potenciais cerebrais relacionados com a verificação de orações

Transcrição

UNIVERSIDADE DE AVEIRO
POTENCIAIS CEREBRAIS RELACIONADOS
COM A VERIFICAÇÃO DE ORAÇÕES
António Joaquim André Esteves
Lic. em Eng. Electrónica e Telecomunicações pela
Agosto de 1992
POTENCIAIS CEREBRAIS RELACIONADOS
COM A VERIFICAÇÃO DE ORAÇÕES
António Joaquim André Esteves
Licenciado em Engenharia Electrónica e Telecomunicações
pela
Tese submetida na Universidade de Aveiro
para prova de Mestrado em
Engenharia Electrónica e Telecomunicações
DEPARTAMENTO DE ELECTRÓNICA E TELECOMUNICAÇÕES
Agosto de 1992
Tese realizada sob a supervisão de
Prof. Doutor Francisco Vaz
Professor Associado do
DEPARTAMENTO DE ELECTRÓNICA E TELECOMUNICAÇÕES
Resumo
Com o presente trabalho pretende averiguar-se se é possível obter evidências nos potenciais
cerebrais acerca dos processos semânticos que ocorrem durante a verificação de orações. O estudo
destes processos incide essencialmente nos "event-brain related potentials" - ERPs - originados pelo
estímulo principal para a decisão lexical (P300, N400, etc) e em certos casos na decisão exigida aos
colaboradores. Na primeira fase do trabalho, fez-se um levantamento da teoria associada com a
realização de tarefas que envolvam processamento semântico e/ou lexical, com o objectivo de obter
algumas certezas para a estruturação do nosso trabalho. Numa segunda fase, já com a ideia do que
se pretendia, fez-se o "software" que controla as experiências a realizar e que permitem adquirir os
potenciais cerebrais no decorrer da tarefa de verificação de orações. Posteriormente, fez-se o
processamento "off-line" dos dados adquiridos. Inclui-se nesta fase o pré-processamento dos dados,
o cálculo de respostas corticais médias, averiguação da possibilidade de fazer filtragem, aplicação da
técnica da "Singular Value Decomposition" - SVD - no intuito de melhorar a relação sinal ruído
aumentando a variância dos potenciais em relação ao ruído e a implementação de uma análise de
variância sobre os dados. Da análise de variância tiraram-se conclusões bastante interessantes sobre
os factores que condicionam as experiências. Na última parte do trabalho, processa-se a classificação
das respostas corticais numa de duas classes possíveis (Verdade ou Falso), através de dois métodos
(Elementar e de Fisher). Para terminar, comparam-se os dois métodos. Com o método de Fisher
obtiveram-se resultados animadores e dentro do que é conseguido noutros trabalhos referidos na
bibliografia, provando-se assim que os ERPs podem ser utilizados como uma ferramenta para
estudar os fenómenos envolvidos no processamento semântico de palavras.
Palavras chave: ERP, N400, processamento semântico, contexto, classificação, verificação de
orações.
Abstract
The purpose of the present work is to determine if is possible to get evidences in the brain potentials
about the semantic processes that happen during the sentence verification task. The study of the
these processes is centred mainly at the event-brain related potentials - ERPs (P300, N400, etc.)
originated by the stimulus that produces the lexical decision, and in some cases it is centred at the
decision demanded to the subjects. First, did a review of the theory related with the semantic and/or
lexical processing tasks, with the purpose of achieving some evidences to structure our work. Next,
taking in account what we want to do, we built the software that controls the experiences that allow
us to record the brain potentials during the sentence verification task. In the next step, we processed
off-line the data recorded. Here we include: the pre-processing of the data, data averaging,
determination if it is possible to apply a filter in the data recorded, application of the Singular Value
Decomposition technique (SVD) in order to improve the signal to noise ratio by increasing the
variance of the signal in relation to the noise and the implementation of a variance analysis with the
data. The results of this analysis show us some interesting conclusions about the factors that
influence the experiences. Finally, we did the classification, in one of the two possible classes (True
or False), of the cortical responses using two different methods (Elementar and Fisher’s). After that,
we compared the two methods. The Fisher’s method provided us good results, in the same range of
what is referred in the literature, proving in this way that the ERPs can be used to as a tool to study
the mechanisms associated with the semantic processing of words.
Keywords: event-brain related potentials, N400, semantic processing, context, classification,
sentence verification.
Agradecimentos
Aos Professores Francisco Vaz e Pedro Guedes de Oliveira que me sugeriram que eu trabalhasse no
tema em que se centrou o trabalho desenvolvido, e essencialmente pela orientação, apoio e críticas
no decorrer dos acontecimentos.
Ao Doutor António Martins que me elucidou sobre os requisitos médicos necessários à realização
das experiências e coordenou as experiências realizadas no Departamento de Neurofisiologia do
Hospital Geral de Santo António no Porto.
Ao Professor José Carlos Principe pelas críticas enriquecedoras proporcionadas, devido
especialmente ao seus elevados conhecimento e experiência na matéria.
À Doutora Maria São Luis Castro por me ter dado o suporte necessário sobre aos aspectos de
linguística e psicologia envolvidos na estruturação das experiências.
À Doutora Denisa Mendonça pelo apoio prestado durante a fase crítica do processamento estatístico
dos dados.
Ao Engenheiro Tomás Oliveira e Silva pelo apoio imprescindível dispensado em múltiplas ocasiões.
Ao Doutor Proimos que me acompanhou durante a minha estada na Grécia, ou seja, no decorrer da
minha parte escolar do Mestrado.
À JNICT que me proporcionou a bolsa que me possibilitou a preparação da tese de Mestrado.
Para terminar, agradeço ao INESC e à Universidade de Aveiro pelos meios disponibilizados para a
realização deste trabalho.
Índice
i
ÍNDICE
ÍNDICE______________________________________________________________________________ vi
CAPÍTULO 1 - Introdução, Objectivos e Estruturação do Trabalho ____________________________ 1
1.1 - Equacionamento do Problema a Tratar_______________________________________________ 1
1.2 - Objectivos do Trabalho ___________________________________________________________ 4
1.3 - Organização e Estrutura do Trabalho ________________________________________________ 5
CAPÍTULO 2 - Teoria Associada com a Realização de Tarefas que Envolvam Processamento Semântico
e/ou Lexical___________________________________________________________________________ 7
2.1 - Introdução _____________________________________________________________________ 7
2.2 - Teoria sobre a Tarefa de Verificação de Orações _______________________________________ 7
2.3 - Efeitos de Facilitação e de Inibição por parte do Contexto Preparador _____________________ 9
2.4 - Processos de Activação Automática e de Atenção Consciente Associados com a Realização de
Tarefas que Envolvam Processamento de Material Linguístico _______________________________ 12
2.5 - Componentes Principais que se Detectam nas Respostas Corticais Associadas com a eExecução de
Tarefas que Envolvam Processamento Semântico e/ou Lexical________________________________ 16
2.5.1 - A Componente Positiva Posterior P300................................................................................................. 16
2.5.2 - A Componente Negativa Posterior N400............................................................................................... 18
2.5.3 - A Variação Contingente Negativa (CNV) .............................................................................................. 20
2.6 - Aspectos do Processamento de Orações que se Traduzem em Diferenças nas Componentes
Posteriores ________________________________________________________________________ 21
2.7 - Aplicação da Teoria Revista no Presente Trabalho ____________________________________ 23
CAPÍTULO 3 - Material de Suporte à Realização das Experiências com ERPs ___________________ 26
3.1 - "Hardware" Utilizado nas Experiências Realizadas ____________________________________ 26
3.2 - "Software" de Suporte às Experiências com ERPs _____________________________________ 28
Índice
ii
3.2.1 - Configuração do Sistema ...................................................................................................................... 28
3.2.2 - Definição da Base de Dados que se Utiliza na Sessão Experimental ..................................................... 36
3.2.3 - Calibração do "Hardware" ................................................................................................................... 38
3.2.4 - Identificação dos Colaboradores e das Condições das Sessões de Experiências.................................... 41
3.2.5 - Controlo da Realização das Experiências ............................................................................................. 43
3.2.6 - Alguns Pormenores e as Principais Limitações do "Software" Implementado........................................ 48
Capítulo 4 – Realização de Experiências com ERPS _________________________________________ 51
4.1 - Filosofia Subjacente às Experiências________________________________________________ 51
4.2 - Descrição da Experiência 1 _______________________________________________________ 53
4.2.1 - Objectivos da Experiência 1 ................................................................................................................. 53
4.2.2 - Material Utilizado na Experiência 1 ..................................................................................................... 53
4.2.3 - Procedimento Empregue na Experiência 1............................................................................................ 55
4.2.4 - Recolha do Sinal na Experiência 1 ....................................................................................................... 56
4.3 - Descrição da Experiência 2 _______________________________________________________ 57
4.3.1 - Objectivos da Experiência 2 ................................................................................................................. 57
4.3.2 - Material Utilizado na Experiência 2 ..................................................................................................... 58
4.3.3 - Procedimento Empregue na Experiência 2............................................................................................ 59
4.3.4 - Recolha do Sinal na Experiência 2 ....................................................................................................... 59
CAPÍTULO 5 - Processamento dos Dados e Análise dos Resultados ____________________________ 61
5.1 - Pré-Processamento dos Dados_____________________________________________________ 61
5.2 – Processamento Baseado em Medidas de Localização___________________________________ 64
5.2.1 - Média entre Sinais Pertencentes a Ensaios Diferentes .......................................................................... 66
5.3 - Processamento Utilizando o Método da "Singular Value Decomposition -SVD" ______________ 97
5.3.1 - Introdução ao Método da SVD.............................................................................................................. 97
5.3.2 - O Teorema da SVD ............................................................................................................................... 98
5.3.3 - Terminologia Associada com o Método da SVD.................................................................................. 100
5.3.4 - Utilização da Técnica da SVD para Resolver Sistemas de Equações Lineares..................................... 101
Índice
iii
5.3.5 - Outras Aplicações da Técnica da SVD ................................................................................................ 102
5.3.6 - Aplicação da SVD no Presente Trabalho ............................................................................................ 102
5.3.7 - Resultados Obtidos com a SVD ........................................................................................................... 106
CAPÍTULO 6 - Classificação das Respostas Corticais_______________________________________ 110
6.1 - Introdução ___________________________________________________________________ 110
6.2 - Método de Classificação Elementar________________________________________________ 110
6.2.1 - Fundamentos Básicos do Método ........................................................................................................ 110
6.2.2 - Algumas Nuances Incorporadas no Método Elementar ....................................................................... 113
6.2.3 - Resultados Preliminares ao Desenho do Classificador........................................................................ 114
6.2.4 - Desenho do Classificador Elementar .................................................................................................. 116
6.3 - Método de Classificação Baseado no Discriminante Linear de Fisher_____________________ 120
6.3.1 - Introdução ao Método de Fisher ......................................................................................................... 120
6.3.2 - A Teoria do Método de Fisher............................................................................................................. 124
6.3.3 - Implementação do Classificador Baseado no Discriminante Linear de Fisher .................................... 128
6.3.4 - Resultados Preliminares ao Desenho do Classificador de Fisher ........................................................ 132
6.3.6 - Resultados Obtidos com o Teste do Classificador de Fisher................................................................ 135
6.4 - Comparação dos Dois Métodos de Classificação _____________________________________ 136
CAPÍTULO 7 - Conclusões e Discussão __________________________________________________ 139
APÊNDICE 1 - Caracteristicas da Placa de Aquisição Utilizada nas Experiências ( DT2821 ) ______ 149
APÊNDICE 2 - Descrição da Metodologia Empregue na Calibração __________________________ 154
APÊNDICE 3 - Fluxogramas de Algumas Rotinas e Programas Implementados _________________ 159
1. Rotina que Controla a Calibração do "Hardware" Utilizado nas Experiências com ERPs _______ 159
2. Rotina que Realiza a Calibração de Baixo Nível do "Hardware" ___________________________ 160
3. Rotina que Determina o Valor e o Erro da Frequência dum Sinal Representado por uma Sequência de
Valores __________________________________________________________________________ 162
Índice
iv
4. Rotina que Controla a Execução das Sessões de Experiências _____________________________ 165
5. Rotina que Programa a Placa de Aquisição para Funcionar com DMA Dupla ________________ 168
6. Rotina que Calcula a Palavra de Programação a Colocar no Registo TMRCTR para Programar uma
Frequência Desejada _______________________________________________________________ 170
7. Rotina que Reprograma o Controlador de DMA para se Continuar a Aquisição com DMA Dupla 171
8. Programa que Obtém uma Estimativa do Espectro dum Sinal pelo Método de Bartlett__________ 172
9. Rotina que Calcula Pontos Representativos de uma Janela de Hamming_____________________ 173
10. Programa que Calcula a Direcção de uma Matriz Unitária V (Obtida com a SVD) Correspondente à
Direcção em que a matriz W ( ∑ nas Fórmulas da SVD) Tem o Maior Valor Singular ____________ 174
11. Programa que Projecta um segmento de EEG sobre uma Direcção Obtida pelo Método da SVD_ 175
12. Programa que Classifica as Respostas Corticais pelo Método Elementar ___________________ 177
13. Programa que Obtém uma Direcção de Projecção Óptima, 2º a Teoria de Bayes, pelo Método do
Discriminante Linear de Fisher _______________________________________________________ 179
14. Rotina que Determina a Direcção de Projecção Óptima (W) pelo Método do Discriminante Linear de
Fisher ___________________________________________________________________________ 180
15. Programa que Classifica um Objecto numa de 2 Classes Possíveis, Através de uma Direcção de
Projecção e uma Fronteira de Decisão Obtidas pelo Método do Discriminante Linear de Fisher ___ 181
APÊNDICE 4 - Formato Standard dos Ficheiros de Dados __________________________________ 182
1. Sumário dos Campos a Incluir nos Ficheiros __________________________________________ 182
2. Notas Gerais ____________________________________________________________________ 183
3. Notas Numeradas ________________________________________________________________ 184
4. Tabelas ________________________________________________________________________ 187
APÊNDICE 5.1 - Orações e Parâmetros Utilizados nas Experiências 1_________________________ 190
1. Orações Utilizadas na Experiência 1 _________________________________________________ 190
Índice
v
2. Parâmetros Utilizados na Experiência 1 ______________________________________________ 191
APÊNDICE 5.2 - Orações e Parâmetros Utilizados nas Experiências 2_________________________ 192
1.
Orações Utilizadas na Experiência 2 ______________________________________________ 192
2. Parâmetros Utilizados na Experiência 2 ______________________________________________ 193
APÊNDICE 6 - Resultados da Análise de Variância Efectuada Sobre a Amplitude e Latência das ERPs
___________________________________________________________________________________ 194
1 - Interacção Entre os Factores que Influenciam a Amplitude e a Latência das ERPs ____________ 194
1.1 - A Variável de Teste é a Amplitude de N200 ........................................................................................... 194
1.2 - A Variável de Teste é a Latência de N200.............................................................................................. 195
1.3 - A Variável de Teste é a Amplitude de P300............................................................................................ 196
1.4 - A Variável de Teste é a Latência de P300 .............................................................................................. 197
1.5 - A Variável de Teste é a Amplitude de N400 ........................................................................................... 198
1.6 - A Variável de Teste é a Latência de N400.............................................................................................. 199
1.7 - A Variável de Teste é a Amplitude de P500............................................................................................ 200
1.8 - A Variável de Teste é a Latência de P500 .............................................................................................. 201
2.1 - Análise da Influência do Factor Forma das Orações Sobre a Amplitude e Latência das ERPs............... 202
2.2 - Análise da Influência do Factor Tarefa a Realizar Sobre a Amplitude e Latência das ERPs .................. 205
3 - Análise da Influência do Factor Valor Lógico das Orações Sobre a Amplitude e Latência das ERPs
_________________________________________________________________________________ 208
3.1 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de N200.......................................... 208
3.2 - Influência do Factor Valor Lógico das Orações sobre a Latência de N200 ............................................ 208
3.3 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de P300 .......................................... 209
3.4 - Influência do Factor Valor Lógico das Orações sobre a Latência de P300 ............................................ 209
3.5 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de N400.......................................... 209
3.6 - Influência do Factor Valor Lógico das Orações sobre a Latência de N400 ............................................ 210
3.7 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de P500 .......................................... 210
3.8 - Influência do Factor Valor Lógico das Orações sobre a Latência de P500 ............................................ 210
Índice
vi
4 - Influência do Factor Localização de Recolha do EEG sobre a Amplitude e Latência das ERPs __ 211
BIBLIOGRAFIA ____________________________________________________________________ 212
CAPÍTULO 1 - Introdução, Objectivos e Estruturação do Trabalho
CAPÍTULO 1 - Introdução,
Objectivos
1
e Estruturação do
Trabalho
1.1 - Equacionamento do Problema a Tratar
O presente trabalho tem como objectivo principal estudar o que acontece no cérebro, ao nível
morfológico, quando se coloca um indivíduo a realizar determinadas tarefas que exigem actividade
intelectual. A actividade morfológica é observada através da sua «reflexão» nos potenciais eléctricos
medidos no escalpe.
Normalmente designam-se os potenciais eléctricos do cérebro gerados em consequência de, ou
por associação com, um dado fenómeno físico exterior ao indivíduo (estímulo) por potenciais
evocados. Intimamente relacionados com os potenciais evocados surgem os "event-related brain
potentials", ou apenas ERPs. Pode dizer-se de um modo grosseiro que os ERPs são segmentos de
sinal associados com a realização de uma dada parcela da tarefa global. De um modo mais preciso
definem-se os ERPs como sendo variações dos potenciais que se medem no escalpe, normalmente
através da repetição do processo para obter um potencial médio. Os ERPs são uma consequência de
a actividade cerebral estar «sincronizada» temporalmente com o estímulo e são gerados por
populações de neurónios cuja geometria faz com que os seus campos eléctricos se somem de modo a
serem «visíveis» nos eléctrodos colocados no escalpe. As componentes endógenas, ou internas, dos
ERPs são manifestações destas actividades intracranianas e parece que estão relacionadas com uma
variedade de actividades em que se processa informação [1].
No trabalho que aqui se descreve, os potenciais cerebrais são observados/adquiridos na condição
de os indivíduos/colaboradores realizarem uma tarefa designada por verificação de orações. Neste
caso particular, os colaboradores lêem uma proposição simples, tipo "uma rosa é uma flor", tendo
depois que decidir se essa proposição é verdadeira ou falsa. Esta tarefa de verificação de orações é
usada geralmente em estudos do comportamento da memória semântica e requere que : (i) a
representação semântica do sujeito e a do complemento da oração sejam retiradas da memória de
longa duração - MLD (ii) as partes da oração (sujeito, predicado e elemento complementar) sejam
combinados num significado global; (iii) a oração seja analisada em relação a uma situação real, de
modo a que o valor lógico da proposição (verdadeiro ou falso) possa ser determinado [2]. O
paradigma essencial a resolver com o presente trabalho pode equacionar-se simplesmente na
2
resposta à questão : será possível distinguir entre o processamento semântico de orações verdadeiras
e de orações falsas através da análise dos potenciais eléctricos medidos no escalpe? Como se verá no
próximo capítulo, esta análise recairá maioritariamente sobre alguns ERPs associados com estágios
da análise semântica da oração. Dois exemplos de ERPs vulgarmente referidas na literatura dão pelo
nome de P300 e N400. O nome destas componentes vem do facto de corresponderem a uma
positividade reforçada com um atraso de ≈300ms relativamente ao estímulo que a originou (no caso
do P300) e uma negatividade reforçada com um atraso de ≈400ms relativamente ao mesmo estímulo
(no caso do N400). De referir que as amplitudes e as latências serão os aspectos essenciais a analisar
nos ERPs, tendo em vista a resolver o paradigma.
Por oposição a memória de curta duração, a MLD pode definir-se como a parte da memória em
que a informação armazenada está numa zona mais «profunda» da estrutura neuronal da memória e
em que para se usar essa informação é necessário realizar uma actividade ao nível do processamento
semântico e não apenas ao nível da associação de palavras. Em princípio a MLD deverá conter
conceitos compreendidos e não apenas memorizados (no sentido vulgar da palavra). No entanto, a
informação guardada na MLD poderá não estar bem representada na estrutura da memória, por
exemplo, por ser pouco utilizada ou por ter sido aprendida há muito tempo.
Normalmente a tarefa de verificação de orações apresenta uma estrutura de tal forma que leva ao
aparecimento de estímulos preparadores. Como o nome indica, estes estímulos podem definir-se
como aqueles que preparam ou predispõem o indivíduo para o que se lhe segue, influenciando a
análise do que se segue aos estímulos. No presente trabalho o estímulo preparador define-se como o
contexto da oração, por exemplo "uma rosa é", consistindo de um sujeito/substantivo e de um
predicado/verbo. Algumas das razões da influência do contexto na análise posterior da oração, reside
nos condicionalismos impostos ao que se lhe segue (elemento complementar), por exemplo ao nível
semântico e sintáctico. Do contexto resultam dois efeitos importantes, designados por facilitação e
inibição, e que influenciam o futuro processamento do que se lhe segue (ver o capítulo 2 para mais
pormenores sobre estes efeitos). Estes efeitos levam a que o contexto possa influenciar a latência da
resposta dada pelo indivíduo aos estímulos «preparados» pelo contexto, tornado-a mais rápida se o
contexto for maioritariamente facilitador ou mais lenta se for maioritariamente inibidor.
Podem definir-se cinco tipos de contexto : o co-texto, o contexto existencial, o contexto
situacional, o contexto accional e o contexto psicológico [3]. O co-texto tem a ver com o conjunto
das relações que cada unidade do discurso estabelece com as outras unidades, para além das frases e
proposições em que estão inseridas. Tem portanto a ver com a coerência e coesão macrotextual que
3
«habilita o leitor para descobrir o significado dessas macrounidades». O contexto existencial ou
referencial é constituido por tudo quanto permite relacionar o texto com o equivalente do mundo
real a que se refere. O contexto situacional forma o conjunto das determinações sociais do discurso.
