figura 10.c representa um filtro passa-
faixas (PF), onde há a presença de duas frequências de corte e a banda passante se encontra
entre elas. Já a figura 10.d apresenta um filtro rejeita-faixas (RJF), onde também há a presença
de duas frequências de corte, porém a faixa de valores entre essas frequências será rejeitada.

Figura 10: Comparação entre filtros reais e ideais.


Fonte: (VOTORINO, 2016)

3.4.1 Aproximação de filtros

As funções de aproximação de um filtro podem ser utilizadas como aspecto para


classificá-los, sendo as funções mais empregadas por Butterworth, Chebyshev tipo 1 e tipo
2, além da aproximação elíptica, chamada de aproximação de Cauer.
A função de aproximação de Butterworth se caracteriza por apresentar valores planos
na banda de passagem, ou seja, há pouca atenuação para estes valores, não interferindo de forma
contundente na qualidade do sinal passante. A equação 6 que representa esta aproximação é
dada a seguir.
23

KPB
|H( jω )| = √ , n = 1, 2, 3... (6)
1 + ωωc 2n
Sendo KPB o ganho do filtro PB quando ω possui frequência nula, ωC a frequência
de corte, variando conforme especificações do projeto, e N a ordem do filtro. Para valores de
ω muito maiores do que de ωC , a equação de Butterworth pode ser reescrita como mostra a
equação 7.
( )
ω n
|H( jω )| = KPB , n = 1, 2, 3... (7)
ωc
Variando-se a ordem do filtro e traçando-se as curvas relativas à função de aproximação
de Butterworth, tem-se os resultados apresentados na figura 11, onde é possível perceber que
o valor de N é diretamente proporcional a taxa de atenuação observada. Assim, quanto maior o
N, a atenuação a partir da fC será maior.

Figura 11: Aproximação de Butterworth para N’s diferentes.


Fonte: Autoria Própria

Já a função de aproximação de Chebyshev se caracteriza por manter valores de


ondulação constantes na banda passante, tentando minimizar a diferença entre a resposta
do filtro e a resposta ideal em uma das bandas de frequência. Os filtros Chebyshev são
representados pela equação 8.
24

KPB
|H( jω )| = √ ( ) , n = 1, 2, 3... (8)
1 + E Cn ωωC
2 2

Na equação anterior, KP B representa o ganho do filtro PB quando ω possui frequência


nula, E (0<E≤ 1) representa a constante que define a amplitude das ondulações e Cn é o
polinômio de Chebyshev, dado pela equação 9

Cn (ω ) = cos [n.arccos(ω )] (9)

A aproximação de Chebyshev pode ser subdividida em tipo 1 e tipo 2, tendo como


principal diferença a localização da ondulação, ou ripple, da resposta (DINIZ et al., 2014). A
figura 12.a apresenta o comportamento da aproximação de Chebyshev para o tipo 1 e a figura
12.b para o tipo 2.

Figura 12: Aproximação de Chebyshev tipo 1 (a) e tipo 2 (b) para N’s diferentes.
Fonte: Autoria Própria

A aproximação de Cauer é caracterizada por possuir ripples tanto na banda de


passagem quanto na banda de corte. Esse comportamento leva a uma banda de transição mais
estreita e, portanto, mais precisa em relação à frequência de corte desejada (ADUR, 2008). Na
figura 13 é possível observar tal comportamento, sendo que para os valores de N = 7 e N = 9
as curvas tornam-se praticamente iguais.
25

Figura 13: Aproximação de Cauer para N’s diferentes.