Tem mais a ver com o discurso oral e que permite dar um significado diferente a um enunciado
proferido por pessoas de escalões sociais ou situacionais diferentes. O contexto accional tem a ver
com a discriminação dos actos ilocutórios e perlocutórios que são visados pelo locutor quando
profere o discurso. O contexto psicológico pretende englobar os efeitos de factores como o estado
mental, a intenção, as crenças, os desejos, etc, quando se podem reconhecer no processo enunciativo
do discurso. Há que esclarecer que quando acima se usou o termo discurso, se pretende referir um
enunciado de ideias ou frases, escritas ou faladas.
Como já se disse, a tarefa de verificação de orações envolve processamento semântico e/ou
lexical e pode ainda envolver memória semântica ou episódica. Por definição léxico é o conjunto de
vocábulos de uma língua e semântica é a parte da linguística que estuda a significação das palavras e
da evolução do seu sentido. Por outro lado, sintaxe é a parte da gramática que trata da disposição
das palavras nas proposições e das proposições no discurso, de modo a que este esteja perfeito. A
sintaxe define a ordem correcta das palavras, as concordâncias em género (masculino / feminino) e
número (singular / plural); no fundo define as regras gramaticais. Pode dizer-se que a sintaxe é a
parte da gramática que estuda a estrutura ou construção de frases, enquanto que a outra parte da
gramática é a morfologia e estuda as palavras nas suas formas e declinações.
Outro conceito que se relaciona com os aqui apresentados, é a fonética, que se pode definir como
a parte da gramática que estuda os sons articulados, as leis que presidiram às articulações dos
mesmos e a pronunciação correcta das palavras.
De uma forma simplista pode definir-se memória semântica como aquela que diz respeito ao
conhecimento do mundo em geral, enquanto que memória episódica diz respeito a experiências
indivíduais ou casuais.
Podem exemplificar-se os conceitos de sintaxe, semântica e fonética com casos de incongruência,
susceptíveis de ser aplicados nas tarefas de verificação de orações :
(1) Incongruência semântica - " A mesa caminha rapidamente".
(2) Incongruência sintáctica - "O carro temos um volante".
(3) Incongruência fonética - normalmente consiste numa sequência de letras não aceitável e
ocorre de duas formas : (i) pseudo-palavra, por exemplo "plima"; (ii) não-palavra propriamente dita,
por exemplo "mbule".
4
Por associação com a definição de semântica, designa-se por processamento semântico, no
presente trabalho, a actividade mental em que se exige que se avalie o significado das palavras
apresentadas e o sentido que se lhe quer dar no conjunto da oração. Não será errado dizer-se que no
processamento semântico acontece uma sequência de mecanismos que conduzem à decisão de
pertença ou não das «palavras» apresentadas ao léxico do indivíduo. A este conjunto de mecanismos
chama-se processamento lexical.
Dado que cada ensaio das experiências a realizar no presente trabalho inclui a apresentação ao
colaborador de uma oração, é importante esclarecer a noção de oração e compará-la com a de frase
e proposição. Por definição, entende-se por oração uma reunião de palavras dispostas segundo
regras gramaticais de uma língua e que formam um sentido (ideia, pensamento, etc) completo. Uma
frase é uma associação de uma ou mais orações ligadas entre si através de conjunções. Uma oração
pode ser declarada como verdadeira ou falsa, enquanto que duma frase nem sempre se pode dizer
qual o valor lógico. Do que se disse é óbvio que uma frase é o mesmo que uma oração quando só
contém uma oração.
Os elementos fundamentais de uma oração são o sujeito (ser ou coisa sobre o que se faz a
afirmação), que pode ser simples, composto ou indeterminado, e o predicado (o que se afirma do
sujeito), podendo ser verbal (verbo de significação definida) ou nominal (verbo de significação
indefinida, necessitando de um complemento). Geralmente uma oração não é formada apenas por
sujeito e predicado, mas também por elementos complementares, tais como complementos do verbo
(complemento directo, complemento indirecto, etc) e complementos do nome.
Por proposição pode entender-se um enunciado verbal susceptível de ser declarado verdadeiro ou
falso, ou seja, é uma oração a nível gramatical.
No presente trabalho usa-se o termo oração para designar o conjunto de palavras que se
apresentam em cada ensaio das experiências e são orações constituidas por um sujeito, um predicado
e um elemento complementar.
1.2 - Objectivos do Trabalho
O objectivo final deste trabalho, pode dizer-se que é a classificação, se possível em tempo real, de
respostas corticais reflexo do processamento semântico de orações de tipos diferentes, de repostas
corticais recolhidas sobre a actuação de factores que influenciam o processamento ou provenientes
de diferentes localizações. Como objectivos parcelares, permitindo atingir o objectivo final do
trabalho, podem citar-se os seguintes:
5
• verificar a existência, ou não, dos efeitos de facilitação e/ou inibição do contexto preparador,
através da apresentação de orações verdadeiras e falsas.
• verificar se perante um contexto de oração a compreensão das palavras de teste terminais
(complemento da oração) é automática ou não. Este facto é averiguado através das conclusões que
se tirarem quando se exigir, ou não, do colaborador uma resposta física/aberta sobre a oração lida.
• observar se a forma (física) em que se apresentam as orações influencia o processamento
semântico do material linguístico contido nelas.
• observar a forma da distribuição no escalpe das respostas corticais resultantes do processamento
semântico das orações apresentadas. Para se conseguir este objectivo recolheu-se EEG em vários
pontos do cortex.
1.3 - Organização e Estrutura do Trabalho
A estrutura das experiências a realizar será um conjunto de sessões divididas em blocos de vários
ensaios cada, em que em cada ensaio se apresenta uma oração e se adquire o sinal de
electroencefalograma (EEG) em várias localizações do cortex, no sistema 10/20. Realizam-se
sessões com vários colaboradores para evitar possíveis artefactos associados com um dado
colaborador e para tornar os resultados mais credíveis. Cada colaborador participa também em
várias sessões de aquisição.
Uma das razões para a utilização de várias localizações de recolha do sinal reside no facto de se
pretender obter informação sobre a forma da distribuição no cortex dos efeitos produzidos pela
tarefa de processamento semântico. Esta distribuição será observada através de eléctrodos colocados
na zona do escalpe correspondente à parte do cérebro que se pensa que tem um papel activo no
processo de leitura e análise de texto. A outra razão para se usarem vários canais baseia-se no facto
de se saber que o sinal a recolher tem uma relação sinal ruído (RSR) baixa, da ordem de -5dB, e se
ter como um dos objectivos do trabalho classificar respostas corticais em tempo real. Daqui se
conclui, que se se encontrar correlação entre os vários canais, como é lógico acontecer, e se
aproveitar de modo ponderado essa correlação, se pode lucrar com o facto de haver
simultaneamente vários sinais representativos do mesmo fenómeno físico.
A fase que se segue à realização das experiências é o tratamento "off-line" dos dados adquiridos
aquando dos ensaios. Nesta fase há que eliminar os ensaios «corrompidos» por artefactos, os quais
6
podem ser de vários tipos, como por exemplo, devidos a se piscarem os olhos ou movimentos
bruscos do corpo, desatenção durante o ensaio, respostas erradas (se for caso de se exigir resposta
aberta/física) ou fora do tempo permitido para resposta, etc.
Para melhorar a forma do sinal e a RSR implementa-se um processamento estatístico baseado nas
técnicas habituais. De referir algumas dessas técnicas a utilizar: (i) média, mediana, etc (entre ensaios
do mesmo tipo e entre canais para o mesmo ensaio); (ii) filtragem do EEG; (iii) projecção do EEG
numa direcção em que este apresente maior variância, em que a direcção é obtida através dum
método baseado na teoria dos vectores próprios - decomposição de uma matriz pelo método de
"singular value decomposition" (SVD); (iv) implementação de uma análise de variância nos dados,
tendo em conta factores determinantes nas experiências.
As conclusões obtidas com a análise de variância referida no ponto (iv), além do benefício
intrínseco que elas representam, podem ajudar na classificação das respostas. Interessa saber, por
exemplo, qual a influência na forma e na latência dos ERPs, de factores como : (1) exigência ou não
de uma resposta aberta acerca da oração; (2) localização de recolha do sinal; (3) forma de
apresentação das orações; (4) colaborador que participa nas experiências. Há que juntar a estes
factores, obviamente, o já referido valor lógico da oração. Para completar o estudo dos efeitos dos
factores, analisa-se a interacção entre eles.
A última fase do trabalho é a classificação das respostas corticais aos estímulos numa das classes
possíveis, que no caso presente são apenas duas, verdadeiro ou falso. Para tal divide-se esta fase em
duas partes: a fase de desenho do sistema classificador, ou fase de treino, e a fase de teste do sistema
classificador. Para desenhar o sistema classificador vão utilizar-se dois métodos : (i) um método mais
elementar baseado nas amplitudes dos ERPs presentes nas respostas corticais e julgados relevantes
para a distinção das duas classes de respostas; (ii) outro método baseado no discriminante linear de
Fisher.
CAPÍTULO 2 - Teoria Associada com a Realização de Tarefas que Envolvam Processamento Semântico e/ou Lexical
7
CAPÍTULO 2 - Teoria Associada com a Realização de Tarefas que
Envolvam Processamento Semântico e/ou Lexical
2.1 - Introdução
Seguindo a sequência lógica dos acontecimentos, a primeira parte do trabalho deve consistir de
um esclarecimento de tudo o que são pressupostos básicos para a obtenção dos objectivos
propostos. Deste modo, o que se apresenta neste capítulo é um resumo dos conceitos essenciais para
quem se propõe investigar as influências no EEG pelo facto de o indivíduo ter que participar numa
tarefa que envolva processamento semântico e/ou lexical.
A maioria dos trabalhos revistos apresenta uma estrutura que engloba os seguintes pontos: 1)
equacionamento do paradigma a resolver; 2) descrição do material usado e da(s) experiência(s); 3)
apresentação dos resultados obtidos; 4) comentários e conclusões sobre os resultados obtidos.
Resultante da análise efectuada sobre a bibliografia fez-se uma síntese, contendo os conceitos
mais importantes para o presente trabalho, baseada nos seguintes tópicos:
- informação sobre a realização de uma tarefa de verificação de orações;
- os efeitos do contexto na realização da tarefa, nomeadamente o efeito de preparação que conduz
aos efeitos de facilitação e de inibição;
- comparação dos processos de activação automática e de atenção consciente envolvidos na
realização de tarefas que partilham caracteristicas com o processo de leitura;
- eventos principais que se detectam nas respostas corticais associadas com a execução da tarefa
exigida, ou seja, com o processamento semântico e/ou lexical (P300, N400 e CNV).
- influências provenientes de incongruências (semânticas, sintacticas, fonéticas, etc) no
processamento do material linguístico apresentado ao indivíduo;
2.2 - Teoria sobre a Tarefa de Verificação de Orações
A utilização de ERPs tornou possível o estudo de processos cognitivos em curso que não eram
acessíveis a medidas de comportamento. Os ERPs têm sido associados com diferentes processos e
estudos, tais como atenção selectiva, busca em memória, preparação de respostas, etc [4]. Alguns
destes casos são abordados nesta revisão bibliográfica.
8
Embora a tarefa de decisão léxica seja diferente da tarefa de leitura, o que interessa ter em conta
no presente trabalho é o acesso a palavras de um léxico interno e a influência do contexto nesse
acesso, processos estes que são partilhados por uma tarefa de verificação de orações e pela tarefa de
ler. Em ambos os casos um item deve ser reconhecido como uma unídade léxica antes de ser
posteriormente processado linguísticamente. Segundo, o reconhecimento parece envolver a
compreensão da informação semântica associada com o item léxico [5].
À tarefa de verificação de orações podem ser apontados alguns problemas [4]:
* algumas orações negativas passíveis de ser usadas, tipo " Uma rosa é um animal", são de uma
análise mais complicada do que a maioria das orações negativas usadas no discurso do dia-á-dia, em
que a negação é utilizada para negar proposições razoáveis, tipo "Uma baleia não é um peixe";
* a latência da resposta pode ser afectada por factores tais como o de se poder converter a oração
negativa numa afirmativa.
O que se conclui é que as evidências fornecidas pelos ERPs podem ser importantes ao testar
modelos que dercrevam os mecanismos envolvidos na tarefa de verificação de orações.
Normalmente o significado do estímulo está relacionado com a sua importancia para a realização
da tarefa proposta e não com a informação linguistica ou semântica guarda na memória de longa
duração (MLD) [2].
Quando se querem classificar respostas corticais que reflictam análise semântica devem usar-se
tarefas que impliquem recurso a MLD, pois ao usar a memória de curta duração pouca análise
semântica existe.
Não convém usar o mesmo estímulo muitas vezes, caso contrário a resposta pode tornar-se
familiar para o indivíduo. Neste caso a resposta a um estímulo, por exemplo apresentação de uma
oração e pedido de análise quanto à sua correcção, seria apenas um processo de associação em vez
de um processo de decisão envolvendo MLD, entre outros passos.
Decidir se uma oração é falsa ou verdadeira, tarefa de verificação de orações, requere um
conjunto de passos e etapas. O primeiro passo é apresentar a oração numa forma compatível com a
informação «alvo», que no caso da apresentação de orações consiste em proposições na memória
semântica. A falta de correspondência entre sujeito e complemento nas orações afirmativas/falsas e
negativas/verdadeiras, durante a etapa inicial de comparação, resulta em diferenças nos ERPs
quando se realiza uma tarefa que lida com orações afirmativas e negativas, comparando com a
correspondência dos casos afirmativo/verdadeiro e negativo/falso. Esta diferença aparece bastante
cedo, depois da apresentação do elemento complementar, comparando com o tempo necessário para
uma decisão como falso [4].
9
É conveniente referir que o reverso que ocorre entre as diferenças para orações afirmativas e
negativas, é independente da decisão e respostas pedidas. Isto é uma forte evidência de que a
diferença obtida se deve a um processo semântico.
Verifica-se que as diferenças entre os ERPs para segmentos terminais falsos e verdadeiros não é
devida a uma variabilidade do tempo de resposta, dado que alinhando os ERPs pelo instante de
resposta, obtêm-se resultados muito ligados à execução da resposta. Isto prova que o processo
neuronal associado com a decisão exigida, produz ERPs diferenciais.
Pedir uma decisão semântica aberta sobre as orações pode manter o processamento semântico
apesar da repetição ao longo da sessão experimental.
2.3 - Efeitos de Facilitação e de Inibição por parte do Contexto Preparador
Quase todos os estudos com ERPs indicadores de significado linguístico usam manipulações de
contexto. Exemplos de contextos que produzem distinção nos ERPs para a palavra alvo são:
contextos associados ou não desse alvo, orações que «esperam» um verbo ou um substantivo em
que ambos são palavras homófonas [6], palavras da mesma categoria semântica vs palavras de uma
categoria diferente da classe da palavra alvo [7], etc.
Foi sugerido que um contexto de oração produz dois efeitos distintos no reconhecimento de
palavras: a «facilitação» (favorecimento) de pequeno grupo de de palavras prováveis para se
seguirem a um dado contexto e por outro lado, uma inibição de um conjunto maior de palavras que
não preservam o sentido global da oração. A teoria que lida com a facilitação e a inibição de sinais
distingue os aspectos automáticos e de atenção do processamento da informação [5].
Ao decidir-se se dois itens são palavras ou não, a latência da resposta é menor se o segundo item
for um associado primário do primeiro, do que se os dois itens não estiverem relacionados um com o
outro. Numa tarefa em que se exige uma decisão lexical, após a apresentação de um estímulo
preparador (uma palavra ou um sinal neutro), a latência da resposta ao estímulo de teste é menor se
este for um associado do estímulo preparador, quando comparando com a condição do sinal neutro.
A resposta é mais lenta para palavras não relacionadas do que para estímulos neutrais, mostrando
assim o efeito inibidor. Se se reduzir o tempo entre o estímulo preparador e o estímulo de teste o
efeito inibidor desaparece, permanecendo uma certa facilitação.
Similarmente, se for pedido para se detectar se uma sequência de letras já foi apresentada ou não,
as palavras precedidas por outras relacionadas semanticamente são reconhecidas mais rapidamente
10
que as que são precedidas por palavras não relacionadas ou não-palavras. Há várias explicações para
este efeito de preparação [8]:
(1) As caracteristicas semânticas de cada estímulo permanecem activas, em parte, em ensaios
posteriores, diminuindo assim os níveis de decisão das unidades de reconhecimento de palavras
hipotéticas, em palavras que partilhem as mesmas caracteristicas.
(2) O contexto semântico permite aos indivíduos criar um conjunto de palavras esperadas,
palavras essas que são verificadas primeiro durante o processo de decisão lexical.
Qualquer que seja a explicação é quase certo que a ocorrência de uma palavra, que funciona
como estímulo, altera a situação em memória das palavras que estão associadas semanticamente com
a(s) palavra(s) estímulo do(s) ensaio(s) anterio(es).
Obtém-se uma certa facilitação significativa em pares de palavras relacionadas semânticamente
sob condições que se pretendia que evitassem uma activação de expectativa acerca das palavras
associadas. A análise dos efeitos de inibição e facilitação também pode ser feita com contextos sob a
forma de orações em vez de palavras isoladas. Em tarefas léxicas, os contextos de oração produzem
facilitação em decisões com palavras congruentes com o contexto e inibição em decisões com
palavras incongruentes. Este resultado demonstra a possibilidade de usar o paradigma da preparação
da decisão lexical para analisar o efeito dos contextos de oração na busca de palavras [5].
Para estabelecer o alcance dos efeitos de inibição e de facilitação usa-se a técnica de Taylor Cloze
[9] que, permite medir a previsibilidade dos contextos de oração. Alguns contextos favorecem uma
resposta particular com grande frequência, enquanto outros favorecem uma basta gama de respostas,
sem uma resposta dominante. Se ao ler um contexto de oração, um indivíduo espera que ocorra
certa palavra, então deve acontecer uma facilitação para as palavras fortemente dominantes, mas esta
facilitação deve diminuir com a diminuição da previsibilidade; surge então a inibição para as
respostas menos dominantes, embora sejam primárias para esse contexto.
Embora a obtenção de expectativas requeira esforço, desde que uma palavra ou conjunto de
palavras tenha sido activado por este processo, estas palavras podem permanecer mais disponíveis e
sem «custo» para outras palavras de teste.
Há um efeito a ter em conta : o processo de leitura pode retardar a resposta a uma decisão lexical.
Isto implicaria que a resposta seja considerada como mais lenta do que é na realidade e que a
quantidade de facilitação seja sub-estimada e a inibição sobre-estimada. Portanto há um processo de
carregar a memória com o contexto da oração que pode interferir com a resposta. Este processo de
carregar a memória é mais importante para estímulos preparadores complexos (por exemplo
11
orações) do que para contextos formados por uma única palavra. Pode dizer-se que palavras
isoladas, como contexto, não melhoram em muito a latência da resposta. A implicação disto é que ler
e manter a oração na memória tem pouco efeito na latência da resposta. No entanto, as
«requisições» de memória devem reduzir o efeito do contexto, ou seja, relembrar e usar a estrutura
duma oração pode interferir com a sua compreensão.
Demonstrou-se que o facto de ter que ler um contexto de oração tem só por si pouca influência
na latência duma decisão léxica.
A facilitação é limitada a situações de forte sugestão contextual de uma dada palavra, sendo essa
palavra realmente apresentada. Isto sugere uma banda estreita onde se verifica o efeito de facilitação.
Uma alteração da hipótese de atenção é a de que os calobarodores só são sensíveis à predominância
dos contextos, formando e mantendo expectativas apenas quando essa predominância é alta. Isto
indica que a latência em ensaios com palavras improváveis deve ser inibida, mas apenas quando uma
inibição correspondente foi detectada para palavras fortemente dominantes.
Aumentando o tempo em que o contexto está activo nada se altera em termos de facilitação, logo
a gama estreita onde se verifica facilitação não é devida a não haver tempo para os leitores gerarem
as palavras alvo nos casos de contextos menos predominantes. Isto sugere que depois de uma certa
quantidade mínima de processamento, nada se extrai do contexto que influencie o reconhecimento
posterior de palavras.
Parece que as implicações contextuais devido ao contexto de oração lido, não podem ser
suprimidas. Tanto a facilitação para as palavras de teste mais predominante, como a inibição para
palavras de teste anómalas continuam a existir, embora diminuidas.
Perante palavras de teste, que na maior parte dos casos fazem sentido dado o contexto, os
indivíduos não podem escolher simplesmente ignorar a relação entre o contexto e o item de teste,
ainda que daí não advenha vantagem em formar expectativas. A relação poderá ser ignorada quando
o metacontexto indicar que a anormalidade é certa, ou seja, que existe em todos os casos.
Há uma diferença clara entre o processamento de uma palavra associada isolada e o
processamento de um contexto, pois este último pode ter várias palavras fortemente associadas da
palavra de teste.
No trabalho apresentado na referência [5], verificou-se que há menos facilitação para palavras de
teste adequadas do que inibição para palavras inadequadas, comparando com as condições em que
não existe contexto preparador e em que o contexto é inadequado com a condição em que o
contexto é adequado.
Conclui-se que facilitação e inibição estão longe de serem efeitos simétricos.
12
Uma sequência de palavras sob a forma de um contexto de oração pode melhorar ou piorar os
níveis de decisão usados na decisão sobre quais as palavras (de teste) que se seguirão. Os mesmos
efeitos, devidos ao contexto de orações, são observados na latência da pronunciação de palavras ou
na latência de decisões lexicais [9].
Pode dizer-se que o uso feito do contexto de oração aumenta com a idade e a capacidade de
leitura do indivíduo.
Verifica-se que cerca de 100ms são suficientes para se abstrair o significado de uma palavra no
contexto das palavras antecedentes [10].
A repetição do efeito de preparação (através do contexto) refere-se ao melhoramento da
velocidade e precisão da resposta para estímulos que já ocorreram na sessão experimental,
comparando com estímulos que ocorrem pale 1ª vez. Este efeito de preparação tem sido usado em
identificação (por percepção) de palavras, em tarefas de completar palavras dados fragmentos de
letras e em decisões lexicais. Nas tarefas de decisão lexical, a latência para decidir se o conjunto de
letras apresentado é uma palavra ou não, é menor se esse conjunto de letras já apareceu na sessão.
Um estudo feito por Kirsner [11] demonstrou que o efeito de preparação só se verifica entre línguas
diferentes se a repetição for imediata, caso contrário limita-se a um efeito intra-línguas [12].
Como no trabalho apresentado na referência [12] se verificou que não há diferenças nos ERPs
associados com as palavras terminais repetidas na forma intra-línguas relativamente a palavras
terminais não repetidas na região próxima de N400 ou antes, sugeriu-se que qualquer que seja o
mecanismo que está envolvido no efeito de repetição da preparação nas decisões lexicais, ele ocorre
depois dos processos que são influenciados pelos contextos semânticos locais.
2.4 - Processos de Activação Automática e
de
Atenção
Consciente
Associados com a Realização de Tarefas que Envolvam Processamento de
Material Linguístico
Posner & Snyder [13,14] propuseram que os efeitos do contexto semântico sobre o
reconhecimento, se processem através de dois processos que actuam independentemente e têm
propriedades diferentes. O processo de activação automática existe porque o estímulo
«informativo» activa uma certa zona da memória e depois parte dessa activação propaga-se
automaticamente a outras zonas da memória semânticamente relacionadas e que estão próximas na
rede neuronal. O processo de propagação da activação é rápido, não necessita de atenção e não
13
afecta o acesso a informação de partes da memória não relacionadas com a que foi activada pelo
contexto. Assim, o processo de activação automático resulta num efeito de facilitação e não provoca
um efeito inibidor quando o segmento (ou palavra) não é congruente com o contexto precedente.
Em contraste com o que se disse acima, o mecanismo de atenção consciente responde ao
contexto precedente, redireccionando o «processador» de capacidade limitada para a zona de
memória indicada pelo estímulo esperado. Este mecanismo de atenção consciente é lento, recorre a
atenção e inibe o acesso a informação de zonas não esperadas devido à capacidade limitada do
«processador» ter que ser deslocada para zonas muito afastadas da memória [15].
Do que foi exposto conclui-se que os adultos reconhecem as palavras tão rapidamente que o lento
mecanismo de atenção consciente não chega a produzir o efeito inibidor. Em vez disso, só o espalhar
da componente activação automática, devido ao efeito contextual, tem tempo de acontecer antes das
palavras serem reconhecidas. Já nas crianças o reconhecimento de palavras é lento de modo que
permite a contribuição dos dois mecanismos (facilitação e inibição contextuais) para o tempo de
reacção. Fica também explicado porque é que os fracos leitores apresentam maiores efeitos de
facilitação contextual. Isto acontece porque eles são mais lentos, e dado que o processo de
reconhecimento de palavras deles é mais lento, há uma tendência maior para que a faciltação
contextual resulte da atenção consciente, bem como da activação automática.
Do trabalho de Cromer [16] e das conclusões anteriores pode dizer-se que as diferenças com a
idade observadas na capacidade de reconhecimento de palavras, devem-se a um défice de capacidade
de reconhecimento e não a diferenças no processo semântico e sintactico.
Os processos automáticos não são afectados pelas estratégias e expectativas do individuo e são
inevitáveis, no sentido em que o individuo não pode optar por não dar uma resposta automática a
um estímulo adequado. Por outro lado, os processos de atenção não requerem esforço, inibem
activamente outras respostas que requerem atenção e estão sob o controlo do individuo. A distinção
entre os processos automáticos e os de atenção é vital para descrever os efeitos de um contexto
semântico constituido por uma única palavra sobre a latência das decisões lexicais.[5]
No trabalho descrito na referência [5], ao verificar-se que o efeito do contexto sobre palavras de
teste não inibe as respostas improváveis, sugeriu-se que a facilitação seja automática, com o grau de
activação proporcional à semelhança entre a palavra de teste e o contexto de oração.
Uma conclusão que se pode tirar do efeito da dominância sobre os tipos de palavras de teste, é a
de que a ausência de inibição conduz a que desde que uma palavra tenha sido activada pelo
contexto, ela fica acessível sem «custo» para outras respostas. Ou seja, a facilitação é automática.
14
A facilitação produzida apenas para contextos predominantes, não possui as outras caracteristicas
de um processo de atenção. Estes contextos não produzem uma inibição correspondente para as
palavras improváveis, nem a facilitação é aumentada pelo facto de se aumentar o tempo disponível
para criar expectativas. Um indivíduo não pode evitar o efeito quando desejar, o que é uma das
caracteristicas de um processo automático. A inibição de palavras inadequadas não é como deveria
ser em dois aspectos: (i) é um «preço» sem compensação - a inibição de palavras inadequadas não
está associada com uma facilitação de palavras adequadas, embora improváveis; (ii) a incapacidade
de eliminar a inibição quando isso foi pedido.
O reconhecimento de palavras pode tornar-se automático de tal modo que apenas os efeitos
rápidos e facilitadores do contexto são obtidos.
Normalmente os leitores não geram respostas particulares para os contextos de oração. A atenção
parece estar mais dirigida para classe de palavras que preserva o significado, ou seja, a atenção está
mais direccionada para uma classe de palavras relacionadas por uma categoria semântica (em
palavras associadas) ou para uma ideia episódica (em orações), do que para palavras particulares.
O reconhecimento de palavras pode ser tão rápido que só permite a actuação da componente
activação automática da expectativa gerada pelo contexto da oração. Neste caso, observa-se uma
facilitação contextual sem inibição [15].
Quando os colaboradores demoram mais tempo a processar o contexto das orações, quer seja por
se demorar na apresentação da palavra alvo ou por se dificultar a tarefa de decisão, aumentando o
tempo de processamento necessário, aparece o efeito de inibição contextual. Isto deve-se
presumivelmente ao mecanismo de atenção consciente.
Em leitores fluentes o mecanismo de atenção consciente pode ser como que curto-circuitado e o
desenvolvimento da eficiência deste mecanismo na leitura pode não ser um factor causal em
mudanças na capacidade de ler relacionadas com a idade.
Com base na tese de o sistema de leitura seguir um modelo interactivo, ou seja, em que os
padrões são sintetizados com base em informação proveniente simultaneamente de várias fontes,
abre-se a hipótese de processos de um nível superior compensarem as deficiências de outros de nível
inferior. Sendo assim, um leitor fraco em reconhecimento de palavras pode servir-se melhor da
informação proveniente do contexto. Se o reconhecimento de palavras é lento, a expectativa de
atenção consciente combina-se com a activação automática para produzir outra fonte de facilitação
contextual.
15
Quando a capacidade de reconhecer palavras isoladas se torna automática, a informação contida
no contexto das orações deve ter uma influência decrescente no reconhecimento de palavras
particulares.
A análise de palavras com vista a fornecer informação lexical pode envolver factores de atenção
análogos aos que se observam em estudos de preparação semântica [1].
Grande parte da competência, criada por uma capacidade, de compreender a linguagem escrita ou
falada é automática, ou seja, a compreensão é rápida, aparentemente não necessita esforço e é difícil
de evitar. A maior parte da investigação sobre os aspectos automáticos da linguagem usa a variável
latência da resposta como medida dependente.
Palavras que funcionam como estímulos preparadores influenciam, facilitando, o reconhecimento
de palavras de teste desde que as primeiras estejam semanticamente relacionadas com as as
segundas. O efeito das palavras que funcionam como estímulos preparadores nota-se mesmo que os
colaboradores não tenham que responder, ou seja, podem ignorar o conteúdo das orações [5].
A diferença entre ERPs para orações falsas e orações verdadeiras, independentemente de se exigir
uma resposta aberta ou não, indica que no caso de não haver outra tarefa concorrente, a simples
apresentação de uma oração é suficiente para o indivíduo a analisar semanticamente, servindo as
medições feitas nos ERPs de indicador do resultado dessa análise. A compreensão de palavras
apresentadas sucessivamente tem as caracteristicas de um processo automático: é difícil de evitar e
não exige esforço.
Numa situação em que se manipula a influência da informação familiar na realização duma tarefa
de verificação de orações, o efeito da familiaridade com as orações apresentadas ao longo das
experiências, não é significativo. Isto porque a negatividade dos ERPs é mais um reflexo da
familiaridade de longa duração ou da intensidade/vitalidade da informação em memória, do que
qualquer mudança na expectativa desenvolvida quando a MLD é «procurada» durante a sessão [17].
Se se fizessem muitas repetições, a diferença entre a componente N400 para factos muito
familiares e pouco familiares desaparecia. O que isto significa é que a informação menos familiar
passaria a estar bem representada na MLD. Os resultados do trabalho apresentado na referência [17]
sugerem que a base deste facto está mais na activação automática do conhecimento de longa
duração do que na capacidade do indivíduo prever as palavras dado o contexto. Por exemplo, se se
repetisse uma oração com a mesma terminação anómala a negatividade existia, apesar da antevisão
da palavra anómala, desde que a tarefa exigisse compreensão das palavras.
16
2.5 - Componentes Principais que se Detectam nas Respostas Corticais
Associadas com a eExecução de Tarefas que Envolvam Processamento
Semântico e/ou Lexical
Neste tópico vão apresentar-se as componentes dos potenciais eléctricos que de forma mais
evidente estão relacionados com estágios do processamento semântico e/ou lexical do material
apresentado durante os ensaios das experiências realizadas. Estas componentes são importantes
porque é através delas que na maior parte dos caso se obtêm as explicações para os factos que
condicionam o comportamento do indivíduo perante a tarefa lexical exigida (verificação de orações
ou outras).
Na figura 1 apresenta-se um esquema da forma tipica de uma resposta cortical, na zona próximo
da apresentação do estímulo principal para a decisão lexical, e no qual se definem as componentes
CNV, P300, N400 e P500. Este esquema corresponde ao caso de uma tarefa de verificação de
orações e em que cada oração é apresentada por N segmentos de texto.
Figura 1 - Esquema ilustrativo da definição das componentes CNV, N200, P300, N400 e P500.
2.5.1 - A Componente Positiva Posterior P300
Quanto mais frequente for uma palavra mais rapidamente ela será reconhecida. Dois tipos de
teorias têm sido propostas para esclarecer o mecanismo associado com a frequência das palavras,
diferindo nos pressupostos que elas usam relativamente ao local da facilitação [1].
O P300 é uma das componentes dos ERPs que é gerada quando o modelo mental do
ambiente/esquema que processa os estímulos necessita de actualização devido à existência de
17
informação nova. A latência do P300 pode reflectir a duração da análise do estímulo e é
independente do processo que activa a resposta a esse estímulo.
Se o efeito da frequência das palavras em apresentação se deve às diferenças entre o tempo de
análise das palavras comuns e não comuns, o P300 activado por palavras comuns deveria apresentar
uma latência menor que o P300 activado por palavras não comuns. Se este efeito provém de uma
rapidez maior para responder às palavras comuns quando comparadas com as palavras não comuns,
a latência do P300 não deveria ser afectada pela frequência com que uma palavra aparece na
linguagem escrita.
Dado que as palavras não comuns aparentam requerer mais busca lexical do que palavras mais
comuns, deveriam ser encontradas diferenças na amplitude do P300 activado pelas duas classes de
palavras, mais e menos comuns, desde que o processamento da busca alargada consumisse mais
capacidade cognitiva do que uma busca limitada. A amplitude de P300 deveria ser atenuada quando
activada por palavras não comuns relativamente a palavras comuns, enquanto que não deveria haver
entre duas classes de não-palavras (derivadas de palavras comuns e não comuns), ainda que o efeito
global da probabilidade do estímulo irá diminuir a amplitude de P300 com o aumento da ocorrência
das não-palavras.
Verifica-se que a latência de P300 é influenciada pela frequência dos estímulos e a sua amplitude,
para o caso de ser originado por estímulos que são palavras, aumenta com a diminuição da
probabilidade das palavras, enquanto que essa amplitude, no caso de estímulos que são não-palavras,
aumenta com o aumento da probabilidade das não-palavras. Adicionalmente, a amplitude de P300
para não-palavras é maior que para palavras. Por outro lado a amplitude de P300 varia com a
localização do eléctrodo, aumentando da zona frontal para a parietal do escalpe.
As decisões lexicais são influenciadas pela frequência de ocorrência das palavras em teste, uma
vez que tanto a latência de P300 como a da resposta são menores para palavras comuns do que para
palavras não comuns. Este resultado implica que a frequência com que uma palavra ocorre numa
linguagem acelera os estágios iniciais do processamento das palavras, antes das etapas de produção
da resposta.
As diferenças de tempo
necessário
para procurar na memória semântica afectam
significativamente a latência de P300.
A frequência com que um dado estímulo ocorre tem um efeito reduzido na latência de P300,
embora a latência da resposta diminua quando a probabilidade de um tipo de itens é incrementada,
sendo este efeito maior em não-palavras do que em palavras.
18
A amplitude de P300 é sensível aos requisitos de capacidade de processamento, de modo que esta
amplitude aumenta com o aumento da quantidade de capacidade usada numa dada situação.
Contudo, se for necessário mais capacidade para realizar uma dada tarefa secundária
simultaneamente, a amplitude de P300 diminuirá se a tarefa secundária não partilhar a integralidade
dimensional do estímulo com a tarefa primária.
As variações na amplitude de P300 dão crédito a explicações dos efeitos de preparação semântica
sensíveis à capacidade, efeitos esses que parecem reflectir uma propagação da activação da rede
lexical.
A componente P300 está mais ligado à decisão de ter que responder ou não, do que ao
processamento semântico sobre a oração, tendo a sua latência o mesmo comportamento que a
latência da resposta, embora não correlacionáveis significativamente [10]. Ou seja, pode dizer-se que
esta componente está associada com a importância geral do estímulo para a tarefa semântica exigida
ao colaborador [4].
Numa tarefa de verificação de orações, observou-se uma latência de P300 maior para o caso de
orações falsas do que para o caso de orações verdadeiras [10].
2.5.2 - A Componente Negativa Posterior N400
A componente N400 é um sinal fisiológico do reprocessamento das palavras semanticamente
anómalas [18].
Pela diferença de N400 entre os casos de palavras de teste congruentes e incongruentes concluise que o N400 é uma negatividade monofásica com uma distribuição espalhada pelo escalpe.
O N400 parece reflectir a interrupção do processamento duma oração devido a palavras
semanticamente incongruentes e reflecte ainda o reprocessamento que ocorre ao se tentar extrair
significado de orações sem nexo. O N400 fornece informação sobre a temporização, a classificação e
a interacção dos processos cognitivos envolvidos na compreensão da linguagem. A medição de
N400 pode revelar onde, numa oração ou parágrafo, informação semântica de tipos diferentes é
assimilada, contribuindo assim para a análise do processo de leitura e posteriormente para detectar
desordens na leitura e na linguagem.
Para obter a componente N400 não é obrigatório que a base de trabalho seja uma oração, pode
ser suficiente apresentar palavras isoladas que usem MLD [10].
O ERP N400 funciona como uma ferramenta para estudar como a informação semântica está
representada e é acedida [17].
19
Constata-se que a diferença entre a componente N400 para orações falsas e verdadeiras é maior
para informação familiar do que não familiar.
Verificou-se que numa tarefa de verificação de orações a latência de N400 não é afectada
significativamente pelo tipo de tarefa a realizar (resposta-R ou não resposta-NR), é maior no caso de
orações falsas do que em verdadeiras e é maior para o caso NR do que para o caso R.
A negatividade de N400 (ou seus equivalentes), sendo comum em tarefas que envolvem
processos cognitivos, é máxima no vertex e apresenta uma distribuição alargada no escalpe. Há
também indícios de que seja máxima na zona central e parietal e reduzida frontalmente. Há ainda
sugestões que apontam para uma maior negatividade do lado direito do escalpe do que do lado
esquerdo [20].
A latência de N400 não difere muito entre os casos em que as orações incluem informação muito
familiar (factos fortes) e os casos em que as orações incluem informação pouco familiar (factos
fracos). Por seu lado, a latência da resposta é maior para factos fracos do que para factos fortes [17].
A apresentação de orações contendo informação familiar aos colaboradores produz uma
componente «N400» com uma latência inferior em cerca de 50ms (ou seja, o N400 é na realidade
N340) à que se obteve em trabalhos que utilizaram informação pouco familiar [17]. Este facto devese à saliência da informação referenciada ao próprio colaborador, ou à maior simplicidade da tarefa
(não há orações negativas do tipo "Um A não é um B" como havia, por exemplo, no trabalho
descrito em [10]) ou às orações serem mais fáceis de analisar (só têm 3 segmentos e não 7, como
por exemplo em [18]). Prova-se que a negatividade do pico N400 é maior para orações que
falsificaram factos familiares.
Comparando os resultados da apresentação de orações negativas, verifica-se uma grande
similaridade com o que se obteve para as orações afirmativas, exepto que a maior negatividade na
componente «N400», é observada nas orações verdadeiras em vez de nas falsas [4].
Numa tarefa de emparelhar palavras em que umas rimam e outras não, também se observa uma
componente tipo N400 na zona próxima de 400ms após a apresentação da 2ª palavra, sendo mais
negativa para o caso em que o par de palavras não rima do que para o caso em que rima [19].
A assimetria com a localização de recolha do EEG observada no N400 ocorre, quer a linha de
base nas medições seja a actividade que precede a palavra/estímulo presente, quer a linha de base
seja a actividade que precede a primeira palavra de uma oração [20]. Existe também assimetria,
maior negatividade do lado direito, em associação com as outras palavras que não a que provoca as
decisões léxicas ou semânticas. Por exemplo, as palavras em posições intermédias de uma oração
provocam assimetria nos ERPs. Contrariamente, a primeira palavra de uma oração não provoca
20
assimetrias muito evidentes. A amplitude e existência desta assimetria não está dependente da
frequência de apresentação das palavras ou da proporção entre orações congruentes e
incongruentes.
2.5.3 - A Variação Contingente Negativa (CNV)
A variação contingente negativa nos casos estudados pode definir-se como a componente do
sinal, normalmente negativo e com pequena inclinação, que ocorre num periodo entre a apresentação
de estímulos, por exemplo, palavras ou segmentos de oração (ver figura 1).
Esta variação é influenciada pelos potenciais lentos precedentes (pSPSs) [21]. O efeito dos
psSPSs sobre CNV nos segundos que precedem a apresentação do 1º estímulo (S1) é a 1ª parte do
efeito designado por efeito de linha de base.
Depois de um pSPS positivo a CNV é aumentada e depois de um pSPOS negativo é atenuada.
A CNV é maior em localizações frontais e centrais do que nas parietais.
A influência dos pSPSs sobre a CNV pode indicar um efeito de "ceiling", ou seja, que o cérebro
tem uma capacidade limitada para deslocamentos negativos.
Observa-se que um colaborador fortemente ansioso apresenta menores CNVs do que outro
fracamente ansioso. Os colaboradores fortemente ansiosos mostram uma negatividade cortical da
linha de base maior.
Outra explicação à parte do efeito de "ceiling" pode ser o de que o efeito de linha de base seja
uma expressão de um mecanismo regulador responsável pelo nível desejável ou nível optimo de
activação.
As CNVs médias, sem controlo dos pSPSs, podem ser de fraca confiança devido à interacção de
pSPSs com factores experimentais e de situação.
Numa tarefa de verificação de orações a amplitude do CNV é menor no caso em que não se exige
uma resposta aberta/física sobre a oração do que no caso se exige uma resposta. Por outro lado, é de
menor amplitude frontalmente (Fz) do que nas localizações Cz, Pz, C3 e C4, isto no intervalo antes
da apresentação do segmento que funciona como estímulo principal [10].
Prova-se que a componente N400 não pode estar associada com a CNV, dado que a amplitude de
N400 não depende da tarefa a executar e a CNV depende [17].
21
2.6 - Aspectos do Processamento de Orações que se Traduzem em Diferenças
nas Componentes Posteriores
Nalguns casos acontece que os contextos de oração produzem facilitação para algumas palavras
sem produzir inibição para palavras incongruentes com o contexto [22].
Constatou-se que quando um contexto é congruente com a palavra terminal o tempo de reacção é
menor do que quando o contexto é incongruente [15].
Numa tarefa de leitura de orações palavras semanticamente inapropriadas originam a componente
negativa posterior (N400) já referida [18].
Numa tarefa de verificação de orações, palavras terminais fisicamente anómalas produzem um
complexo positivo posterior (P500), depois do início da apresentação destas. Esta componente não
existe nas orações que terminam com palavras de tamanho normal.
Conclui-se que anormalidades semânticas e físicas provocam um conjunto de reacções diferentes no
cérebro.
Os participantes numa tarefa de verificação de orações são mais lentos a rejeitar orações falsas do
que a aceitar orações verdadeiras, tipo " X é um Y", quando X e Y estão semanticamente
relacionados [10].
Respostas afirmativas (por exemplo a aceitação do conjunto de letras como sendo uma palavra)
são mais rápidas do que as respostas negativas (por exemplo a rejeição do conjunto de letras por ser
uma não-palavra) devido à tendência global de se responder mais rapidamente a estímulos positivos
[1].
Para orações afirmativas a latência para decisões falsas é maior do que para decisões verdadeiras,
enquanto que para orações negativas a latência para decisões verdadeiras é maior do que para
decisões falsas. Orações negativas são em geral respondidas mais lentamente que as afirmativas. Isto
porque as primeiras requerem um tempo adicional para lidar com a negação [17].
Como uma oração do tipo
"Um X | não é um | Y"
é compreendida como
{ falso | { é um | X , Y } },
e sendo a verificação das orações feita primeiro comparando a suposição intermédia (o verbo, que
neste caso é "é um") com a informação semântica relevante (X , Y), um desajuste ocorre neste passo
para os casos afirmativo/falso e negativo/verdadeiro. Este facto produz o efeito observado na
latência das decisões.
22
Resumindo os resultados de alguns trabalhos, pode dizer-se que se observa-se uma negatividade
reforçada na componente N400 nos seguintes casos:
(i) palavras que completam «falsamente» o contexto precedente [4];
(ii) palavras semanticamente incongruentes no contexto da oração 19];
(iii) palavras improváveis, embora aceitáveis no contexto da oração;
(iv) palavras que não correspondem à classe semântica das palavras anteriores.
Foi sugerido que a negatividade posterior (por exemplo N400), é originada sempre que a palavra
de teste apresentada não tenha sido preparada pelo contexto anterior. Logo a incongruência não é
uma condição necessaria para N400 ocorrer. Isto é consistente com a teoria que postula que N400
ocorre sempre que uma palavra ou figura é apresentada sem contexto preparador [10].