Fonte: Autoria Própria

A figura 14 apresenta os gráficos referentes aos quatro tipos de aproximações


apresentados para uma mesma frequência de corte. Por meio da análise desta figura, pode-se
concluir que a aproximação elíptica é a mais apropriada para filtros onde a banda de transição
não pode ser muito elevada, porém apresenta imprecisões na banda passante e na banda a
ser rejeitada. As aproximações de Chebyshev tipo 2 e Butterworth possuem respostas mais
precisas para a banda passante, sendo que para Butterworth a banda de rejeição é atenuada mais
lentamente e para Chebyshev há ripples significativos na banda de atenuação. Assim, esses
métodos podem ser utilizados para filtros que não admitem atenuação da banda passante. Já
a aproximação de Chebyshev tipo 1 possui uma atenuação mais precisa, apresentando ripples
significativos para a banda passante.
26

Figura 14: Comparação das aproximações.


Fonte: Autoria Própria
27

4 METODOLOGIA

Com base nos capítulos anteriores, viu-se que diversas características devem ser
observadas para o desenvolvimento de um sistema de aquisição de biopotenciais EEG. Logo,
neste capítulo são levantados os elementos e circuitos que deverão ser implementados para a
construção da plataforma de aquisição. São abordados também o circuito para construção de
uma fonte linear de alimentação do sistema, com o intuito de reduzir a influência dos ruídos da
rede, e a construção de um sistema de calibração, útil para a parametrização do ganho e outros
elementos do circuito de aquisição.
O sistema de aquisição apresentado é composto pelos estágios representados na Figura
15. Desta forma, após a leitura do sinal cerebral feita pelos eletrodos, o qual pode ser simulado
pelo circuito de calibração, deverá ser utilizado um eletrodo de referência por meio do sistema
de DRL. Cada sinal e a referência constituirão as entradas do amplificador de instrumentação,
sendo o número de amplificadores equivalente a quantidade de eletrodos utilizados na têmpora.
Do sinal já amplificado deverão ser eliminadas as frequências 0,34Hz e acima de 48Hz, por
meio dos filtros PA e PB. O sinal resultante do sistema terá o perfil adequado para a etapa
seguinte de conversão A/D.

Figura 15: Esquema metodológico desenvolvido.


Fonte: Autoria própria.

4.1 FONTE DE ALIMENTAÇÃO

A fonte de alimentação dos amplificadores deve ser escolhida cuidadosamente devido


aos ruídos que podem contaminar o sinal desejado (MARTINS, 2005). Segundo Negrão (2013),
fontes chaveadas tradicionais conectadas à rede estão sujeitas a interferência da mesma devido
ao mau isolamento elétrico. Assim, uma alternativa à utilização destas fontes é o uso de baterias
químicas.
De acordo com o estudo feito por Boggs et al. (1995), as baterias de Níquel-Cádmio
28

possuem um ruído de tensão de muitas décadas menor do que o das fontes mencionadas.
No entanto, para um monitoramento de EEG, Alcantara (2006) desmotiva o uso de baterias
convencionais como fontes de alimentação devido às suas capacidades de fornecimento de
energia insuficientes para esta aplicação.
Visto isso, e baseando-se nos trabalhos de Martins (2005), Rathke (2008) e Adur
(2008), optou-se por desenvolver uma fonte linear de baixo ruído ao invés de uma fonte
chaveada convencional. Esta fonte linear contará com reguladores lineares permitindo que sua
entrada seja feita pela rede elétrica sem que haja grandes perturbações no sinal lido e sua saída
será simétrica de +5VDC e -5VDC, como indicado na Figura 16.

Figura 16: Circuito da fonte de tensão linear de baixo ruído.