O facto da negatividade posterior estar associada com palavras imprevisíveis, refere-se ao não
automatismo de computação dentro da sistema linguístico e não à expectativa consciente por parte
do indivíduo sobre a semelhança de palavras particulares que possam aparecer (expectativa
frustrada). Isto prova-se por N400 não diminuir quando os indivíduos se tornam familiares com as
orações falsas [17].
Como se verifica que orações falsas, obtidas com base em dados (familiares) sobre o colaborador,
originam uma componente tipo N400 e porque elas não são semanticamente anómalas, mas apenas
inconsistentes com o que havia sido estabelecido no início das experiências, esta componente
ocorrerá sempre que um contexto verbal active um dado código e outro seja apresentado.
Dada a negatividade associada com orações anómalas, sugeriu-se que um processo básico na
compreensão de orações é a monitorização da consistência ou validade das proposições
contidas/defendidas na oração, estando esta negatividade associada com a disrupção deste processo.
Este efeito é diferente de outro tipo de disrupção de expectativas, as quais produzem um valor maior
para (N400-P300) quando os estímulos raros ou não esperados são apresentados. Pelo contrário,
palavras anómalas produzem uma negatividade quando o completar de orações com essas palavras
anómalas é tão provável como com palavras adequadas [7].
Se a negatividade nos ERPs é um indicador de um processo que monitoriza a consistência ou
validade da prosa, então seria possível usá-la para analisar, em tempo real, modelos da construção
do significado das orações a partir das suas palavras constituintes [4].
Numa tarefa de emparelhar palavras em que umas rimam e outras não, aparece uma componente
negativa tipo N400 nas respostas corticais para palavras que não rimam. Concluiu-se que o N400
23
observado é devido a um processamento de palavras, não a um nível semântico, mas antes reflecte
processos que ocorrem a nível fonético [19].
Independentemente de N400 depender em último caso para a sua origem de processos semânticos
ou liguisticos desconhecidos, o trabalho apresentado na referência [19] indica que as diferenças de
processamento ao nível fonético são suficientes para influenciar a amplitude de N400.
Uma hipótese possível, para a explicação do paradigma da origem de N400, pode ser a de que
N400 é gerado por um estímulo que não corresponde à expectativa criada por um
estímulo/acontecimento preparador. Esta hipótese implica que os processos de preparação não se
limitem a influenciar os casos com representação semântica ou léxica. O facto de não-palavras
apresentarem mensuráveis efeitos de repetição dá algum suporte a esta suposição.
Diferenças de processamento entre várias categorias de estímulos (por exemplo palavras e nãopalavras) podem provocar diferenças de amplitude tão cedo como na componente N200, dado que
se observam em N200 algumas variações de amplitude como resultado desse processamento [1].
2.7 - Aplicação da Teoria Revista no Presente Trabalho
Neste tópico vão sumariar-se os principais conceitos retirados da bibliografia apresentada e que
vão ser úteis à realização das experiências no presente trabalho.
Começou por se perceber qual a estrutura típica utilizada em experiências que têm como
objectivo estudar a tarefa de verificação de orações. Concretamente, interessava saber qual a forma
de apresentação das orações, as temporizações dos eventos, as condições da aquisição dos
potenciais cerebrais, entre outros. Contudo, a matéria de mais interesse a extrair da bibliografia, diz
respeito ao tipo e forma do material linguístico a utilizar durante os ensaios das experiências e ao
modo como esse material é processado pelo indivíduo. Apresentam-se de seguida alguns dos pontos
de interesse sobre esta matéria.
Se se pretender observar os resultados do processamento semântico do material linguístico
apresentado, deve usar-se como esquema de trabalho uma tarefa que implique a utilização de MLD
durante esse processamento. Por outro lado, verifica-se que praticamente todos os trabalhos que
pretendem obter informação sobre o significado linguístico do material apresentado nos ensaios,
através da observação dos ERPs, utilizam manipulações de contexto. Os efeitos do contexto são
observados de forma mais precisa recorrendo a tarefas que envolvam decisões lexicais.
24
Sabe-se que o contexto de oração «facilita» o reconhecimento das palavras prováveis que se lhe
seguirem e inibe o reconhecimento das palavras que se seguirem e não preservem o sentido da
oração. O contexto de oração funciona deste modo como estímulo preparador e o seu efeito não
depende do facto do colaborador ter que dar ou não uma resposta física sobre o material linguístico
apresentado. O efeito preparador pode ser obtido com um contexto de oração, como se referiu, mas
também com uma palavra isolada, sendo diferente o processamento nos dois casos.
Durante os ensaios não convém utilizar o mesmo estímulo muitas vezes porque, embora haja
indícios do contrário, o efeito da familiaridade pode repercutir-se negativamente no processamento
dos estímulos.
Verificou-se que as decisões lexicais envolvidas no processamento do material linguístico
apresentado são afectados pela frequência de ocorrência das palavras que se apresentam.
Como foi referido no ponto 2.4, uma tarefa de verificação de orações envolve processos de
activação automática e de atenção consciente. Grande parte da aptidão para compreender uma
língua é automática, sendo estes aspectos automáticos acedidos mais correctamente através da
latência ou da amplitude das componentes posteriores do que através da latência da resposta.
Da leitura da bibliografia extrairam-se ainda alguns dados sobre as componentes posteriores
associadas com o processamento de orações e sobre as decisões envolvidas na tarefa de verificação
dessas orações. Apresentam-se agora os pontos mais importantes sobre o que se acabou de afirmar.
Orações que contêm informação bastante familiar ao indivíduo produzem maiores diferenças nos
ERPs associados com orações verdadeiras e falsas, do que orações contendo informação pouco
familiar.
Se na tarefa de verificação de orações se exigir uma decisão aberta, a sua latência é menor se o
estímulo de teste estiver associado com o estímulio preparador.
Constatou-se que no caso do contexto de oração ser congruente com a palavra de teste, o tempo
de reacção é menor do que no caso do contexto ser incongruente.
Na tarefa de verificação de orações, palavras terminais semanticamente inapropriadas produzem
uma componente negativa posterior (N400). O ERP N400 funciona como uma forma de observar
como é que a informação semântica está representada e é acedida. Verificou-se que a diferença entre
N400 para orações verdadeiras e falsas é maior para informação muito familiar do que pouco
familiar, não se verificando este efeito na diferença entre as latências desta componente.
A componente positiva posterior P300 é gerada quando o modelo do esquema que processa os
estímulos necessita de actualização porque surgiu informação nova. Esta componente está mais
ligada à decisão aberta sobre o material apresentado, do que ao processamento semântico desse
25
material linguístico. A latência de P300 apresenta o mesmo comportamento que a latência da
resposta, mas não é correlacionáv com ela de forma significativa.
Entre a ocorrência de dois segmentos/estímulos consecutivos num ensaio, o sinal de EEG tem
tendência para se tornar ligeiramente mais negativo ao longo do tempo, designando-se esta parte do
sinal por variação contingente negativa (CNV).
CAPÍTULO 3 - Material de Suporte à Realização das Experiências com ERPs
26
CAPÍTULO 3 - Material de Suporte à Realização das Experiências
com ERPs
Para a realização de experiências tendo em vista resolver paradigmas associados com a tarefa de
verificação de orações, há que desenvolver um conjunto de ferramentas que ajudem a desenhar e
controlar essas experiências. Como para o desvendar de um paradigma a este nível, há vários
factores a influenciar os resultados, e possivelmente vários caminhos para o desvendar, pensou-se em
projectar o conjunto de ferramentas o mais versátil possível, sem no entanto perder de vista o
objectivo principal do trabalho, que é saber se existem diferenças significativas entre os ERPs
associados com a apresentação ao indivíduo de uma oração verdadeira e de uma oração falsa.
Esta ideia de versatilidade é reforçada pela leitura da bibliografia apresentada no capítulo anterior,
de onde se tiraram algumas conclusões que levaram à estruturação das ferramentas a desevolver e
das experiências a realizar com elas.
Assim, neste capítulo após a descrição do "hardware" utilizado vão apresentar-se as ferramentas
desenvolvidas. No que diz respeito às ferramentas, incluem-se como blocos principais: (i) a
configuração do sistema; (ii) a geração de uma base de dados que arquive o material linguístico a
apresentar durante os vários ensaios; (iii) a possibilidade de calibração do "hardware"; (iv)
arquivação da informação vital para a posterior identificação das condições de cada sessão de uma
experiência; (v) controlo, durante a realização, de uma sessão de uma experiência.
3.1 - "Hardware" Utilizado nas Experiências Realizadas
Para adquirir os potenciais no cérebro utilizou-se a instrumentação usual nestas condições,
consistindo numa máquina de EEG, uma placa de aquisição e um computador pessoal (PC/AT).
A máquina de EEG permite amplificar os sinais de baixo nível através de amplificadores de
instrumentação com elevado Common Mode Rejection Ratio - CMRR (= Ganho Diferencial / Ganho
Modo Comum). Como o espectro de potência do ruído é contante com a frequência, pode atenuarse este ruído recolhendo o sinal cerebral entre dois pontos do cortex, uma vez que ele está presente
27
com igual amplitude média nos dois pontos de recolha. Deste modo reforça-se o sinal diferencial
entre os dois pontos de recolha - EEG - e atenua-se o sinal comum - ruído.
Dado que os potenciais a adquirir têm amplitudes da ordem de poucas dezenas de microVolt e
sabendo a gama adequada para as entradas da placa de aquisição, pode determinar-se o ganho a usar
na máquina de EEG.
Para eliminar o ruído de 50Hz introduzido pela rede, activa-se o filtro estreito ("notch filter")
existente na máquina de EEG e que está centrado nessa frequência. Esta é uma opção sujeita a
discussão porque embora o espectro de potência do sinal já esteja bastante atenuado a 50Hz,
apresenta ainda uma amplitude razoável. Optou-se por usá-lo porque se pensa que os benefícios da
eliminação de possíveis artefactos compensa a hipotética atenuação de algumas frequências
presentes nos sinais. O efeito deste filtro no espectro de potência do sinal foi verificado pela
estimação desse espectro através da implementação de FFTs ("Fast Fourier Transforms"), como se
descreverá no capítulo 5.1.
Além dos amplificadores com elevado ganho e boa imunidade ao ruído, tudo o que fica antes dos
amplificadores de instrumentação na máquina de EEG deve apresentar também boa imunidadade ao
ruído. Em especial deve-se ter cuidado com a maneira como as massas estão ligadas para reduzir os
efeitos negativos dos loops de massa.
A máquina de EEG apresenta-se, como é obvio, como um meio adicional de visualização dos
sinais adquiridos; o outro é através do monitor do computador, tendo o primeiro a vantagem de
fornecer uma visualização "on-line" dos sinais em aquisição. Isto permite detectar possíveis falhas de
contactos durante as sessões ou um comportamento incorrecto por parte do colaborador, como por
exemplo a execução de movimentos bruscos.
Utilizando um canal com informação temporal na máquina de EEG poderá fazer-se uso das
listagens por ela fornecidas numa análise posterior mais precisa, por parte de médicos especialistas
na análise de EEG. Este facto tem interesse porque para estes especialistas os sinais representados
no papel apresentam vantagem sobre uma representação em computador dos mesmos sinais, uma
vez que uma mudança de escalas, temporal e/ou de amplitude, verificada nos gráficos apresentados
no computador traiem a mecanização utilizada na análise desses sinais. No presente trabalho não se
utilizou o canal referido para representação no papel da máquina de EEG.
A placa de aquisição utilizada foi uma DT2821F-16SE. Apresenta-se no Apêndice 1 um resumo
das caracteristicas desta placa, uma explicação dos modos de funcionamento (nomeadamente com
dupla DMA) e os pinos acessíveis para o exterior.
28
3.2 - "Software" de Suporte às Experiências com ERPs
Como já foi dito, vão aqui apresentar-se as ferramentas que permitem realizar tudo o que vai
desde a fase de estruturação das experiências, calibração da instrumentação e edição de uma base de
dados, passando pelas facilidades dadas pelo "software" até ao controlo da realização das
experiências propriamente ditas.
3.2.1 - Configuração do Sistema
A configuração desenvolvida, e que permite estruturar completamente as experiências a realizar,
pode dividir-se em três partes essenciais:
(1) - a componente da configuração que envolve directamente o "hardware";
(2) - a estruturação global das sessões de ensaios a realizar;
(3) - a estruturação pormenorizada dos ensaios.
3.2.1.1 - Configuração Directa do "Hardware"
Quanto ao primeiro ponto, ou seja, a configuração do "hardware", pode dizer-se que engloba
tudo aquilo que é permitido variar em termos de utilização do "hardware". Assim, os parâmetros
seleccionáveis por programação são:
(i) - o número de canais a adquirir simultaneamente e quais as ordens escolhidas.
(ii) - A frequência com que se adquirem esses canais, sendo esta a mesma para todos eles, dado
que todos os sinais têm o mesmo espectro de potência.
(iii) - Os ganhos adicionais a introduzir pela placa de aquisição (1, 2, 4 ou 8) em cada um dos
canais seleccionados e o nome de cada um deles.
(iv) - O tempo de aquisição de sinal em cada ensaio das sessões de experiências.
De referir que os canais, a frequência de aquisição e os ganhos são mantidos constantes durante o
lote de sessões de experiências a realizar agrupadas. Pela expressão anterior em itálico pretende
significar-se o número de sessões que se escolheu levar a cabo com a mesma execução do programa,
o que se compreenderá melhor quando se explicar a estruturação das sessões de experiências. Por
outro lado, estes parâmetros não dependem desta estruturação, o que já não acontece com o tempo
29
de aquisição de sinal. Este tempo só poderá ser escolhido quando se tiver definido como se
desenrolarão os ensaios das sessões de experiências.
Na figura 2 apresentam-se as opções do menu principal de configuração, com destaque para a
especificação dos vários canais a utilizar, através dos nomes e dos ganhos a aplicar em cada um
deles. Antes de se editarem os nomes e os ganhos dos canais, escolhe-se o número de canais
desejados.
É preciso frisar que a componente mais importante que tem a ver com o "hardware" e que é a
programação da placa de aquisição para funcionar no modo desejado não será descrita aqui, mas sim
em 3.2.5 quando já se apresentaram todas as opções de configuração e o restante suporte de
programação.
3.2.1.2 - Estruturação das Sessões de Ensaios
De seguida vai apresentar-se a segunda parte da configuração, ou seja, a configuração das sessões
de ensaios.
Por sessão designa-se um conjunto de ensaios com o mesmo colaborador e que apresenta um
número de caracteristicas comuns. Uma sessão poderá ser dividida em sessões parcelares contendo
fracções do total de ensaios, permitindo deste modo intervalos de repouso entre elas, denominandose blocos ou subsessões.
Portanto, no que diz respeito à configuração global das sessões, apresentam-se as 6 opções
disponíveis na seguinte lista:
(i) - o número de sessões a realizar, ou tamanho do lote de sessões a realizar agrupadas.
Normalmente este número será de apenas uma sessão, pois para fazer sessões com caracteristicas
totalmente diferentes é mais aconselhável realizar outro «lote» de apenas uma sessão. Para explicar
melhor este aspecto, pode dar-se um exemplo: ter no mesmo ficheiro de EEG, sinal de sessões com
tempos de aquisição por ensaio diferentes, trás desvantagens práticas ao processamento posterior do
sinal contido nesse ficheiro.
O número de sessões selecciona-se directamente do menu principal de configuração, como se
pode ver na figura 2.
(ii) - O número de blocos por sessão, ou número de partes em que se divide uma sessão de
ensaios. Este parâmetro é seleccionado como se mostra na coluna correspondente a "#subses." da
figura 3, após ter escolhido o número de sessões.
30
(iii) - O número de ensaios por bloco que, em acomulado para todos os blocos de uma sessão,
define o número de ensaios por sessão. A figura 4 exemplifica como se escolhe este valor, utilizando
a opção "Número de Ensaios" no menu da direita.
(iv) - Pode optar-se pela realização duma sessão de treino/teste antes de cada sessão de
experiências, de modo a familiarizar os colaboradores com a tarefa em que se baseiam essas
experiências. Esta opção pode ser tomada como se mostra na figura 3, optando pela coluna
correspondente a "Há Teste (s/n)".
(v) - O tempo entre o início de ensaios consecutivos em cada bloco de uma sessão. Normalmente,
para uma dada sessão este tempo será o mesmo nos vários blocos, a não ser que que se pretenda
estudar o efeito do tempo entre blocos na realização da tarefa em causa nessa sessão. Na figura 4
exemplifica-se como se selecciona este tempo, para o que se deve escolher a opção "Tempo Entre
Ensaios" do menu superior direito.
(vi) - Pode optar-se por apresentar o mesmo material linguístico (oração, grupo de palavras, etc)
mais do que uma vez, o que equivalerá a repetir a apresentação do mesmo estímulo ao colaborador.
A ideia que está por trás disto resume-se no facto de a resposta recolhida (EEG) ter uma relação
sinal ruído (RSR) baixa e dai a tentativa de melhorá-la com uma repetição do mesmo estímulo. Esta
repetição não pode ser exáustiva de modo a evitar o efeito da familiaridade com o material em
apresentação. O número de repetições é seleccionado como se mostra na figura 4, optando pela
coluna do menu da direita correspondente a "Repetições de Cada Frase".
3.2.1.3 - Estruturação dos Ensaios
A terceira parte da configuração permite especificar a estrutura dos ensaios das sessões de
experiências a implementar.
Para se escolherem os parâmetros que têm a ver com os ensaios é necessário saber-se com
precisão o que se pretende com as experiências. Tem que se ter equacionado o paradigma a resolver,
com que material linguístico se pretende trabalhar e qual a estratégia a seguir para solucionar esse
paradigma.
Tendo em vista perceber a estrutura de um ensaio, atente-se na esquematização da temporização
de um ensaio genérico possível de ser configurado, presente na figura 5.
31
Pode resumir-se a sequência de acontecimentos que ocorrem durante um ensaio passível de ser
configurado no presente trabalho, no seguinte: começa-se por se apresentar um sinal indicador de
que se vai iniciar um novo ensaio, passado um certo intervalo de tempo apresentam-se a intervalos
de tempo regulares os vários segmentos de material linguístico pré-programados. Durante esta
apresentação, e com início e fim definidos, faz-se a aquisição de sinal e se for caso disso, após a
apresentação de todos os segmentos, espera-se uma resposta aberta por parte do colaborador.
Figura 2 - Menu principal de configuração e de selecção dos nomes e ganhos dos vários canais.
Apresentam-se de seguida as oito opções relacionadas mais intimamente com a estruturação dos
ensaios e que podem ser definidas pelo utilizador do programa:
(i) - o número de segmentos a apresentar durante cada ensaio do lote de sessões a realizar
agrupadas, sendo mantido constante para todo este lote. O termo segmento designa cada uma das
32
parcelas em que se divide o material linguístico a apresentar num ensaio completo, sendo cada uma
destas parcelas apresentadas separadamente ao longo do ensaio. Um segmento pode ser uma palavra
isolada, uma não-palavra, uma fracção de uma oração, etc. Este parâmetro é seleccionado
directamente do menu principal de configuração presente nas figuras 2, 3 e 4.
Figura 3 - Exemplo de como se selecciona o número de blocos (subsessões), o tempo de aquisição,
se há resposta aberta ou não, o início da aquisição e se se apresenta cada segmento
duma oração com ou sem os segmentos precedentes dessa oração.
(ii) - Por uma questão de optimização de memória e versatilidade do "software" que faz uso da
configuração definida, convém especificar o tamanho máximo em caracteres permitido para um
segmento de material linguístico. Este valor será o mesmo em todo o lote de sessões a realizar
agrupadas e pode ser escolhido do mesmo modo que o parâmetro anterior, usando a opção
"Dimensão Máxima dos Segmentos".
33
(iii) - Permite-se optar entre duas formas distintas de apresentação do material linguístico ao longo
de um ensaio e que se distinguem pelo facto de se apresentarem ou não os segmentos anteriores na
apresentação dos segmentos seguintes. Para esclarecer melhor a diferença entre as duas formas,
pode exemplificar-se com uma situação em que se opta por manter os segmentos e se vai apresentar
o 3º segmento duma oração, por exemplo "Uma rosa tem folhas". Neste caso apresenta-se a
concatenação do 1º ("Uma rosa"), do 2º ("tem") e do 3º ("folhas") segmentos dessa oração,
coincidindo com a própria oração, em vez de apenas o 3º segmento ("folhas") como acontece no
caso de se optar por não manter os segmentos. Esta opção é seleccionada como se mostra na figura
3, escolhendo a coluna correspondente a "Manter Segm. (s/n)", sendo válida para todas as sessões
do lote de sessões a realizar agrupadas.
(iv) - O tempo durante o qual os segmentos de texto permanecem visíveis perante o colaborador,
ou seja, o tempo que o colaborador dispõe para consciente ou inconscientemente ler o material
linguístico que lhe é apresentado. Na figura 5 designa-se este intervalo de tempo por
"Tsegm_activo", é constante para a apresentação dos vários segmentos de cada ensaio e para os
vários ensaios de um dado bloco, podendo variar entre os blocos da mesma sessão de experiências.
A selecção deste parâmetro é feita através da opção "Duração Segmentos Activos" do menu superior
direito da figura 4.
(v) - O tempo que medeia entre a apresentação dos segmentos de texto e que define o tempo que
dura a apresentação total do material linguístico em cada ensaio. Este tempo tem influência no efeito
que, por exemplo, o contexto de oração tem sobre a decisão a tomar a quando da apresentação do
último segmento de texto. Este segmento funciona como estímulo mais importante para essa
decisão. Só tem interesse variar este parâmetro, durante uma sessão de experiências, quando se
pretende conhecer a influência do tempo que decorre entre as apresentações do contexto e do
estímulo que provoca a decisão lexical, sobre a importância do contexto para essa decisão. Este
valor é escolhido através da opção "Tempo Entre Segmentos" do menu superior direito da figura 4,
podendo variar entre blocos da mesma sessão de experiências.
34
Figura 4 - Exemplificação do modo de selecção de: (i) tempo máximo permitido para a resposta
aberta num dado bloco, (ii) tempo entre a apresentação de segmentos consecutivos da
mesma oração e num dado bloco, (iii) tempo em em que os segmentos permanecem no
monitor num dado bloco, (iv) número de ensaios por bloco, (v) tempo que medeia
entre o início de ensaios consecutivos em cada bloco, (vi) se há resposta aberta ou não
num dado bloco e (vii) número de repetições do mesmo ensaio em cada bloco.