Fonte: (ADUR, 2008)

4.2 CIRCUITO DE AQUISIÇÃO

4.2.1 Amplificador de Instrumentação

Para a primeira etapa de aquisição do sinal, buscou-se atender, conforme já levantados


nos itens 2.2 e 3.2, os requisitos mais importantes e necessários para amplificação do sinal
EEG: alto ganho diferencial, baixo ganho de modo comum, elevada rejeição de modo
comum (CMRR) e alta impedância de entrada. Para tanto, foi escolhido o amplificador
de instrumentação INA121 da Texas Instruments, já indicado para amplificação de sinais
fisiológicos, apresentando as seguintes características, favoráveis ao projeto (BURR-BROWN,
1998):

• CMRR equivalente a 106dB com ganho 100;

• Ganho variável de 1 a 10.000V/V, ajustável por meio de um resistor externo;


29


• Baixo nível de ruído equivalente a 20nV/ Hz a 1kHz e com ganho 100;

• Máxima tensão de saída de até aproximadamente 27Vpp;

• Operação com baixas tensões de alimentação (de ±2,25V a ±18V), permitindo uso de
baterias;

• Offset de tesão equivalente a ±200µ V;

• Reduzida corrente Bias permite utilização com eletrodos de alta impedância;

• Componente em um único encapsulamento;

• Baixo custo.

O INA121 possui a topologia discutida no item 3.2. O cálculo do valor do ganho para
determinada frequência é dado pela Equação 10.

50kΩ
G = 1+ (10)
RG
Suas características de ganho, CMRR e ruído de entrada são apresentadas nas Figuras
17.a, 17.b e 17.c.

Figura 17: Características de ganho (a), CMRR (b) e ruído de entrada (c) do INA121 em
temperatura ambiente (±25 ◦ C) e tensão de alimentação de ±15V.
Fonte: (BURR-BROWN, 1998)
30

Para a aplicação na aquisição de sinais EEG com frequências de até 100Hz, pode-se
verificar na Figura 17.a que, para ganho entre 1 e 1000, o mesmo não possui variação (item a),
fator que garante a uniformidade da amplificação do sinal em função do tempo. Além disso,
observa-se que, neste mesmo intervalo de ganho e frequências, a CMRR possui valores entre 86

e 106 dB 17.b e que o ruído de entrada adicionado ao sinal pode variar de 200 a 1000nV/ Hz
17.c.
Outra característica interessante do amplificador INA121 é a possibilidade de
incorporar, em suas entradas, filtros sem alterar muito suas características de trabalho, bem
como de utilizar o método DRL para melhoria do CMRR. Pode-se, assim, adicionar um filtro
passa-baixas com a estrutura apresentada pela Figura 18 na entrada, sendo que a utilização de
capacitores C1 e C2 de mesmo valor permite um aumento do CMRR.

Figura 18: Filtro PB para o Amplificador de Instrumentação INA121.


Fonte: Adaptado de (BURR-BROWN, 1998)

Ainda, a possibilidade de utilização do DRL referenciando-se o sinal, bem como a


blindagem dos cabos dos eletrodos, à perna direita (Figura 19) minimiza a degradação do
CMRR.
31

Figura 19: Esquema de utilização do DRL.


Fonte: Adaptado de (BURR-BROWN, 1998)

4.2.2 Filtro Passa-Alta

Tendo em vista a simplicidade de construção, a possibilidade de amplificar o sinal e


a capacidade de manter plano o sinal da banda passante, optou-se pela utilização de um filtro
de Butterworth ativo de 2ł ordem PA. Desta forma, este filtro realizará a filtragem referente
às baixas frequências do sinal, eliminando a componente DC. Portanto, optou-se por uma
frequência de corte do filtro PA de aproximadamente 0.35 Hz.
O componente ativo do filtro será o amplificador operacional CA3140 devido às
especificações do fabricante corresponderem aos requisitos descritos no item 2.2 deste trabalho.
O CMRR corresponde a 32 µ V/V o que equivale a 90 dB (figura 20.a) e ganho fixo na faixa
em que compreende a frequência do sinal EEG (figura 20.b) (CORPORATIONS, 2002).

Figura 20: CMRR (a) e ganho (b) para o amplificador CA3140.


Fonte: (CORPORATIONS, 2002)
32

A frequência de corte do filtro é calculada pela Equação 11.

1 1
fc = = = 0.34Hz (11)
2π RC 2π 100k.4, 7µ
O filtro PA projetado seguindo os critérios anteriormente estabelecidos é apresentado
na figura 21.