Figura 5 - Esquematização dos acontecimentos que ocorrem durante um ensaio genérico.
35
(vi) - Permite-se ainda optar entre uma sessão, ou apenas alguns blocos, em que o colaborador
tem que tomar uma decisão lexical acompanhada de uma resposta física/aberta (como por exemplo
levantar uma mão ou premir uma tecla) e uma sessão em que se exige do colaborador uma decisão
lexical sem uma resposta aberta. No segundo caso o colaborador só tem que ler e analisar o material
linguístico apresentado. Este parâmetro é introduzido através da opção "Há Resposta Aberta (s/n)"
do menu superior direito da figura 4.
(vii) - Intimamente relacionado com a opção anterior surge o tempo permitido para se dar a
resposta aberta sobre o material apresentado durante o ensaio em curso. Este tempo tem razão de
ser, dado que não se pode ficar indefinidamente à espera que o colaborador, por exemplo distraido,
se decida dar uma resposta. Tempos de resposta não controlados poderiam provocar complicações
no funcionamento normal dos ensaios, que por serem temporizados exigem controlo sobre todos os
tempos intermédios. Pode desprezar-se este parâmetro quando se optar por uma sessão de
experiências em que não se exige uma resposta aberta sobre o material linguístico apresentado
durante os ensaios, ou seja, quando se escolhe 'N' na opção anterior. Contrariamente, quando se
pretende definir este tempo escolhe-se a opção "Tempo Máximo para Responder" no menu superior
direito da figura 4.
(viii) - O início da aquisição de sinal durante cada ensaio é outro parâmetro que pode ser
especificado para cada sessão de experiências. Como o nome indica, define o instante, referenciado a
um ensaio, em que se começam a adquirir os potenciais do cérebro. Para se introduzir este valor
escolhe-se a opção "Inicio Aquis." do menu inferior da figura 3 e o seu formato deve ser do tipo
[nnn c ss], em que [nnn] é uma quantidade em centésimos de segundo, [c] deve ser a letra a para
significar antes ou d para depois e [ss] designa a ordem dum segmento entre os possíveis para a
sessão em causa. Resumindo, pode dizer-se que o início da aquisição será defiOanido como o
instante que ocorre [nnn] centésimos [a]ntes/[d]epois da apresentação do [ss]ésimo segmento de
texto.
Depois de apresentar a 2ª e a 3ª partes da configuração convém clarificar a escolha do tempo de
aquisição apresentado na 1ª parte. Após a escolha do início da aquisição, da sequência de
acontecimentos esquematizados na figura 5, com destaque para os tempos de duração de cada
36
evento, e definido as zonas de interesse de cada ensaio, já se pode ter uma ideia do valor a usar para
o tempo de aquisição de sinal. Assim, por exemplo, se se pretender estudar o efeito da apresentação
dos vários segmentos de texto no EEG do indivíduo, e tendo escolhido como material linguístico a
apresentar em cada ensaio uma oração constituida por N segmentos de texto, sendo o intervalo entre
a apresentação de dois segmentos sucessivos de T segundos, deverá optar-se por um início de
aquisição antes da apresentação do 1º segmento e um tempo de aquisição próximo de N*T
segundos.
Por razões de índole prática impuseram-se limitações a vários parâmetros aqui apresentados, com
destaque para o início de aquisição e a duração da aquisição de sinal. Uma síntese destas limitações é
apresentada em 3.2.6.
A configuração é implemenada nos ficheiros configd.c, config2d.c e config3.c.
3.2.2 - Definição da Base de Dados que se Utiliza na Sessão Experimental
Um requisito fundamental para a realização das experiências envolvendo processamento
semântico e/ou lexical , é a disponibilidade a quando dessas experiências de material linguístico sob a
forma de uma base de dados. Deste modo implementou-se um editor de base de dados de acordo
com o fim para que se destina, não sendo de modo nenhum um editor completo e tendo como
objectivo arquivar grupos de segmentos de texto. Exemplos de grupos são orações, pares de
palavras, etc.
O editor que se vai descrever permitirá editar um número desejado de blocos de texto (orações,
conjuntos de palavras, etc) divididos em partes de uma ou várias palavras/não-palavras e guardar
esta informação num ficheiro com formato simples.
Para se editar a base de dados é necessário terem-se configurado as experiências porque dois dos
parâmetros dessa configuração têm muito a ver e influenciam o que se vai editar. Estes parâmetros já
foram apresentados em 3.2.1 e são os seguintes:
(1) - o número de segmentos de texto por ensaio, ou por componente linguística a apresentar em
cada ensaio;
(2) - o tamanho máximo em caracteres permitido para cada segmento de texto a editar.
A base de dados que se edita vai portanto guardar informação para posterior utilização nas
experiências, sendo cada «unidade» desta informação constituida por dois campos:
(1) - o bloco de texto já referido acima e que será o material semântico a ser processado pelos
colaboradores em cada ensaio das experiências. Sendo cada bloco de texto, por exemplo uma
37
oração, dividido em partes denominadas aqui por segmentos de texto, por exemplo sujeito,
predicado e elemento complementar.
Figura 6 - Editor de base dados implementado tendo em vista arquivar a informação linguística que
vai ser apresentada nas experiências com ERPs.
(2) - Um campo que se pode chamar por tipo de bloco de texto a editar, ficando associado a um
dado bloco de texto editado, ou a editar, e que identificará este bloco de texto a quando da sua
utilização nas experiências ou no processamento dos dados adquiridos durante as experiências. No
fundo este campo servirá para identificar um bloco de texto como membro de uma dada classe de
informação semântica ou lexical, em que a identificação a posteriori é feita de modo automático e
não de uma forma manual, morosa e sujeita a erros na introdução deste campo.
Alguns exemplos da aplicabilidade do campo "tipo de bloco de texto", acima mencionado e que
no editor de base de dados implementado se designou por "Tipo da Frase", podem ser referidos:
38
(i) - distinguir pares de palavras que rimam de pares de palavras que não rimam;
(ii) - distinguir pares palavra/palavra de pares palavra/não-palavra;
(iii) - distinguir grupos de palavras em que todas pertencem à mesma classe semântica de grupos
de palavras em que nem todas pertencem à mesma classe semântica;
(iv) - distinguir orações de vários tipos, em que os tipos podem ser limitados a: (1) verdadeiro e
falso; (2) verdadeiro afirmativo, verdadeiro negativo, falso afirmativo e falso negativo; etc;
A base de dados é referenciada pelo nome e possui no seu início um parâmetro que indica a sua
dimensão em número de «unidades» constituintes. A dimensão é importante para permitir a
utilização da base de dados com um acesso aleatório durante as experiências.
A figura 6 elucida como funciona o editor de base de dados realizado. A implementação deste
editor encontra-se nos ficheiros bdadosn.c e bdados2n.c.
3.2.3 - Calibração do "Hardware"
Uma característica intrínseca dos sistema físicos é a sua variabilidade ao longo do tempo.
Factores como a temperatura, húmidade e frequência de utilização, entre outros, influenciam o
comportamento destes sistemas. Como consequência disto é conveniente antes da sua utilização
averiguar do estado das caracteristicas associadas com o seu funcionamento. Este processo
denomina-se normalmente por calibração.
Neste ponto vai descrever-se como se processa a calibração da instrumentação utilizada nas
experiências com ERPs. Como já se disse os aparelhos usados resumem-se a uma máquina de EEG
ligada em cascata com a placa de aquisição e os eléctrodos que se colocam na cabeça dos
colaboradores. Os eléctrodos não foram mencionados na apresentação do "hardware" utilizado dada
a sua simplicidade, mas no que diz respeito à calibração torna-se importante referi-los.
Com o processo de calibração o que se pretende é verificar quais as condições em que o sistema
está a funcionar e se estas são aceitáveis para os fins pretendidos. Concretamente o que se quer
avaliar é:
(i) - a existência de bons contactos entre os eléctrodos e o escalpe.
(ii) - que o funcionamento da máquina de EEG, principalmente dos amplificadores de
instrumentação, se processa de modo conveniente, ou seja, que está a amplificar os sinais de entrada
devidamente. Portanto, a medição do ganho dos amplificadores será o objectivo a atingir.
(iii) - que o funcionamento da placa de aquisição também é o adequado, ou seja, que o ganho
adicional e os os outros parâmetros programados estão correctos.
39
Para permitir a calibração referida a máquina de EEG fornece um sinal fixo para cada canal. O
facto de este sinal ser fixo, funcionando como a entrada do sistema, permite avaliar o estado do
sistema. O sinal de calibração é periódico com frequência de 15Hz, possui uma amplitude
equivalente a ±50uV na cabeça do colaborador e a sua forma é seleccionada de entre duas possíveis:
sinusoidal e onda quadrada filtrada.
A forma normal de calibração consistirá em utilizar o sinal fornecido pela máquina de EEG no
momento da calibração, mas como em certos casos pode ser impossível ter esse sinal ou ser
conveniente utilizar um sinal de calibração usado anteriormente, permite-se calibrar o sistema com
sinal previamente adquirido. Resultam assim duas formas de calibração:
(i) - calibração com sinal a adquirir no momento;
(ii) - calibração com sinal já adquirido.
A única diferença reside no facto de no 2º caso se utilizar sinal contido num ficheiro e não a
adquirir, funcionando como uma pseudo-calibração.
Quando se opta por uma calibração normal, adquirindo o sinal no momento da calibração, há que
especificar um conjunto de parâmetros. Esta especificação pode designar-se por configuração da
calibração. Também aqui se permite optar entre uma configuração já editada ou defini-la na altura.
A edição da configuração da calibração é feita do mesmo modo que a configuração das
experiências referida em 3.2.1, mas muitos dos parâmetros ai referidos não têm interesse para aqui.
Pode sintetizar-se o que interessa configurar para se processar a calibração:
(1) - escolher a frequência de amostragem;
(2) - definir o tempo de duração da aquisição de sinal;
(3) - seleccionar os canais a calibrar e os ganhos adicionais a aplicar pela placa de aquisição
nesses canais.
Para obter uma calibração completa e na qual se pode confiar, estabeleceram-se várias metas a
atingir, obtendo deste modo resultados que se complementam e tornam a calibração mais «rica». Os
resultados práticos que se vão obter com a calibração, e para cada um dos canais especificados, são
os seguintes:
(i) - um esboço da forma do sinal de calibração;
(ii) - o nível DC desse sinal;
(iii) - os valores máximo e mínimo do sinal;
(iv) - a frequência do sinal, se for periódico;
(v) - o erro associado com o cálculo da frequência do sinal;
(vi) - a situaçãoo do canal, ligado ou desligado, dados os resultados obtidos.
40
A figura 7 exemplifica como são apresentados pelo programa implementado os resultados obtidos
com a calibração e a descrição da metodologia empregue na calibração encontra-se no Apêndice 2.
Para que os resultados da calibração tenham aplicabilidade, há que guardá-los de modo a serem
associados com o sinal a ser adquirido durante as sessões que se seguem. Deste modo guardam-se
numa variável global, uma estrutura do tipo calibrar, os parâmetros:
Figura 7 - Visualização dos resultados da calibração dosistema.
(i) - máxino de calibração para cada canal;
(ii) - mínimo de calibração para cada canal;
(iii) - estado de cada canal.
41
Com estes parâmetros as amostras de um dado canal serão convertidas nos valores reais em Volt
dos potenciais adquiridos na localização onde se situa esse canal/eléctrodo, independentemente das
«flutuações» do "hardware".
3.2.4 - Identificação dos Colaboradores e
Experiências
das
Condições
das
Sessões
de
Os sinais eléctricos guardados durante as experiências com ERPs não teriam qualquer utilidade se
não fosse possível saber posteriormente a correspondência entre estes e as condições em que foram
adquiridos. Quanto mais se souber sobre os sinais adquiridos, mais conclusões se poderão tirar a
posteriori sobre eles. Deste modo, a identificação dos colaboradores e das condições de realização
de cada ensaio das experiências é imprescindível neste contexto.
Além dos mecanismos de identificação que vão ser aqui apresentados, outros serão utilizados nos
ficheiros em que se guardam os potenciais eléctricos. Estes consistirão num cabeçalho com
informação sobre os sinais contidos nesse ficheiro, especificamente o número de canais, os ganhos
aplicados nos canais, o número de segmentos de sinal existentes, etc, e uma marca temporal antes de
cada segmento de sinal, indicando o instante em que se iniciou a aquisição desse segmento. No
ponto 3.2.5 apresentam-se mais detalhadamente o formato dos ficheiros de sinal, nomeadamente o
cabeçalho standard aqui referido.
A identificação consistirá de duas componentes distintas, que guardam informação sobre:
(i) - a sessão de experiências em geral;
(ii) - cada ensaio da sessão de experiências.
Cada uma destas componentes contém vários campos e ambas as componentes serão arquivadas
num ficheiro que se designará de identificação.
A primeira componente, que contém dados pessoais sobre o colaborador que participou na
experiência e informação temporal sobre a experiência, é constituida pelos seguintes campos:
(1) - Nome do colaborador que participou na experiência que se pretende identificar.
(2) - Idade do colaborador.
(3) - Sexo do colaborador.
42
(4) - Data em que se realizou a experiência em causa, sendo defenida pelo ano, o mês e o dia.
Estes valores são inicializados por defeito com a data lida do sistema/DOS do computador, mas
podem ser alterados.
(5) - Informação temporal sobre o instante em que se inicia a sessão de experiências, consistindo
na hora e nos minutos. Esta informação é inicializada a partir do relógio do sistema do computador e
também pode ser alterada.
(6) - Nome do ficheiro de configuração utilizado na realização da sessão de experiências a que o
ficheiro de identificação se refere. Este nome é importante, pois só assim se saberá qual foi a
estrutura das experiências que se pretendem identificar com esta informação.
(7) - Nome do ficheiro onde se guarda o sinal de EEG adquirido durante os vários ensaios e a que
o ficheiro de identificação corresponde. Devido a esta correspondência e para facilitar o
reconhecimento dos ficheiros de identificação associados com os de sinal, impôs-se que o nome dos
primeiros será o mesmo dos segundos, passando a extensão a ser "idt".
Estes 7 campos da primeira componente da identificação serão guardados no início do ficheiro de
identificação segundo a forma de uma estrutura do tipo identifica, definida no ficheiro inic.h.
A segunda componente da identificação contém informação sobre cada ensaio da sessão de
experiências, tem a forma de uma estrutura do tipo resp_tentativa (definida em inic.h), é guardada
no ficheiro de identificação a quando do decorrer de cada ensaio e consiste dos seguintes campos:
(1) - O material linguístico apresentado no ensaio associado. No caso presente este material será
uma oração.
(2) - A ordem a que correspondia o material linguístico, referido em (1) , na base de dados de
onde foi retirado.
(3) - A resposta aberta dada pelo colaborador no ensaio em causa, quando for o caso de a sessão
de experiências o exigir e a resposta ser feita através de algo ligado ao computador, por exemplo o
teclado ou outro dispositivo periférico.
(4) - O instante em que o colaborador executou a resposta aberta, nas mesmas condições do
campo 3. Esta informação temporal terá a forma [ss:cc], em que [ss] representa segundos e [cc]
centésimos de segundo, e representa o atraso da resposta dada relativamente ao estímulo que
influencia essa resposta. No caso presente este estímulo é a apresentação do terceiro segmento de
cada oração.
(5) - O atributo do material linguístico apresentado no ensaio em causa. Este atributo não é mais
do que o campo referido em 3.2.2 como "tipo do bloco de texto" ou o campo "Tipo da Frase" que
se introduziu quando se editou a oração que lhe está associada e que foi apresentada neste ensaio.
43
Portanto, este campo será lido directamente da base de dados a quando da selecção da oração a
apresentar no ensaio.
A figura 8 exemplifica como se processa a selecção da informação respeitante à primeira
componente da identificação, sendo a implementação feita no ficheiro identifi.c. A segunda
componente será manipulada a quando da execução das experiências, sendo implementada pelos
ficheiros que controlam essa execução e que serão descritos em 3.2.5.
Figura 8 - Selecção dos campos respeitantes à identificação a posteriori de uma sessão de
experiências com ERPs.
3.2.5 - Controlo da Realização das Experiências
Neste tópico vão tratar-se os seguintes aspectos: o desenvolvimento das sessões em termos da
sua estrutura, a programação da placa de aquisição no modo desejado, a descrição dos ficheiros de
sinal e outros pormenores relacionados com as experiências.
44
O decorrer das experiências é feito de acordo com os parâmetros pré-seleccionados na
configuração, o material linguístico a apresentar será extraido da base de dados escolhida ou editada
e o ficheiro onde se vão guardar os potenciais adquiridos terá o nome escolhido na edição da
identificação. O nome do ficheiro onde se vão guardar os dados sobre o decorrer da sessão será,
como já se disse em 3.2.4, igual ao do ficheiro de sinal a menos da extensão.
Pode dizer-se, de um modo resumido, que uma sessão de experiências envolverá os seguintes
aspectos:
(i) - utilização da configuração, base de dados e identificação pré-seleccionadas e da calibração
efectuada;
(ii) - deve obedecer-se à estrutura programada para as sessões (tempos, número de ensaios,
material linguístico a apresentar, etc);
(iii) - cada ensaio deve processar-se também de acordo com o programado (tempos, número de
partes em que se divide o material a apresentar, etc);
(iv) - para cada ensaio deve programar-se a placa de aquisição, guardar-se os potenciais
adquiridos num ficheiro e guardar-se os dados da identificação do material linguístico e da resposta
aberta também num ficheiro.
Para se descrever o "software" de controlo das sessões de experiências, apresenta-se no ponto 4
do Apêndice 3 o fluxograma da rotina que implementa esse controlo (ExecutarExperiências( ) ) e
que é executada quando se escolhe a opção "Executar" no menu principal do programa.
Seguindo a sequência do fluxograma vão apresentar-se agora, em maior detalhe, alguns dos
pormenores deste.
(a) - Começa-se por referir que "o número de segmentos de EEG a adquirir" é o total de ensaios
a realizar no lote de sessões. Por "segmento de EEG" passa a designar-se o sinal adquirido durante
um ensaio do lote de sessões.
(b) - Os ficheiros onde se guardam os potenciais recolhidos ao longo dum lote de sessões de
experiências seguem um formato standard do DETUA (Departamento de Electrónica e
Telecomunicações da Universidade de Aveiro), percebendo-se facilmente as vantagens que esta
uniformização trás para a utilização destes ficheiros por diferentes utilizadores e/ou programas de
processamento de dados.
45
O formato dos ficheiros consiste num cabeçalho e num conjunto de segmentos de sinal. O
cabeçalho contém informação que pode ser vital para a identificação dos sinais que se lhe seguem e
define ainda a forma como esses sinais estão guardados ao longo do ficheiro. Os vários campos que
se incluem no cabeçalho standard são apresentados de uma forma detalhada no Apêndice 4.
Depois do cabeçalho vêm os vários segmentos de dados programados precedidos da estampa
temporal e seguidos de um separador de segmentos.
A rotina que coloca o cabeçalho standard num ficheiro de dados encontra-se no ficheiro headmed.c.
(c) - A estampa temporal que se coloca no início da cada segmento de EEG, corresponde ao
tempo do sistema/MS_DOS no instante em que aproximadamente se inicia a aquisição de sinal no
ensaio da sessão de experiências em causa.
(d) - A estrutura resp onde se guardam a oração que se apresenta em cada ensaio, a sua posição
na base de dados e o tipo dessa oração, é uma estrutura do tipo resp_tentativa que, como já foi
referido em 3.2.4, guarda informação sobre este ensaio e que após a sua realização será guardada no
ficheiro de identificação.
(e) - A programação da placa de aquisição rege-se pelo que foi exposto em 3.1 e em particular
pelas opções ai referidas como sendo as que se tomaram no que diz respeito à utilizada desta. Esta
programação é descrita no fluxograma que se apresenta no ponto 5 do Apêndice 3 e que
corresponde à implementação da rotina ProgramarAquisiçãoComDualDma( ), que se encontra no
ficheiro adqddma1.c.
Apresenta-se agora uma explicação para alguns dos aspectos deste fluxograma:
(1) - O cálculo do endereço real dos "buffers" onde se vão colocar os dados convertidos pela
placa, tem a ver com o modo como a placa acede a esses "buffers" dados os endereços colocados
nos registos dos controladores de DMA do computador. Os registos que interessam para endereçar
os "buffers" são o DMA Base Address Register e o DMA Memory Page Register.
(2) - Por página de memória, no que diz respeito à placa de aquisição, entende-se um segmento
contiguo de 128Kbytes de memória RAM.
(3) - O endereço de base correspondente ao início de um "buffer" é o "offset" desse início dentro
da página de memória correspondente a esse endereço.
46
(4) - Os endereços correspondentes a todas as posições de um "buffer" a endereçar pela placa,
numa transferência de DMA, devem estar contidos dentro da mesma página de memória da placa.
Este facto deve-se ao funcionamento interno da placa.
(5) - Os dois canais de DMA a utilizar no modo de funcionamento pretendido, que é A/D Clocked
Dual DMA são como já se disse o 5 (A) e o 6 (B). A programação destes registos para o canal A e
B é feita no ficheiro adqddma1.c, respectivamente. Refiram-se algumas das palavras de programação
a colocar nos registos do controlador de DMA, bem como a acção por elas implementada:
DMA Mode Register → 45Hex (Escrita em RAM, selecciona o canal 5, modo No AutoInitialize)
DMA Mode Register → 46Hex (Escrita em RAM, selecciona o canal 6, modo No AutoInitialize)
DMA Mask Register → 1Hex (Habilita o canal 5)
DMA Mask Register → 2Hex (Habilita o canal 6).
Os outros registos do controlador de DMA serão programados com os valores obtidos para as
páginas de memória, os endereços de base e os 2 bytes correspondentes aos números de amostras a
adquirir.
(6) - No que diz respeito à programação dos registos do sistema A/D da placa de aquisição
podem referir-se alguns aspectos:
(i) - A frequência de aquisição é definida programando o registo TMRCTR da placa com a
palavra adequada. Para se obter a frequência desejada a partir dos 4MHz do relógio da placa,
manipulam-se dois campos da palavra de programação, o prescaler e o counter [23] (páginas 5_22 a
5_24), de modo a dividir a frequência do relógio. O algoritmo de cálculo da palavra de programação
do registo TMRCTR é apresentado no ponto 6 do Apêndice 3. Esta rotina, prog_frequencia( ), é
implementada no ficheiro prg-frq1.c.