Figura 21: Filtro PA.


Fonte: Autoria Própria

O circuito foi simulado utilizando-se o software Multisim para a comprovação de seu


funcionamento. A seguir são apresentadas as figuras 22 e 23 com a saída do filtro PA e
frequências de 30 Hz e 0.2 Hz respectivamente.
A figura 22 apresenta a saída do filtro PA quando se é aplicado uma senoide de 1 Vp
RMS e 30 Hz de frequência à sua entrada. Como a frequência natural do sinal de entrada está
compreendido na banda passante do filtro PA, ou seja, é maior que a frequência de corte, este
não sofrerá atenuações e sim, será amplificado, já que o filtro ativo possibilita a amplificação.

Figura 22: Saída do filtro PA com sinal de entrada a 30 Hz.


Fonte: Autoria Própria
33

Já a figura 23 a seguir, apresenta a saída do filtro PA quando o sinal de entrada é


uma senoide de 1 Vp RMS e 0.2 Hz de frequência. Como a frequência de corte foi projetada
para 0.34 Hz, sendo superior a frequência aplicada à entrada, o sinal não se encontra na banda
passante, sofrendo atenuações.

Figura 23: Saída do filtro PA com sinal de entrada a 0.2 Hz.


Fonte: Autoria Própria

4.2.3 Filtro Passa-Baixa

Assim como para a determinação do filtro PA, optou-se pela utilização de um filtro de
Butterworth ativo, porém de 4ł ordem.
Este filtro irá realizar a filtragem das frequências maiores em que o sinal EEG pode ser
compreendido. Como apresentado no item 2.1.1 os sinais EEG são compreendidos entre 0.5 Hz
e 30 Hz, assim, optou-se por uma frequência de corte do filtro PB de aproximadamente 48 Hz,
deixando uma margem para o máximo sinal captado.
A frequência de corte do filtro é calculada pelo Equação 12.

1 1
fc = = = 48, 23Hz (12)
2π RC 2π 33k.0, 1µ
O filtro PB projetado seguindo os critérios anteriormente estabelecidos é apresentado
na figura 24.
34

Figura 24: Filtro PB.


Fonte: Autoria Própria

O circuito foi simulado utilizando-se o software Multisim para a comprovação de seu


funcionamento. A seguir são apresentadas as figuras 25 e 26 com a saída do filtro PA e
frequências de 30 Hz e 60 Hz respectivamente.
A figura 25 apresenta a saída do filtro PB quando se é aplicado uma senoide de 1 Vp
RMS e 30 Hz de frequência à sua entrada. Como a frequência natural do sinal de entrada está
compreendido na banda passante do filtro PB, ou seja, é menor que a frequência de corte, este
não sofrerá atenuações e sim, será amplificado, já que o filtro ativo possibilita a amplificação.

Figura 25: Saída do filtro PB com sinal de entrada a 30 Hz.


Fonte: Autoria Própria

Já a figura 26 a seguir, apresenta a saída do filtro PB quando o sinal de entrada é


uma senoide de 1 Vp RMS e 60 Hz de frequência. Como a frequência de corte foi projetada
para 48.23 Hz, sendo inferior a frequência aplicada à entrada, o sinal não se encontra na banda
passante, sofrendo atenuações.
35

Figura 26: Saída do filtro PB com sinal de entrada a 60 Hz.


Fonte: Autoria Própria

4.3 CIRCUITO DE CALIBRAÇÃO

A última etapa da aquisição é a realização de testes e ajustes de ganho, offset e


filtragem, ou seja, a calibração do sistema. Para isso, é necessário a utilização de sinais de
entrada conhecidos, que possibilitem a verificação dos resultados obtidos na saída das etapas de
amplificação e filtragem. Propõe-se, então, a construção de um sistema que forneça perfis de
onda controláveis, mas similares aos potenciais EEG. O circuito a ser construído produz ondas
senoidais de frequências ajustáveis até valores próximos de 60Hz, e de amplitude entre 50µ V e
5mV.
Uma opção para geração de ondas senoidais com essas características é aplicando um
sinal senoidal com a frequência desejada a um divisor de tensão. Esse sinal de entrada pode ser
originado por meio de um gerador de funções ou através de um conversor digital-analógico e
um microcontrolador. Por exemplo, como o circuito da Figura 27, sugerido por Adur (2008).

Figura 27: Circuito de Calibração.


Fonte: Adaptado de (ADUR, 2008)
36

Nesse circuito, há um divisor resistivo em paralelo aos capacitores cerâmicos de 100nF.


Esses são utilizados para filtrar qualquer ruído em alta frequência presente no sinal de entrada
atenuado. O sinal de saída do atenuador é em torno de 10000 vezes menor.
37

5 RESULTADOS ESPERADOS

A partir do estudo realizado nos capítulos 2 e 3 deste trabalho, puderam ser levantados
alguns dos requisitos necessários para a construção de uma plataforma eletrônica para a
aquisição de biopotenciais EEG. No capítulo 4, iniciou-se a eleição dos componentes a serem
utilizados e uma breve discussão dos circuitos a serem implementados.
Nas próximas etapas do trabalho, inicialmente serão construídos os circuitos já
apresentados, permitindo a obtenção e pré-condicionamento do sinal EEG. A seleção dos
componentes e os circuitos propostos no capítulo 4 foi realizada a partir dos trabalhos
tomados como referência neste projeto, e dos resultados obtidos da simulação de cada um dos
circuitos. Para a implementação dos mesmos, espera-se encontrar dificuldades relacionadas
a sua construção, visto que a influência de ruídos no sistema é determinante para seu correto
funcionamento e aquisição do sinal. Um esforço maior deverá ser dedicado na proteção do sinal
contra as interferências eletromagnéticas e de artefatos, utilizando isolamentos e filtros, e por
meio da preparação dos pontos de fixação dos eletrodos.
O sinal obtido será, então, convertido para um sinal digital, e disponibilizado à uma
interface computacional, através da comunicação serial, por meio do microcontrolador TIVA.
No computador, o sinal será manipulado utilizando-se a plataforma MATLAB, com o objetivo
de condicioná-lo e prepará-lo para uma futura aplicação. A utilização da ferramenta EEGLab
facilitará o estudo do sinal nas fases finais.
A expectativa é que, a partir da aquisição, condicionamento e classificação dos
biopotenciais EEG, seja possível traçar uma relação entre seu perfil e o comportamento do
indivíduo do qual o mesmo é coletado, permitindo disponibilizar tal referência para utilização
em interfaces com dispositivos, como cadeiras de rodas, braços robóticos, entre outros.

5.1 CRONOGRAMA

A tabela 2 a seguir apresenta o cronograma a ser seguido durante o desenvolvimento


do trabalho.
38

Tabela 2: Cronograma
Mês/2016 Mês/2017
Atividade
12 01 02 03 04 05 06
Aquisição de biopotencial X X X
Conversão A/D X X X
Classificação do sinal X X X
Testes do Projeto X X X X X X X
Defesa X
Fonte: Autoria própria.
39

REFERÊNCIAS

ADUR, R. Sistema de Processamento de Sinais Biomédicos: Módulo Didático de


Eletroencefalograma. Florianópolis: Universidade Federal de Santa Catarina, 2008.

ALCANTARA, F. M. Monitor de EEG. Curitiba: Centro Universitário Positivo, 2006.

ALOMARI, M. H.; ABUBAKER, A.; TURANI, A.; BANIYOUNES, A. M.; MANASREH,


A. Eeg mouse: A machine learning-based brain computer interface. IJACSA: International
Journal of Advanced Computer Science and Applications, Citeseer, v. 5, n. 4, p. 193–198,
2014.