(ii) - Coloca-se o bit DMAD do registo SUPCSR a zero para se inicializar o bit que sinaliza que
se terminou uma transferência de DMA.
(iii) - A programação dos ganhos dos vários canais é feita escrevendo vezes sucessivas no registo
ADCSR.
(f) - Como o atendimento das transferências de DMA é feito por "polling", a detecção do
preenchimento de um "buffer" é feita através da detecção da alteração de um valor, impossível de
aparecer nas amostras, colocado na última posição do "buffer". No caso presente escolheu-se o valor
+7000 uma vez que as amostras só vão de -2048 a +2047.
47
(g) - O aparecimento de um asteristico no monitor, durante as sessões de experiências, significa
que se vai iniciar um ensaio.
(h) - A gestão de todos os processos associados com a realização de um ensaio é feita pela rotina
ServirAquisicaoComPolling( ) implementada no ficheiro drvadq1.c.
Descrevem-se aqui algumas notas sobre a rotina ServirAquisicaoComPolling( ):
(1) - A temporização dos acontecimentos essenciais que ocorrem ao longo de um ensaio é feita
recorrendo ao relógio do sistema/MS_DOS. Este relógio tem uma frequência de actualização por
defeito de 18.2 ciclos por segundo, surgindo daqui o factor 0.182 utilizado no cálculo, dos tempos
em segundos, realizado por esta rotina.
(2) - Como todos os acontecimentos importantes ao longo de um ensaio são temporizados,
podem determinar-se a priori todos os instantes em que vão ocorrer os vários acontecimentos
posteriores a partir do instante inicial. São estes tempos de ocorrência dos acontecimentos que se
guardam na variável TempoDoAcontecimento[ ]. Estes tempos são determinantes no desencadear
das acções que acontecem após o relógio do sistema atingir esses valores.
A variável OrdemDoAcontecimento define a ordem da acção que se deve realizar a seguir, sendo
o instante em que isso ocorre dado por TempoDoAcontecimento[OrdemDoAcontecimento].
Quando o valor de OrdemDoAcontecimento é um número par a acção a desencadear resume-se à
apresentação de material linguístico no monitor e quando for impar a acção consistirá em apagar o
texto presente no monitor.
(3) - O tempo de resposta, quando for caso disso, não é mais do que o intervalo que vai desde a
apresentação do último segmento de texto no monitor, em que este funciona como estímulo
principal, até à ocorrencia da resposta aberta. O tempo de resposta e a resposta aberta são
guardados na estrutura resp do tipo resp_tentativa já referido atrás, sendo o tempo guardado sob a
forma [segundos:centésimos].
A aceitação de uma resposta aberta é limitada pelo valor do intervalo máximo para resposta
imposto pelo parâmetro de configuração "tempo permitido para se dar resposta aberta" definido em
3.2.1.
48
(4) - Enquanto a DMA transfere dados para o "buffer" A (B), despeja-se para o disco rígido o
conteúdo do "buffer" B (A) e quando se terminar esta transferência passa a testar-se o
preenchimento do "buffer" A (B).
(5) - Enquanto o número de "buffers" lidos, ou seja, o número de transferências de DMA
executadas for menor que o número a executar menos uma, tem que se reprogramar o controlador
de DMA para se continuar a aquisição e a consequente transferência de dados para a memória RAM.
Esta reprogramação é levada a cabo pela rotina ReprogramarDualDma( ) cujo fluxograma se
apresenta no ponto 7 do Apêndice 3. A sua implementação encontra-se no ficheiro adqddma1.c.
Sobre este fluxograma pode dizer-se que colocar o bit DMADONE a zero significa fazer o
"reset" do bit que indica que se terminou uma transferência de DMA e assim permitir uma nova
transferência de dados para RAM. Ainda, a programação do controlador de DMA para o canal A,
ou B, é igual à que se faz na rotina ProgramarAquisicaoComDualDma( ), já mencionada.
3.2.6 - Alguns Pormenores e as Principais Limitações do "Software" Implementado
Vão referir-se alguns pormenores, que por não se encaixarem bem em contextos anteriores
embora tendo a ver com assuntos já tratados, se deixaram para um tópico à parte. Outros aspecto a
apresentar neste ponto será a enumeração das limitações já catalogadas do sistema de aquisição e do
programa de controlo das experiências.
Começa-se por referir, embora isto já tenha sido dito implicitamente, que a rotina de configuração
além de permitir a selecção dos parâmetros para a realização de um lote de sessões de experiências
com ERPs, também possibilita a escolha dos parâmetros para a calibração do sistema de aquisição.
Neste segundo caso a selecção dos parâmetros resume-se ao menu principal apresentado na figura 2,
surgindo aqui uma opção não acessível na configuração dum lote de sessões de experiências, e que é
o Tempo de Aquisição. Por outro lado, algumas das opções deste menu deixam de ser acessíveis
neste segundo caso.
Os parâmetros de configuração da calibração ou do lote de sessões podem ser arquivados num
ficheiro, designado de configuração. Estes ficheiros resumem-se a uma estrutura do tipo config
definida no ficheiro inic.h. A distinção entre os ficheiros de configuração dos dois tipos é automática,
dado que cada um um dos tipos tem uma protecção diferente activa, que é testada quando se tenta
utilizá-los para leitura.
49
Referiu-se que ao iniciar cada ensaio se apresenta um asteristico. Resta acrescentar que o tempo
em que esse asteristico está activo e o tempo que vai desde o seu desaparecer até à apresentação do
1º segmento de material linguístico, são constantes e ambos com valor de 300 ms.
Relativamente ao tempo de aquisição, tendo em consideração apenas o caso de a aquisição se
iniciar antes da apresentação do 1º segmento de material linguístico e de terminar depois da
apresentação do último, pode afirmar-se que é preciso ter cuidado com a temporização dos
acontecimentos ao longo de um ensaio, porque estes tempos podem não ser compatíveis com o
tempo de aquisição. Um dos problemas é por exemplo o programa estar em loop à espera par se
apagar o texto presente no monitor e ao mesmo tempo ser necessário transferir para disco rígido um
"buffer" de dados. Embora não exista nenhuma regra definida para a escolha dos tempos, pode
verificar-se a sua incompatibiladade através duma sessão de teste em que se houver problemas o
sistema fica bloqueado ou então a apresentação do material linguístico fica sucessivamente mais
descoordenada temporalmente.
Como os acontecimentos que ocorrem durante um ensaio são temporizados recorrendo ao
relógio do sistema, a precisão desta temporização será baixa devido à baixa frequência de
actualização deste relógio, que é 18.2 tics por segundo. Aumentar a frequência do relógio não
interessa muito, porque neste caso o computador teria de executar mais vezes por segundo a rotina
de actualização do tempo do sistema, perdendo assim tempo útil. Deste modo, melhorava-se um
aspecto, a precisão do relógio, mas piorava-se outro aspecto, o tempo disponível para as diferentes
tarefas paralelas.
O parâmetro de configuração definido em 3.2.1 com o nome "início da aquisição", embora seja
configurável, não é utilizado posteriormente. A razão principal foi a dificuldade adicionada à
implementação do controlo dos ensaios pelo facto desse parâmetro ser variável. Por esta razão
utilizou-se como valor fixo para este parâmetro [20 A 1], ou seja, a aquisição começa 20 centésimos
de segundo antes da apresentação do 1º segmento de material linguístico.
Tal como o parâmetro anterior, também o parâmetro de configuração denominado em 3.2.1 por
"sessão de treino" não é utilizado. Isto deve-se ao facto de a sessão de treino poder ser simulada por
uma sessão normal com um número de ensaios reduzido. A razão para se manterem estes parâmetros
não utilizados, resume-se a que em trabalhos posteriores eles poderão ser usados, e como a
componente de configuração do "software" aqui apresentado está preparada para esse caso, será
mais fácil passar para essas situações futuras.
A frequência de aquisição a utilizar é limitada inferiormente e superiormente pelo "hardware" da
placa de aquisição a 0.48Hz e 128KHz, respectivamente. Mas, mais importante do que esta
50
limitação, no trabalho presente, é a limitação superior imposta pela rapidez com que "software"
desenhado se despacha das amostras colocadas em RAM e das várias acções que tem que realizar ao
longo de cada ensaio. Este limite não foi totalmente explorado, mas não irá além de alguns Khz.
Outras limitações em parâmetros de configuração, originadas por razões que têm a ver com a
implementação dos programas, são apresentadas em baixo:
(1) - o número máximo de sessões a realizar num de sessões de experiências é 5;
(2) - o número máximo de blocos por sessão é 20;
(3) - o número de segmentos de material linguístico a apresentar por ensaio é 10;
(4) - o número máximo de ensaios a realizar num lote de sessões é limitado a 999 pelo programa,
mas é limitado por outro lado pelo espaço para armazenamento diponível em disco rígido e pela
quantidade de amostras adquiridas em cada ensaio;
(5) - o tamanho máximo em caracteres permitido para um segmento de material linguístico é
limitado a 40;
(6) - o tamanho das orações/material linguístico a apresentar em cada ensaio, especialmente no
modo em que se mantêm sucessivamente os segmentos de texto já apresentados, deve ser controlado
para evitar que os caracteres saiam da barra disponível para a sua apresentação. Utilizar uma barra
ou caracteres com tamanho variável, para evitar esta limitação, traria efeitos negativos sobre a
concentração do colaborador ao longo dos vários ensaios.
(7) - o nome do colaborador, a utilizar na identificação, é limitado a 46 caracteres;
(8) - o número de vezes que se repete a apresentação do mesmo material linguístico, em ensaios
sucessivos da mesma sessão de experiências, é limitado a 5;
(9) - o número máximo de canais a utilizar é 16;
(10) - o nome dos canais deve ter no máximo 9 caracteres e sem espaços em branco.
CAPÍTULO 4 - Realização das Experiências Com ERPs
51
Capítulo 4 – Realização de Experiências com ERPS
Neste capítulo vão descrever-se as duas experiências implementadas. Esta apresentação será
dividida em quatro partes : (1) a filosofia que serviu de base às experiências, (2) o material utilizado
nas experiências, (3) o procedimento e (4) como foi feita a recolha dos potenciais eléctricos do
cérebro. Os resultados obtidos com estas experiências serão descritos no capítulo 5.
4.1 - Filosofia Subjacente às Experiências
Os ERPs serão usados como uma medida do grau de processamento feito pelo colaborador a
quando da apresentação do material linguístico durante a tarefa de verificação de orações.
Espera-se que as orações falsas produzam uma componente mais negativa perto de 400ms após a
apresentação do último segmento de material linguístico. Este segmento funciona como estímulo
[10].
A maior parte da aptidão para compreender uma língua, sob a forma escrita ou oral, é automática
[5]. Em muitos casos utilizou-se a latência da resposta para aceder aos aspectos automáticos da
linguagem, no entanto a amplitude e/ou a latência das componentes posteriores dos ERPs são
melhores indicadores da análise dos estímulos do que a latência da resposta [10].
Ao utilizarem-se orações como material a analisar durante a tarefa semântica a realizar, pretende
«medir-se» o efeito do contexto da oração na realização da tarefa pedida. O contexto de oração, que
funcionará como estímulo preparador influencia, facilitando, o reconhecimento do segmento final
desde que o contexto esteja relacionado semanticamente com este segmento. Espera-se que o efeito
do contexto funcionando como estímulo preparador se verifique nas experiências que se vão
descrever, quer se exiga quer não uma resposta aberta sobre a oração apresentada. Este efeito é
aguardado sob a forma de uma análise mais lenta de orações falsas do que as verdadeiras, no caso de
o sujeito e o elemento complementar estarem semanticamente relacionados.
O efeito do contexto é observado de uma forma mais adequada utilizando tarefas envolvendo
decisões lexicais do que tarefas com pronunciação [5].
Embora existam diferenças entre a tarefa a realizar pelos colaboradores e o processo de leitura, as
conclusões que se tirarem destas experiências ajudarão a compreender e a explicar alguns aspectos
52
do fenómeno de ler. Por exemplo, ambas as tarefas partilham os processos de acesso ao léxico
interno e da influência do contexto nesse acesso. Por outro lado, em ambos os casos cada
componente de texto deve ser reconhecida como uma unidade do léxico antes de ser processada
linguisticamente, e em que este reconhecimento envolve compreensão da informação semântica
associada com essa componente lexical.
Registe-se que um contexto de oração é processado de forma diferente de uma palavra isolada,
uma vez que o contexto pode incluir várias palavras associadas da(s) palavra(s) que se lhe
seguirá(ão). Embora o efeito preparador possa ser obtido com uma única palavra, usou-se nas
experiências realizadas um contexto de oração para obter o efeito preparador, tendo este que ser
mostrado durante bastante mais tempo que uma palavra isolada, para se obter a influência desejada
sobre o reconhecimento da(s) palavra(s) que se segue(m) ao estímulo preparador.
Como já foi mencionado, espera-se que o contexto de oração a apresentar afecte, melhorando ou
piorando, a latência das decisões lexicais que os colaboradores têm que tomar. Mais, espera-se que a
amplitude da componente N400 seja influenciada pelo grau em que o último segmento de texto, o
que provoca a decisão lexical, não tenha sido activado pelo contexto anterior. Deste modo esta
componente dará informação sobre a forma como a informação semântica está representada em
memória e é acedida.
Espera-se ainda que, orações contendo informação bastante familiar aos colaboradores produzam
maiores diferenças nos ERPs posteriores entre orações verdadeiras e falsas, do que orações
contendo informação pouco familiar [17]. Informação muito familiar pode originar, por exemplo,
uma componente tipo N400 com latência menor do que informação pouco familiar. Por outro lado, a
apresentação de uma oração que falsifica um facto bastante familiar ao colaborador produz uma
negatividade posterior maior. Estes factos implicaram a utilização, nas experiências presentes, de
orações com informação tão universal quanto possível.
53
4.2 - Descrição da Experiência 1
4.2.1 - Objectivos da Experiência 1
O principal objectivo da experiência 1 é provar se a negatividade reforçada para as orações falsas,
durante uma tarefa de verificação de orações e em que todas as orações são afirmativas, existe numa
tarefa em que não se exige uma resposta aberta sobre as orações apresentadas. Se este facto se
verificar prova-se que a compreensão de palavras enquadradas num contexto de oração é automática
perante a sua apresentação.
O segundo objectivo desta experiência consiste na observação do efeito que o facto de se
apresentarem as orações de forma diferente trás à sua compreensão. Este efeito será verificado
através da análise das amplitudes e da latência das componentes posteriores dos potenciais (ERPs).
As duas formas de apresentação das orações resumem-se a optar por manter ou não, no monitor, os
segmentos da oração já apresentados.
Outro objectivo consta da observação da forma da distribuição no escalpe das respostas corticais
como consequência do processamento semântico do material linguístico apresentado durante os
ensaios das experiências.
4.2.2 - Material Utilizado na Experiência 1
4.2.2.1 - Orações
Como já foi mencionado várias vezes, o material linguístico a utilizar em cada ensaio da presente
experiência é uma oração simples constituida por 3 segmentos, denominados gramaticalmente por
sujeito, predicado e elemento complementar. Para se obterem estas orações obedeceu-se a alguns
principios, entre os quais se podem citar:
(i) - a informação contida nas orações deve ser bastante universal e envolver conhecimento
semântico;
(ii)
(ii) - as orações devem usar informação semântica guardada na MLD, pois para classificar
ERPs resultado de um processamento semântico, convém utilizar-se uma tarefa que use
análise semântica, ou seja, que recorra à MLD;
54
COMPUTADOR PESSOAL
MONITOR
PLACA DE AQUISIÇÃO DT2821
TECLADO
Ampl.Instrum.
...
ELÉCTRODOS
NO ESCALPE
MÁQUINA
DE EEG
Figura 9 - Esquema simplificado do "setup" instrumental utilizado nas experiências 1 e 2.
(iii) - durante a apresentação das orações os colaboradores antevêm com maior ou menor rapidez
as palavras que falta apresentar, de acordo com a maior ou menor frequência de ocorrência dessas
palavras na língua em causa. Portanto, convém utilizar nas orações, em especial no elemento
complementar, palavras com probabilidade de ocorrência no discurso oral e escrito português
semelhantes, para obter componentes posteriores e resposta com latências que não são influenciadas
pelo factor frequência das palavras apresentadas [1].
(iv) - as orações têm que ser sintacticamente correctas.
As 40 orações utilizadas nesta experiência são apresentadas no Apêndice 5.1. De referir que 50%
do total são orações verdadeiras (primeiras 20 do Apêndice 5.1) e as outras 50% são falsas (2ª
metade do Apêndice 5.1). As orações falsas foram obtidas das orações verdadeiras alterando apenas
o elemento complementar e mantendo-as sintacticamente correctas. Para obter os novos elementos
complementares não se seguiu uma regra totalmente fixa. Pode dizer-se que se utilizaram como
55
novos complementos alguns antónimos dos que tornavam as orações verdadeiras, complementos de
outras orações utilizadas ou palavras que por razões lógicas estão relacionadas com as antecessoras.
4.2.2.2 - Colaboradores
Utilizaram-se 2 colaboradores e em várias sessões de experiência cada um deles. A razão para o
reduzido número de colaboradores, quando seria de desejar ter testado as experiências com um lote
razoável de indivíduos, prendeu-se com questões de ordem técnica relacionadas com a forma da
aquisição de sinal. Para atenuar os inconvenientes provenientes deste facto fizeram-se várias
aquisições com cada um dos colaboradores.
O escalão etário dos colaboradores situa-se nos 25 a 30 anos.
Pretendeu-se que fossem utilizados colaboradores com um vível cultural médio ou superior, para
garantir que possuissem um razoável conhecimento do léxico empregue nas orações apresentadas
durante as sessões de experiências e deste modo podessem decidir rápida e inequivocamente sobre o
valor lógico de cada oração.
4.2.2.3 - "Setup" Instrumental
A instrumentação usada na experiência 1 resume-se ao que foi apresentado no tópico 3.1 e o
"software" de controlo da experiência foi descrito em 3.2. Na figura 9 faz-se um esquema simples do
"setup" instrumental utilizado nesta experiência.
4.2.3 - Procedimento Empregue na Experiência 1
A experiência 1 consiste de duas sessões diferentes, de acordo com a forma de apresentação das
orações aos colaboradores. Numa das sessões vão se mantendo no monitor os segmentos já
apresentados de cada oração, durante a globalidade da apresentação dessa oração (Experiência
1A). Contrariamente, na outra sessão não se mantêm visíveis os segmentos de cada oração, durante
a apresentação dos segmentos seguintes dessa oração (Experiência 1B).
Em cada ensaio das experiências a oração a apresentar ao colaborador aparece no monitor do
computador e é seleccionada de forma aleatória de entre as orações ainda não apresentadas nessa
sessão da experiência em curso.
56
Cada oração é apresentada por partes/segmentos, em letras a preto sobre uma barra a branco em
fundo preto. A barra a branco encontra-se no centro do monitor e tem um tamanho de
aproximadamente 10cm de largura por 1cm de altura, ou seja, descreve um ângulo horizontal de ≈
9.5° e vertical de ≈ 0.9°. As orações são apresentadas em letra minúscula, exepto a 1ª letra da oração
ou de nomes que o exijam. A altura das letras é sensivelmente metada da altura da barra em que são
apresentadas, ou seja, 5mm ou 0.45°.
O tempo que medeia entre a apresentação de segmentos consecutivos é de 1s. Na experiência 1B
a duração da presença de cada segmento no monitor é de 400ms.
Cada ensaio da sessão de experiências inicia-se com a apresentação de um asteristico ('*') no
monitor.
Os colaboradores realizam as sessões das experiências sentados frontalmente a uma distância de
aproximadamente 60cm do monitor.
Nesta experiência (1A e 1B) não há repetição da apresentação das orações que vão sendo
apresentadas.
Cada lote de sessões de experiência a realizar agrupadas consiste de uma sessão e também de um
só bloco por sessão com 30 ensaios. O tempo entre o início de ensaios consecutivos é de 6s.
Os colaboradores não têm que executar uma resposta física correspondente à análise do material
linguístico apresentado em cada ensaio.
Antes de cada sessão explica-se ao colaborador no que consiste a tarefa a realizar. Pede-se-lhe
que se mantenha concentrado na apresentação das orações, sem «enveredar» por uma situação de
nervosismo. Reforça-se a ideia de que deve evitar movimentos bruscos do corpo, e em especial dos
olhos, durante o intervalo de aquisição dos potenciais em cada ensaio. Faculta-se, se necessário, uma
sessão de treino para ambientação à tarefa a realizar.
4.2.4 - Recolha do Sinal na Experiência 1
A recolha dos potenciais evocados no escalpe é feita através de eléctrodos bipolares, tipo "cup",
de prata e referenciados aos músculos mastoides ligados. As posições de recolha foram
seleccionadas de entre as que se situam nas zonas que se espera maior actividade em consequência
do tipo de tarefa a executar, ou seja, a zona que separa os dois hemisférios (frontal, central e
parietal), a zona parietal e em menor grau a occipital. Concretamente, as localizações usadas foram
Fz, Cz, Pz, P4, P3, O2 e O1. Todas estas localizações foram referenciadas à orelha direita (A2).
57
Juntamente com os canais de EEG, foi adquirido um canal de EOG para detectar movimentos
bruscos dos olhos, por parte do colaborador. Este EOG é recolhido entre a zona supraorbital e o
canto exterior do olho direito.
Antes de cada lote de sessões processa-se uma calibração do sistema de aquisição. Este processo
foi descrito detalhadamente no ponto 3.2.3.
A frequência de amostragem utilizada na aquisição dos vários canais de EEG e de EOG foi de
400Hz.
A aquisição de sinal em cada ensaio inicia-se 200ms antes da apresentação do 1º segmento da
oração e dura 3s, ou seja, termina 800ms após a apresentação do último (3º) segmento. Com este
tempo de aquisição pretende observar-se o que acontece nas respostas corticais durante a
apresentação dos vários segmentos das orações.
Para complementar a descrição da experiência 1 (1A e 1B) apresentam-se no Apêndice 5.1 os
parâmetros usados.