ALVES, L. S. Medição de biopotenciais: o estado da arte. Universidade do Rio Grande do Sul,


2013.

BERBARI, E. J.; BRONZINO, J. D.; JOHNSON, P. L.; SMITH, W. M. Bioelectronics and


instruments. In: The Electrical Engineering Handbook, Second Edition. [S.l.]: CRC Press,
1997.

BOGGS, C. K.; DOAK, A. D.; WALLS, F. L. Measurement of voltage noise in chemical


batteries. In: IEEE. International Frequency Control Symposium. [S.l.], 1995.

BRONZINO, J. D. Medical devices and systems. [S.l.: s.n.], 2006.

BURR-BROWN. FET Input, Low Power Instrumentation Amplifier. [S.l.]: USA, 1998.

CORPORATIONS, I. CA3140, CA3140A Data Sheet. [S.l.]: USA, 2002.

DEMARRE, D. A.; MICHAELS, D.; VALDEZ, R. Bioelectronic measurements. Journal of


Clinical Engineering, LWW, v. 8, n. 3, p. 234, 1983.

DINIZ, P. S.; SILVA, E. A. da; NETTO, S. L. Processamento Digital de Sinais-: Projeto e


Análise de Sistemas. [S.l.]: Bookman Editora, 2014.

FRONDANA, I. M. Classificação de biopotenciais via cadeias de markov ocultas. 2012.

GEVINS, A. S.; AMINOFF, M. J. The Measurement, Instrumentation, and Sensors


Handbook. [S.l.]: CRC Press, 1988. 1084-1107 p.

HALL, J. E. Guyton and Hall textbook of medical physiology. [S.l.]: Elsevier Health
Sciences, 2015.

JUNG, W. G. Op Amp applications handbook. [S.l.]: Newnes, 2005.

LEACH, W. M. Fundamentals of low-noise analog circuit design. Proceedings of the IEEE,


IEEE, v. 82, n. 10, p. 1515–1538, 1994.

LOTTE, F.; CONGEDO, M.; LÉCUYER, A.; LAMARCHE, F.; ARNALDI, B. A review
of classification algorithms for eeg-based brain-computer interfaces. Journal of Neural
Engineering, IOP Publishing, v. 4, n. 2, p. R1, 2007.
40

MALVIMUO, J.; PLONSEY, R. Bioelectromagnetism: Principles and Applications of


Bioelectric and Biomagnetic Fields. [S.l.]: Oxford University Press, 1995.

MARTINS, V. R. Desenvolvimento de uma Placa de Captura de Sinais Biológicos com


Interface com Computador. Universidade Federal do Espírito Santo: [s.n.], 2005.

MILLÁN, J. d. R.; RENKENS, F.; MOURINO, J.; GERSTNER, W. Non-invasive brain-


actuated control of a mobile robot. In: MORGAN KAUFMANN PUBLISHERS INC.
Proceedings of the 18th International Joint Conference on Artificial Intelligence. [S.l.],
2003. p. 1121–1126.

MUSSATTO, G. G.; SILVA, S. d. A. Perspectivas e potencialidades da interface cérebro–


máquina. Revista de Sistemas de Informação da FSMA - RS, n. 13, p. 51–56, 2014.

NEGRÃO, J. F. R. Estudo e Desenvolvimento de um Protótipo para Redução da


Interferência de Modo-Comum Usando Balanceamento Dinâmico de Imedância Aplicado
em Biosensores e Sensores Eletroresistivos. Universidade Federal do Pará: [s.n.], 2013.

NEUMAN, M. R. Biopotential amplifiers. Medical instrumentation: application and design,


New York: Wiley, p. 316–318, 1998.

NIEDERMEYER, E.; SILVA, F. L. da. Electroencephalography: Basic Principles, Clinical


Applications, and Related Fields. [S.l.]: Lippincott Williams Wilkins, 2005.