4.3 - Descrição da Experiência 2
4.3.1 - Objectivos da Experiência 2
Como a experiência 2 surge em complemento da experiência 1, a filosofia de base ao projecto
desta experiência tem muito em comum com a experiência 1. Por esta razão o que foi dito no ponto
4.1 é válido para a experiência que agora se vai apresentar.
O objectivo principal desta experiência é observar os efeitos sobre as respostas corticais, quando
se exige uma resposta física/aberta sobre o material linguístico apresentado em cada ensaio da
experiência. O efeito de maior importância será aquele que hipoteticamente afecta a diferença entre
os ERPs para orações verdadeiras e falsas, na zona próximo de 400ms após a apresentação do
último segmento das orações. Se esta diferença for superior à obtida na experiência 1, significa que a
obrigatoriedade de ter que se tomar uma decisão acerca do material apresentado, conduz a um
processamento semântico mais correcto ou eficaz desse material.
Outros efeitos resultantes do facto de se exigir uma resposta aberta serão procurados na latência e
nas amplitudes das componentes posteriores dos potenciais adquiridos (P300, N400, etc) e na
possibilidade de surgirem ou não novos componentes nos potenciais.
58
Esta experiência permitirá ainda averiguar a forma em como o valor lógico das orações (verdade
vs falso) afecta a decisão aberta sobre essas orações, ou seja, permite medir a percentagem de erros
associada com as respostas abertas dadas pelos colaboradores.
Tal como se disse em 4.2.1, também da experiência 2 se podem tirar conclusões sobre a forma da
distribuição, numa dada zona do escalpe, dos potenciais eléctricos gerados em associação com a
decisão semântica tomada.
4.3.2 - Material Utilizado na Experiência 2
4.3.2.1 - Orações
Uma percentagem elevada das orações usadas transita da experiência 1. Concretizando, pode
dizer-se que foram eliminadas 6 orações (3 verdadeiras e as 3 falsas correspondentes) julgadas
menos adequadas, de acordo com o que se apresentou no ponto 1 do tópico 4.2.2, e adicionaram-se
8 orações novas (4 verdadeiras e as 4 falsas correspondentes) obtidas segundo a filosofia empregue
na experiência 1 para obter as orações ai usadas.
A totalidade das orações utilizadas foi 42, sendo 21 (50%) verdadeiras e as restantes 21 (50%)
falsas. Estas orações são apresentadas no Apêndice 5.2.
4.3.2.2 - Colaboradores
Foram utilizados na experiência 2 colaboradores, participando cada um em várias sessões de
experiência.
O escalão etário dos colaboradores situa-se nos 25 a 30 anos e o nível cultural é médio ou
superior à média, pela razão apontada no ponto 2 do tópico 4.2.2.
4.3.2.3 - "Setup" Experimental
A instrumentação usada é precisamente a mesma que se utilizou na experiência 1 e o "setup"
experimental já foi apresentado na figura 9.
59
4.3.3 - Procedimento Empregue na Experiência 2
Esta experiência foi dividida em duas sessões distintas, uma em que se exige uma resposta aberta
sobre as orações que se apresentam (Experiência 2B) e outra em que não se exige resposta aberta
(Experiência 2A). Fez-se esta divisão em duas sessões, porque misturar ensaios em que se exige
resposta com ensaios em que não se exige resposta, poderia criar situações em que dar (não dar)
resposta aberta fosse mais lógico do que não dar (dar) resposta aberta.
A forma de apresentação das orações é igual à que se usou na experiência 1 e para o caso de não
se manterem os segmentos de texto.
Cada lote de sessões de experiência a realizar agrupadas consiste de uma sessão com 4 blocos de
ensaios separados por um intervalo para descontracção e descanso dos colaboradores. Os vários
blocos contêm na totalidade 30 ensaios (8, 8, 7 e 7), não havendo repetição das orações no conjunto
dos 4 blocos da mesma sessão. Os ensaios consecutivos iniciam-se em intervalos de 9s.
Na experiência 2B atribui-se uma tecla do teclado do computador às respostas correspondentes à
apresentação de orações verdadeiras e outra tecla às respostas correspondentes às orações falsas.
Nesta experiência os colaboradores têm 1.5s para responderem, premindo a tecla adequada; a
contagem deste tempo permitido para se responder inicia-se com a apresentação do último segmento
das orações. Se a resposta não acontecer ou for feita com uma tecla não atribuida, esse ensaio será
desprezado posteriormente, quando se fizer a análise dos sinais adquiridos.
Tudo o resto que tem a ver com o procedimento das experiências 2A e 2B é igual ao que foi dito
em 4.2.3 para a experiência 1.
4.3.4 - Recolha do Sinal na Experiência 2
Os eléctrodos utilizados são os mesmos que se usaram na experiência 1 e que foram apresentados
em 4.2.4, assim como as localizações de recolha do EEG e EOG são as mesmas que ai foram
descritas.
Antes da realização de cada sessão processa-se uma calibração do sistema de aquisição.
A frequência de amostragem que se utilizou para adquirir os vários canais de EEG e EOG foi
400Hz.
A aquisição dos potenciais em cada ensaio começa 200ms antes da apresentação do 1º segmento
da oração e dura 4.6s, terminando assim 2.4s após a apresentação do 3º e último segmento. O valor
60
da duração da aquisição justifica-se pelo facto de se pretender observar o efeito da apresentação dos
vários segmentos das orações e o efeito da execução da resposta nas respostas corticais.
Para completar a descrição, apresentam-se no Apêndice 5.2 os parâmetros usados nas
experiências 2A e 2B.
CAPÍTULO 5 - Processamento dos Dados e Análise dos Resultados
61
Realizadas as experiências 1 e 2 que se descreveram no capítulo anterior, há que tratar os dados
em bruto obtidos, de modo a poder utilizá-los nos fins previamente estabelecidos. Os objectivos
pretendidos podem sintetizar-se em dois: (i) tirar conclusões sobre as componentes presentes nas
respostas corticais, dadas as condições de realização das experiências, traduzidas pelos vários
factores intervenientes (localização de recolha dos potenciais, forma de apresentação das orações,
tarefa a realizar e valor lógico das orações) e tendo em atenção a participação de colaboradores
diferentes; (ii) classificação das respostas corticais numa das classes possíveis. Tendo em vista
estruturar a obtenção destes objectivos dividiu-se a tarefa em dois capítulos.
Neste capítulo apresenta-se todo o tipo de processamento a realizar, onde se inclui: cálculo de
médias e medianas, eliminação do nível DC, aplicação do método da "singular value decomposition",
observação da forma do espectro dos sinais, etc. Apresentam-se também os resultados obtidos com
os vários métodos de processamento, e se for possível uma comparação dos métodos em termos de
resultados. Alguns resultados a observar serão: a forma das componentes presentes nos potenciais
(ERPs), as amplitudes dos ERPs e os tempos de atraso da sua ocorrência relativamente aos eventos
que lhes deram origem (tempos estes designados doravante por latência), os efeitos dos factores
referidos acima sobre as caracteristicas dos ERPs e as possíveis interacções entre os factores.
A segunda parte dos objectivos, e que diz respeito à classificação das respostas corticais, será
apresentada no capítulo 6.
5.1 - Pré-Processamento dos Dados
Esta etapa pode definir-se como a preparação dos dados em bruto para processamentos
posteriores.
Inclui-se nesta fase a eliminação de ensaios cujos potenciais correspondes estão corrompidos por
artefactos resultantes de fenómenos variados. Alguns exemplos da origem dos artefactos podem ser
citados: piscar os olhos, movimentos bruscos do corpo, desatenção, mau contacto dos eléctrodos,
etc, durante a aquisição dos potenciais. Os ensaios serão excluidos quando houver uma deflexão da
linha de base superior a cerca de 15% da deflexão que ocorre num piscar de olhos normal.
62
Outro processo de eliminação de ensaios diz respeito à exclusão dos potenciais adquiridos em
ensaios em que se exigia uma resposta aberta, com uma tecla definida e com um atraso limitado.
Serão excluidos, nesta situação, os ensaios em que a resposta tenha sido dada com uma tecla errada,
não tenha sido dada ou tenha sido dada para além do tempo permitido.
Para que as amostras representativas dos potenciais adquiridos tivessem um significado
«palpável» houve que convertê-las de valores dentro da gama de conversão da ADC da placa de
aquisição para valores em microVolt (μV). É nesta conversão que a calibração efectuada tem papel
de relevo, através da amplitude do sinal de calibração (equivalente a 50 μV pico a pico no escalpe) e
das amostras correspondentes ao máximo e mínimo do sinal de calibração em cada canal ch,
máximo[ch] e mínimo[ch], respectivamente. A expressão de conversão da nésima amostra do canal
ch apresenta a forma seguinte:
AmostraEmVolt[ch][n] = (50 * Amostra[ch][n]) / [(máximo[ch] - mínimo[ch]) / 2)]
[eq.1]
Com vista à comparação e manipulação conjunta dos potenciais adquiridos em ensaios e tempos
diferentes, deve utilizar-se uma referência comum nos vários casos. Para se conseguir este objectivo
podem seguir-se dois caminhos distintos que, não são completamente exclusivos. O primeiro
resume-se a escolher uma zona para cálculo do "offset" a usar como nível DC a eliminar dos
potenciais e o segundo consiste em «standardizar» as sequências de amostras que representam os
potenciais. Neste segundo método, entende-se por «standardização» o que é normal dizer sobre uma
função densidade de probabilidade, ou seja, corresponde a transformar a sequência de amostras num
conjunto com média nula e variância (ou desvio padrão) unitária. Em termos de transformação de
variáveis será:
x→
x- x
σx
⇔ Amostra[ch][n] →
Amostra ch n − MédiaAmostras ch
DesvioPadrãoAmostras ch
[eq.2]
No presente trabalho optou-se pelo primeiro método. Embora se facilite a escolha da janela
desejada para o cálculo do "offset" a utilizar como nível de referência a eliminar, tomou-se como
intervalo para este cálculo o periodo de 160ms que antecede o instante de apresentação do último
(3º) segmento das orações. Calculado este "offset" vai-se subtrair o seu valor à totalidade da
sequência de amostras que se utilizou para o cálculo do "offset". Quando se usa a sequência total
para o cálculo do "offset", equivale a colocar a sequência com média nula. A razão para a escolha do
63
intervalo de 160ms usado reside no facto de a zona de interesse nos potenciais adquiridos em cada
ensaio ocorrer depois da apresentação do último segmento da oração.
O ficheiro baseline.c implementa as referidas conversão das amostras em μVolt e eliminação do
nível DC dos sinais.
Porque um dos objectivos do trabalho é classificar as respostas corticais, se possível em tempo
real, seria interessante se a baixa RSR, que pode ser da ordem de -5dB, pudesse ser melhorada por
filtragem em tempo real. Esta filtragem seria digital e necessita de um conhecimento das
componentes espectrais dos potenciais evocados a filtrar.
Embora se saiba qual a largura de banda típica do espectro de frequência do EEG normal, as
coisas podem ser diferentes quando os potenciais evocados são adquiridos na situação particular em
que o indivíduo tem que realizar uma tarefa de verificão de orações. Foi essencialmente por esta
razão que se tentou saber qual a forma do espectro de frequência dos potenciais adquiridos durante
as experiências.
O método que se empregou para obter a estimativa do espectro dos potenciais foi o de Bartlett
[24]. Este método também se designa por periodograma médio, pois o espectro que se obtem não é
mais que a média dos periodogramas obtidos nas várias iterações do processo. Com este método
obtém-se uma estimativa consistente do espectro do sinal. Pode sintetizar-se este método na seguinte
equação:
I nω =
1 N
* ∑ (real i nω 2 + img i nω 2 )
N i =1
[eq.3]
em que ω representa a frequência, i é a ordem da FFT calculada e I é a estimativa do espectro.
A razão para se usar a média de vários periodogramas e não apenas um, para estimativa do
espectro do sinal, reside no facto de o periodograma não ser uma estimativa consistente. Um
estimador é definido como consistente quando ao aumentar-se o número de amostras o "bias" e a
variância da estimativa tendem a anular-se. Por "bias" de uma estimativa de um parâmetro pode
dizer-se que é a diferença entre os valores real e estimado desse parâmetro.
Apresenta-se no ponto 8 do Apêndice 3 o fluxograma simplificado do cálculo do periodograma
médio pelo método de Bartlett. A implementação correspondente a este fluxograma encontra-se no
ficheiro bartlet1.c.
64
Sobre este fluxograma pode dizer-se que, antes do cálculo da FFT se fez uma convolução entre o
sinal e uma janela de Hamming tendo em vista diminuir a variância da estimativa do espectro do
sinal. No fluxograma que se apresenta no ponto 9 do Apêndice 3 mostra-se como se obtêm os
valores da janela de Hamming, estando a implementação correspondente no ficheiro fft5.c.
Como os sinais com os quais se pretendem calcular as FFTs são sequências de valores reais,
apenas se implementa um algoritmo que calcule uma FFT real, o que diga-se é mais simples. Este
algoritmo encontra-se no ficheiro fft4.c, sendo implementado pela rotina fftReal1(), que usa o
algoritmo de Cooley-Tukey com ordem matural para calcular a FFT. De referir ainda que, como o
cálculo da FFT é feito sobre um número de valores que é uma potência de 2. Quando os valores
disponíveis não coincidem com uma potência de 2, devem colocar-se zeros até atingir a potência de
2 superior e mais próxima.
Pode dizer-se ainda que, o cálculo dos vários periodogramas pode usar sequências de valores
provenientes de vários segmentos de EEG ou de apenas um segmento dividido em parcelas.
Fazendo estimativas do espectro do EEG puderam verificar-se alguns pormenores importantes.
Pôde, por exemplo, verificar-se que estava aplicado no sistema de aquisição um filtro estreito,
centrado em 50Hz, com vista eliminar o ruído introduzido pela rede (figura 10). O espectro do EEG
tem uma forma próxima da esperada, ou seja, tem a forma de uma potência de ordem k do inverso
da frequência (1/f)k. Analisando a figura 10 pode constatar-se que para se obter uma boa estimativa
do espectro do sinal é necessário utilizar pelo menos 45-60 periodogramas/FFTs. Daqui se conclui
que, ao fazer médias com segmentos de EEG será necessário adicionar cerca de 45 sinais para se
reduzir significativamente o ruído, ou equivalentemente para se obter uma boa RSR.
Embora seja visível que o ruído incide mais nas componentes de frequência superiores a 50Hz,
está presente em toda a gama espectral, o que inviabiliza a utilização eficiente de um filtro passa
baixo com vista a eliminar o ruído. Como o objectivo do trabalho é estudar as formas, as amplitudes
e as latências de certas componentes do EEG, e tendo em atenção a afirmação anterior, não se
utilizou filtragem implícita dos potenciais adquiridos. Uma pequena exepção ao que se acaba de
dizer, consistiu na utilização de um filtro passa baixo elementar para alisar os sinais durante a fase de
classificação, como se verá no capítulo 6.
5.2 – Processamento Baseado em Medidas de Localização
Dado que se pôs de lado utilizar filtragem implícita para melhorar a fraca RSR dos potenciais
adquiridos, outras técnicas terão que ser usadas no sentido de melhorar esta relação. Para se verificar
da necessidade de melhorar a forma dos potenciais atente-se nos sinais em bruto que se mostram na
65
figura 11, provenientes de 15 ensaios em que se apresentaram orações falsas e adquiridos na mesma
posição do escalpe.
(a)
(b)
(c)
(d)
Figura 10 - Exemplos do espectro do EEG estimado pelo método do periodograma médio, usando
(a) 15 FFTs, (b) 30 FFTs, (c) 45 FFTs e (d) 60 FFTs.
66
5.2.1 - Média entre Sinais Pertencentes a Ensaios Diferentes
Como é do conhecimento geral, realizar uma média entre as várias ocorrências do mesmo
acontecimento melhorará a RSR da representação desse acontecimento. Isto deve-se ao facto de
que, como a fórmula da média é definida por
x=
1 N
∑x n
n n =1
[eq.4]
Figura 11 - Sinais de EEG em bruto adquiridos durante 15 ensaios da experiência 2A, ao
apresentaram-se orações falsas, provenientes da localização Cz e do colaborador
C1E2.
melhora-se a RSR num factor de
N , logo proporcional ao número N de somas implementadas.
As médias que aqui se referem são feitas entre sinais provenientes do mesmo canal/posição de
recolha, adquiridos em ensaios distintos e quando se apresentou o mesmo tipo de oração.
Porque o número de sinais em cada caso em que se pretende melhorar a RSR é razoável, optouse por usar como medida de localização a média, em alternativa à mediana e à moda.
Deve referir-se já que, a manipulação dos dados através da média entre segmentos de EEG
correspondentes a ensaios distintos, não pode ser aplicada em tempo real, mas possibilita o estudo
de múltiplos aspectos relacionados com as caracteristicas dos sinais.
67
(a) - Experiência 1A
(b) - Experiência 1B
(c) - Experiência 2A
(d) - Experiência 2B
Figura 12 - Sinal de EEG médio em cada uma das experiências e para os casos de orações
verdadeiras e falsas. Utilizaram-se os vários colaboradores, a localização de recolha Cz
e o sinal representa a aquisição total durante os ensaios das respectivas experiências.
As marcas temporais designadas por S1, S2 e S3 definem os instantes em que se
apresentaram os segmentos das orações ao longo dum ensaio.
5.2.1.1. Resultados Gráficos da Média entre Segmentos
Na figura 12 apresenta-se a forma dos potenciais adquiridos, após o cálculo da média para as
orações verdadeiras e falsas. Apresenta-se a média para as duas experiências realizadas (1 e 2),
contendo cada uma duas sub-experiências (A e B).
EXPERIÊNCIA 1A
EXPERIÊNCIA 1B
EXPERIÊNCIA 2A
(canal Fz)
(canal Cz)
(canal Pz)
(canal P4)
68
EXPERIÊNCIA 2B
69
(canal P3)
(Figura 13 - continua na página seguinte)
(canal O1)
(canal O1)
Figura 13 - Sinal de EEG médio para orações verdadeiras vs falsas, em cada uma das 7 posições de
recolha utilizadas e em cada uma das experiências realizadas. Estes gráficos
representam os sinais desde 100ms antes da apresentação do 3° segmento, ou seja
2100ms após o início da aquisição, até 600ms após esta apresentação. A marca S3
indica a apresentação do 3° segmento da oração.
70
A figura 12 permitirá tirar conclusões sobre os efeitos dos factores forma da apresentação das
orações e tarefa sobre os ERPs presentes nos potenciais adquiridos, em especial sobre as diferenças
existentes nos ERPs para orações verdadeiras e falsas.
Centralizando o interesse na zona que fica perto da apresentação do estímulo mais importante ao
longo de cada ensaio, e que é a apresentação do 3° segmento, vão estudar-se os ERPs associados
com esta apresentação. De acordo com este principio e pretendendo estudar o efeito do factor
localização de recolha do EEG nestes ERPs, apresentam-se os sinais da figura 13. Esta figura
contém os potenciais médios, na zona que vai de 100ms antes da apresentação do 3° segmento até
600ms depois dessa apresentação, para orações verdadeiras vs falsas. Apresentam-se potenciais para
cada uma das 7 localizações utilizadas, em cada uma das experiências realizadas, tendo-se usado
todos os colaboradores no cálculo das médias.
Com o objectivo de observar a influência de factores inerentes ao colaborador sobre os ERPs
presentes nos potenciais cerebrais recolhidos, analisam-se os sinais pertencentes a cada colaborador
isoladamente. Obtêm-se deste modo os sinais incluidos na figura 14. Estes sinais representam os
potenciais médios para orações verdadeiras vs falsas, na zona que vai de 100ms antes da
apresentação do 3° segmento até 600ms após essa apresentação, provenientes de cada um dos
colaboradores e em cada uma das experiências em que participaram.
De referir que os sinais contidos nas figuras 12, 13 e 14 tiveram um deslocamento em amplitude
de modo a que o valor médio no intervalo [-160,0] relativo à apresentação do 3° segmento da
oração, seja nulo. Este facto corresponde ao que anteriormente se designou por eliminação do nível
DC nos sinais. O efeito deste deslocamento pode ser verificado nas figuras referidas.
5.2.1.2. Resultados Quantitativos e Qualitativos da Média entre Segmentos
Uma análise qualitativa dos sinais apresentados nas figuras 12 a 14 permite desde já tirar algumas
conclusões. Para começar, a observação dos potenciais para a duração total dos ensaios (figura 12)
revela a existência de uma componente positiva (P300), sensivelmente próxima de 300ms após a
apresentação de cada segmento das orações (S1, S2 e S3). Pode constatar-se ainda que os potenciais
médios para as orações verdadeiras e falsas não diferem muito e que entre a apresentação de
segmentos consecutivos os sinais apresentam uma tendência para se tornarem negativos com o
tempo, o que é designado na literatura por "contingent negative variation - CNV".
EXPERIÊNCIA 1A
71
EXPERIÊNCIA 1B
Colaborador C1E1
Colaborador C1E2
EXPERIÊNCIA 2A
EXPERIÊNCIA 2B
Colaborador C1E2
Colaborador C2E2
Figura 14 - Sinal de EEG médio para orações verdadeiras vs falsas, para os vários colaboradores
intervenientes em cada uma das experiências realizadas (C1E1, C2E1, C1E2 e C2E2).
Utilizou-se o sinal recolhido na posição Cz e no intervalo que vai de 100ms antes da
apresentação do 3° segmento, ou seja, 2100ms após o início da aquisição, até 600ms
após esta apresentação. A marca S3 indica a apresentação do 3° segmento da oração.
72
Com os potenciais médios para cada uma das experiências, calcularam-se as amplitudes e
latências para as componentes P300 a quando da apresentação dos 3 segmentos das orações. Estes
valores são apresentados nas tabelas 1.1 e 1.2, respectivamente.
Tabela 1.1-Amplitude da componente P300 originada pela apresentação dos 3 segmentos (S1, S2 e
S3) das orações (verdadeiras e falsas) e para as várias experiências (1A, 1B, 2A e 2B). Os
valores são em microVolt.