NORMAN, R. A. Principles of Bioinstrumentation. [S.l.]: John Wiley & Sons, 1988.

OPPENHEIM, A. V.; SCHAFER, R. W. Discrete-time signal processing. [S.l.]: Pearson


Higher Education, 2010.

PILEGGI, L. Analysis & design of analog circuits, spring 99 - lecture 8. 1999.

RAJESH, A. K. Eeg based machine control. International Journal of Innovations in Engineering


and Technology, 2013.

RATHKE, J. E. Sistema de Processamento de Sinais Biomédicos: Módulos Didáticos de


ECG, EMG, EOG e Conversão Analógico-Digital de Biosinais. Florianópolis: Universidade
Federal de Santa Catarina, 2008.

RIJN, A. C. M. van; PEPER, A.; GRIMBERGEN, C. A. High-quality


Recording of Bioelectric Events: Low-noise, low-power multichannel amplifier
design. Universidade de Amsterdã, Países Baixos: [s.n.], 1990. Disponível em:
<https://www.ncbi.nlm.nih.gov/pubmed/1787761>. Acesso em: 5 de outubro de 2016.

SCHUH, Â. R.; LIMA, A.; MOSSMANN, J.; BEZ, M. Protótipo de simulador de cadeira
de rodas motorizada controlada por interface cérebro-computador não invasiva. Anais do
Computer on the Beach, p. 364–365, 2014.

SHERMAN, D.; WALTERSPACHER, D. Encyclopedia of Medical Devices and


Instrumentation. Baltimore, Maryland: Bookman Editora, 2006.

SILVA, R. S. D. Introdução ao estagiamento do sono humano. Journal of Epilepsy and


Clinical Neurophysilogy, v. 3, n. 2, p. 187–199, 1996.
41

TAVARES, M. C.; ENG, M.; BIOMÉDICA, E. Eeg e potenciais evocados–uma introdução.


Contronic Sistemas Automáticos, p. 1–13, 2011.

TAVARES, M. C. et al. Monitor de atividade cerebral baseado em microcontrolador. 1997.

TEXAS INSTRUMENTS. Series tm4c123g launchpad evaluation kit user’s manual. 2013.

THAKOR, N. V. The Measurement, Instrumentation, and Sensors Handbook. John


Hopkins School of Medicine: CRC Press, 1999. 1-18 p.

TRANSCRANIAL TECHNOLOGY. 10/20 system positioning manual. 2012.

TYNER, F. S.; KNOTT, J. R.; MAYER, W. B. J. Fundamentals of EEG Technology: Clinical


correlates. [S.l.]: Lippincott Williams & Wilkins, 1989.

USAKLI, A. B. Improvement of EEG Signal Acquisition: An Electrical Aspect for State


of the Art of Front End. 2009. Disponível em: <http://dx.doi.org/10.1155/2010/630649>.
Acesso em: 15 de agosto de 2016.

VARGHESE, J. P. Analysis of EEG Signals For EEG-based Brain-Computer Interface.


[S.l.]: School of Innovation, Design and Technology, Mälardalen University, Sweden, 2009.

VOTORINO, J. C. Filtros de sinais. 2016.

WINTER, B. B.; WEBSTER, J. G. Driven-right-leg circuit design. IEEE Transactions on


Biomedical Engineering, v. 30, n. 1, 1983.

YAZICIOGLU, R. F.; MERKEN, P.; PUERS, R.; HOOF, C. V. A 60 µ W 60nV/ Hz
Readout Front-End for Portable Biopotential Acquisition Systems. 2009. Disponível em:
<http://ieeexplore.ieee.org/document/1696039/>. Acesso em: 15 de agosto de 2016.

ZHANG, B.; WU, S.; WU, G.; SUN, G.; LI, K. Correlation between forehead eeg and
sensorimotor area eeg in motor imagery task. Mälardalen University, 2009.