Experiência 1A Experiência 1B Experiência 2A Experiência 2B
Verdade Falso Verdade Falso Verdade Falso Verdade Falso
Apresentação de S1
11
5
10
6
8
8
6
10
2
0
8
-3
4
7
4
2
2
3
9
3
8
8
-1
0
Acontecimento
Tabela 1.2-Latência da componente P300 originada pela apresentação dos 3 segmentos (S1, S2 e
S3) das orações (verdadeiras e falsas) e para as várias experiências (1A, 1B, 2A e 2B). Os
valores são em milisegundos.
Experiência 1A Experiência 1B Experiência 2A Experiência 2B
Verdade Falso Verdade Falso Verdade Falso Verdade Falso
Apresentação de S1 250
250
242
265
260
270
245
245
315
270
285
310
310
290
280
286
268
282
300
300
270
295
Acontecimento
Quanto à amplitude das componentes P300, pode verificar-se que a componente P300
correspondente à apresentação do 1° segmento (S1), ou sujeito das orações, é aquela que apresenta
uma amplitude maior e a correspondente ao 2° segmento (S2), ou verbo, é a que apresenta uma
amplitude menor, à exepção da experiência 2B em que é a componente correspondente ao 3°
segmento (S3), ou complemento, que apresenta amplitude menor. Pode ainda verificar-se que, na
maioria das situações, a amplitude das componentes P300 para orações verdadeiras é maior do que
para orações falsas, não sendo esta uma tendência consensual para todas as experiências.
73
Relativamente à latência das componentes P300 correspondentes aos 3 segmentos das orações,
pode dizer-se maioritariamente que a componente correspondente à apresentação do 1° segmento
apresenta a menor latência das 3 em causa e a que é gerada pela apresentação do 2° segmento tem a
latência maior das 3. Constata-se ainda que não há uma tendência definida para as diferencas nas
latências das componentes P300 correspondentes a orações verdadeiras e a orações falsas, ou seja,
esta diferença não é notória. As latências médias obtidas variam entre 245ms e 315ms.
Uma análise qualitativa das figuras 13 e 14 permite concluir que a apresentação do 3° segmento
produz no EEG essencialmente quatro componentes que se designaram, tendo em conta o atraso de
ocorrência relativamente a esta apresentação, por N200, N400, P500 e a já referida P300. A
componente N200 corresponde nestas figuras ao «vale» mais negativo e proeminente a seguir à
apresentação de S3 e que surge perto de 200ms após essa apresentação. Depois de N200 segue-se o
pico mais positivo, já referido e designado por P300. Ao «vale» mais negativo e proeminente após
P300 chama-se N400 por ocorrer cerca de 400ms após a apresentação de S3. Analogamente, P500 é
o pico mais positivo, ou de maior relevo, após N400 e que aparece perto de 500ms depois de S3. As
expressões «vale mais negativo» e «pico mais positivo», significam que esses pontos correspondem a
mínimos e máximos locais do sinal, não tendo que ser pontos de amplitude negativa e positiva,
respectivamente. Para ilustrar isto refira-se que em certos casos P300 e P500 têm amplitude
negativa.
Pela análise visual da figura 13 pode concluir-se que as 4 componentes acima referidas estão bem
definidas em qualquer das experiências e nas localizações Fz, Cz, Pz, P4 e P3, sendo um pouco
menos identificáveis nas localizações occipitais O2 e O1. Das 4 compoentes P500 é a mais irregular
e de identificação mais crítica. Não se pode concluir que exista uma diferença mensurável em N200
ou P300 para os casos verdadeiro e falso, nas várias localizações e nas diferentes experiências
realizadas. Quanto a N400, é nítido que é mais negativo para orações falsas do que para verdadeiras,
em quase todos os casos de localização e experiência disponíveis. P500, como já se disse, tem um
comportamento mais irregular, sendo por isso mais difícil tirar conclusões visuais sobre ele. Pode no
entanto dizer-se que para a experiência 1 (1A e 1B), P500 parece ser tendencialmente maior para
orações verdadeiras do que para falsas, em qualquer das localizações. Esta tendência não se
74
vislumbra tão forte na experiência 2 (2A e 2B), onde não se detecta grande diferença em P500 para
os 2 tipos de orações.
Relativamente às latências das componentes N200, P300 e P500 não se detecta diferença
relevante entre os casos associados com orações verdadeiras e falsas. Já de N400 não se pode
afirmar o mesmo, dado que é visível uma latência maior no N400 correspondente a orações falsas do
que no caso de orações verdadeiras.
Com os valores das amplitudes e latências das componentes N200, P300, N400 e P500 dos vários
sinais representados na figura 13 construiram-se as tabelas 2.X.1 e 2.X.2 (X ∈ [1,4] ).
Da análise qualitativa da figura 14 podem tirar-se algumas conclusões que se vão citar de seguida.
Começa por se notar que as componentes N200, P300 e N400 são bem discrimináveis nos potenciais
(do canal Cz) para todos os colaboradores e experiências realizadas. A componente P500, não sendo
tão bem definida como as anteriores, é razoavelmente discriminável, exeptuando o caso da
experiência 1A e para os colaboradores C1E1 e C2E1.
Verifica-se que a componente N200 não é muito diferente em orações verdadeiras do que em
falsas, para qualquer dos colaboradores, à exepção do colaborador C2E1 na experiência 1A.
P300 é aproximadamente igual para os 2 tipos de orações, em qualquer colaborador e nas
experiências 1A e 2A. Pode observar-se que P300 é maior nas orações verdadeiras do que nas falsas,
na experiência 1B e com os colaboradores C1E1 e C2E1. Por oposição a isto, P300 revelou-se
maior para orações falsas do que para verdadeiras, na experiência 2B e com o colaborador C2E2.
Como era esperado, N400 é mais negativo para orações falsas do que para verdadeiras, sendo
esta diferença maior para os colaboradores C1E1 e C2E1 na experiência 1A do que para as outras
experiências e/ou colaboradores. Com o colaborador C2E2 e na experiência 2B a diferença referida é
oposta, ou seja, N400 é maior para orações falsas.
Observa-se que P500 é maior para orações verdadeiras do que para falsas, em qualquer
colaborador e experiência, à exepção do colaborador C2E2 e na experiência 2B. Pode acrescentar-se
que esta diferença não é muito grande.
75
Tabela 2.1.1-Amplitude da componente N200 originada após a apresentação do 3º segmento (S3),
para as orações verdadeiras e falsas e para as várias experiências (1A, 1B, 2A e 2B). Os
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
-12
-16
-15
-19
-9
-11
-10
-15
-14
-17
-8
-9
-5
-9
Experiência 1B
Verdade Falso
-14
-18
-18
-21
-14
-17
-12
-14
-15
-18
-9
-11
-7
-9
Experiência 2A
Verdade Falso
-7
-8
-7
-8
-3
-6
-2
-3
-3
-4
-5
0
-3
-4
Experiência 2B
Verdade Falso
-8
-13
-11
-19
-6
-13
-9
-14
-7
-11
2
-2
-2
-6
Tabela 2.1.2-Latência da componente N200 originada após a apresentação do 3º segmento (S3),
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
192
185
190
190
192
192
185
175
190
188
182
185
152
165
Experiência 1B
Verdade Falso
170
160
165
165
145
165
145
145
155
155
145
145
145
145
Experiência 2A
Verdade Falso
198
195
198
195
195
205
202
212
200
195
255
255
238
220
Experiência 2B
Verdade Falso
215
195
208
200
215
195
215
205
215
200
215
230
215
235
76
Tabela 2.2.1-Amplitude da componente P300 originada após a apresentação do 3º segmento (S3),
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
2
3
3
2
-1
0
-2
-2
1
2
-2
0
0
0
Experiência 1B
Verdade Falso
8
3
8
4
5
-1
5
2
8
2
5
-1
1
-1
Experiência 2A
Verdade Falso
8
8
9
8
3
5
2
4
2
3
-1
1
-1
0
Experiência 2B
Verdade Falso
-1
0
-2
0
-1
-6
-3
-9
-3
-6
2
0
-2
-3
Tabela 2.2.2-Latência da componente P300 originada após a apresentação do 3º segmento (S3), para
as orações verdadeiras e falsas e para as várias experiências (1A, 1B, 2A e 2B). Os
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
301
282
288
280
275
272
298
282
275
280
248
235
210
228
Experiência 1B
Verdade Falso
275
280
275
280
285
280
275
275
265
280
265
250
285
265
Experiência 2A
Verdade Falso
305
304
295
298
292
288
290
288
290
280
290
285
292
282
Experiência 2B
Verdade Falso
268
290
253
280
245
280
245
285
245
285
230
290
245
290
77
Tabela 2.3.1-Amplitude da componente N400 originada após a apresentação do 3º segmento (S3),
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
-11
-17
-6
-16
-8
-14
-13
-22
-8
-15
-12
-16
-13
-20
Experiência 1B
Verdade Falso
-6
-12
-5
-11
-5
-12
-3
-8
-3
-11
-3
-14
-4
-10
Experiência 2A
Verdade Falso
0;
-2
-3
-6
-8
-9
-4
-7
-8
-10
-8
-10
-7
-8
Experiência 2B
Verdade Falso
-13
-14
-14
-19
-15
-19
-16
-20
-15
-20
-9
-10
-7
-12
Tabela 2.3.2-Latência da componente N400 originada após a apresentação do 3º segmento (S3),
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
399
392
400
395
400
388
400
428
402
405
398
392
398
395
Experiência 1B
Verdade Falso
385
415
388
415
415
415
388
410
385
415
340
415
385
390
Experiência 2A
Verdade Falso
378
388
380
385
382
385
380
375
382
388
382
362
382
355
Experiência 2B
Verdade Falso
335
380
335
370
320
370
328
370
320
370
328
370
328
370
78
Tabela 2.4.1-Amplitude da componente P500 originada após a apresentação do 3º segmento (S3),
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
1
-5
3
-6
1
-4
-1
-7
0
-8
-3
-7
0
-7
Experiência 1B
Verdade Falso
11
6
8
3
5
0
10
6
8
1
9
-4
7
5
Experiência 2A
Verdade Falso
2
-2
-1
-5
-5
-6
-1
-4
-2
-5
-2
-3
0
-3
Experiência 2B
Verdade Falso
-2
-2
-5
-7
-3
-6
-4
-7
-1
-4
3
0
10
6
Tabela 2.4.2-Latência da componente P500 originada após a apresentação do 3º segmento (S3), para
as orações verdadeiras e falsas e para as várias experiências (1A, 1B, 2A e 2B). Os
Canal
Cz
Pz
Fz
P4
P3
O2
O1
Experiência 1A
Verdade Falso
605
585
570
562
570
552
600
582
568
580
570
690
570
582
Experiência 1B
Verdade Falso
505
510
500
510
480
510
500
515
500
515
485
515
500
515
Experiência 2A
Verdade Falso
500
528
500
528
508
525
510
528
508
528
510
510
492
510
Experiência 2B
Verdade Falso
523
490
515
485
523
485
523
485
515
510
515
495
515
495
Quanto à latência das componentes as conclusões em termos de diferenças entre verdade e falso,
para os vários colaboradores, são as mesmas que se tiraram para a figura 13. Para qualquer dos
colaboradores e experiência não se observam grandes diferenças na latência de N200, P300 e P500
entre os 2 tipos de orações. Contrastando com isto, verifica-se que N400 tem maioritariamente uma
79
latência maior para orações falsas do que para verdadeiras, sem que no entanto esta tendência se
apresente universal para todos os colaboradores e experiências.
A partir dos valores das amplitudes e latências das componentes N200, P300, N400 e P500 dos
sinais representados na figura 14 construiram-se as tabelas 3.1 e 3.2.
Refira-se que não se vai fazer uma análise directa dos resultados contidos nas tabelas 2.X.X e
3.X, porque se fará um tratamento estatístico baseado em todos os sinais que, através do cálculo de
médias, resultaram nos valores apresentados nestas tabelas. Acrescente-se que a obtenção dos
valores destas tabelas, por serem obtidos de sinais médios, foi feita manualmente e de forma bastante
correcta. Por oposição a isto, a análise que se apresenta a seguir utilizou amplitudes e latências
obtidas automaticamente, por serem obtidas de sinais em bruto e logo em grandes quantidades, o que
tornava o cálculo manual e por isso mais preciso, impraticável. Estas referências foram aqui
apresentadas para alertar para a possibilidade de aparecerem alguns valores médios, durante o
tratamento estatístico, ligeiramente diferentes dos que se encontram nas tabelas 2.X.X e 3.X.
Tabela 3.1- Amplitude das componentes P300, P500, N200 e N400 originadas após a apresentação
do 3º segmento (S3), para orações verdadeiras e falsas, para os vários colaboradores e
experiências. Os valores são em microVolt.
ERP
N200
P300
N400
P500
Experiência 1A
Experiência 1B
Colaborador C1E1 Colaborador C2E1 Colaborador C1E1 Colaborador C2E1
Verdade Falso
Verdade Falso
Verdade Falso
Verdade Falso
-13
-17
-11
-22
-13
-20
-16
-18
3
3
3
4
12
2
9
2
-9
-19
-7
-18
-5
-13
-9
-12
5
-2
3
-1
11
5
11
8
ERP
N200
P300
N400
P500
Experiência 2A
Experiência 2B
Verdade Falso
Verdade Falso
Verdade Falso
Verdade Falso
-9
-7
-13
-11
-8
-13
-21
-17
17
14
10
3
-1
0
-9
8
0
3
-5
-8
-13
-13
-16
-14
11
8
0
-6
-1
0
-8
4
80
Tabela 3.2- Latência das componentes P300, P500, N200 e N400 originadas após a apresentação do
3º segmento (S3), para orações verdadeiras e falsas, para os vários colaboradores e
experiências. Os valores são em milisegundos.
ERP
N200
P300
N400
P500
Experiência 1A
Experiência 1B
Verdade Falso
Verdade Falso
Verdade Falso
Verdade Falso
220
185
190
180
155
155
175
160
290
280
290
290
285
280
285
275
395
430
395
390
385
420
385
395
565
555
560
585
500
515
505
500
Experiência 2A
ERP
N200
P300
N400
P500
Experiência 2B
Colaborador C1E2 Colaborador C2E2 Colaborador C1E2
Colaborador C2E2
Verdade
190
285
350
480
Verdade
230
285
405
550
Falso
180
300
365
528
Verdade
220
315
415
550
Falso
200
310
390
520
Verdade
210
260
335
520
Falso
200
285
370
525
Falso
235
310
395
550
5.2.1.3. Análise Estatística dos Resultados Apresentados nas Tabelas 2.X.X e 3.X
O tratamento a efectuar pode definir-se como sendo uma análise de variância (ANOVA). Esta
análise tem como principais objectivos averiguar se tem significado distinguir classes dentro de uma
variável influenciada por um ou mais factores. Para se conseguir isto fez-se um teste baseado na
distribuição de F-Fisher. A distribuição de Fisher é uma distribuição assimétrica com 2 graus de
liberdade n1 e n2, sendo a sua forma dada pela equação 5 [25]:
F(n1,n2) =
[ χχ
2 (n1) n1
2 (n2) n2
]
[eq.5]
81
Na equação 5 as variáveis χ 2 (n1) e χ 2 (n2) são independentes e seguem uma distribuição quiquadrado. Uma variável x segue uma distribuição qui-quadrado com grau de liberdade igual a n,
quando puder ser expressa por uma soma de n variáveis independentes com distribuição normal
(~ N(0,1) ). É o que se pretende expressar na equação 6:
χ 2 (n) = Z12 + Z2 2 +... + Zn 2
[eq.6]
para que χ 2 da equação 6 tenha uma distribuição qui-quadrado tem que se ter:
Z1, Z2, ... , Zn → são variáveis independentes com distribuição normal (~N(0,1) ).
O desenvolvimento da análise de variância processa-se segundo um teste de hipótese p-value.
Para a implementação deste teste começa por se definir uma hipótese de investigação (HI), que pode
ser definida como o paradigma a resolver. Uma possível hipótese de investigação será a relação
componente N400 ↔ valor lógico das orações. Para averiguar da validade da relação expressa por
HI equacionam-se duas hipóteses: a hipótese nula (H0) e a hipótese alternativa. A hipótese nula
supõe que as várias classes têm médias iguais, por oposição à hipótese alternativa que supõe que as
classes têm médias diferentes. Se o p-value fornecido pela distribuição de Fisher for inferior ao nível
de significância (α) escolhido, rejeita-se a hipótese nula e aceita-se a hipótese alternativa. Pelo
contrário, se o p-value for superior a α aceita-se a hipótese nula. Normalmente α toma o valor 0.05.
Para se compreender a lógica da rejeição ou aceitação de uma das hipóteses mediante o valor de
p-value obtido, refira-se que, por exemplo, obter um p-value de 0.04 significa que os resultados
obtidos na variável em teste podem ocorrer por acaso 4% das vezes quando a hipótese nula é
verdadeira. Logo se a probabilidade de ocorrência de H0 for baixa, em que baixa significa ser
inferior ao nível de significância, despreza-se essa hipótese e aceita-se a alternativa.
O valor de p-value fornecido pela distribuição de Fisher, ao fazer a análise de variância, depende
da variável em estudo. Para esta variância contribuem duas componentes: uma devido à variância
dos valores dentro das classes, não sendo esta componente explicada pela estrutura das classes, e
outra devido à variância entre classes, sendo esta componente explicada pelas diferentes classes.
Deste modo, visto que o valor de F a obter é proporcional a:
[Média dos Quadrados Entre Classes / Média dos Quadrados Dentro das Classes]
82
espera-se que para rejeitar H0 se obtenham valores de F elevados e para a aceitar, valores de F
baixos.
Conclui-se esta breve introdução teórica dizendo que o utilitário utilizado na análise de variância
foi o programa que dá pelo nome de SPSS ("Statistical Package for the Social Sciences").
As variáveis que se definiram e com as quais se vai fazer a análise de variância, foram 8 e
correspondem à amplitude e latência dos 4 ERPs já referidos: as amplitudes N200, P300, N400 e
P500, e as latências t200, t300, t400 e t500. Os factores definidos representam as influências ou as
condições de aquisição dos potenciais cerebrais, condicionando por isso as variáveis referidas.
Definiram-se 5 factores: o valor lógico das orações, a localização de recolha dos potenciais, a
forma de apresentação das orações ao colaborador, a tarefa a realizar e o colaborador. O valor
lógico pode tomar 2 valores (verdade ou falso), a localização assume um de entre os 7 possíveis (Fz,
Cz, Pz, P4, P3, O2 e O1), a forma das orações está limitada a um de 2 valores (manter ou não
manter os segmentos já apresentados no monitor), a tarefa a realizar também pode tomar 2 valores
correspondentes a exigir-se ou não uma resposta aberta e o colaborador corresponde a um dos 4
utilizados (C1E1, C2E1, C1E2 e C2E2). Para terminar refira-se que o nível de significância utilizado
nos testes foi de 0.05, ou seja, um intervalo de confiança a 95%.
1. Análise das Várias Interacções entre os Factores que Influenciam as Variáveis
Neste tópico pretende averiguar-se se existem ou não interferências entre a acção dos vários
factores referidos (localização, tarefa, etc) sobre as amplitudes ou latências dos ERPs, traduzidas
pelas variáveis mencionadas (N200, t200, etc). O conhecimento destas interacções interessa para se
poder isolar o efeito de cada factor sobre as variáveis, na posterior análise do comportamento dessas
variáveis. Por exemplo, se dois factores (categóricos) F1 e F2 apresentarem uma interacção
significativa sobre uma variável V1, significa que ao analisar a influência de F1 sobre V1, terá que se
fazer essa análise separadamente para cada valor de F2.
Apresenta-se a seguir um resumo dos resultados obtidos com a análise das interacções entre os
vários factores que condicionam as variáveis em estudo.
1.1. Interacções dos Factores sobre a Componente N200
Quase todas as interacções globais sobre a amplitude de N200 atingem significado a 95%.
83
A exepção ocontece na interacção (valor lógico das orações - tarefa) [F(3,3146) = 0.628, com α
= 0.598] (1).
Refira-se que daqui para a frente, por α quer significar-se o que se designou anteriormente por pvalue.
Quase todas as interacções globais sobre a latência de N200 atingem significado a 95%.
A exepção verifica-se para a interacção (valor lógico das orações - localização de recolha)
[F(13,3136) = 1.16, com α = 0.302].
1.2. Interacções dos Factores sobre a Componente P300
A maioria das interacções globais sobre a amplitude de P300 são significativas a 95%.
As exepções que não atingem significado são as seguintes:
• (valor lógico das orações - forma de apresentação das orações) [F(3,3146) = 1.67, com α =
0.172];
• (valor lógico das orações - localização de recolha do EEG) [F(13,3136) = 1.52, com α = 0.102];
• (forma de apresentação das orações - localização de recolha do EEG) [F(13,3146) = 1.54, com α
= 0.096];
• (valor lógico das orações - colaborador - localização de recolha do EEG) [F(55,3094) = 1.34, com
α = 0.055];
• (valor lógico das orações - forma de apresentação das orações - localização de recolha do EEG)
[F(55,3094) = 1.34, com α = 0.055].
Todas as interacções globais sobre a latência de P300 atingem significado a 95%.
A exepção surge para a interacção (valor lógico das orações - colaborador) no caso dos
colaboradores C1E1 e C2E1 [F(3,1256) = 2.04, com 6 = 0.107].
(1)
- Nas próximas páginas o texto apresentado em letra de tamanho menor é de importância inferior ao texto restante.
84
1.3. Interacções dos Factores sobre a Componente N400
As interacções globais sobre a amplitude de N400 atingem significado a 95%, quase na
totalidade.
A exepção observada surge na interacção (colaborador - localização de recolha do EEG)
[F(27,3122) = 1.03, com α = 0.419].
Todas as interacções globais sobre a latência de N400 atingem significado a 95%.
1.4. Interacções dos Factores sobre a Componente P500
Todas as interacções globais sobre a amplitude de P500 atingem significado a 95%.
A maioria das interacções globais sobre a latência de P500 atingem significado a 95%.
A exepção verifica-se na interacção (valor lógico das orações - localização de recolha do EEG)
[F(13,3136) = 0.595, com α = 0.860].
No ponto 1 do Apêndice 6 são apresentados, como referência todos os resultados da análise das
interacções entre os factores que influenciam as amplitude e latências dos ERPs N200, P300, N400 e
P500.
2. Análise da Influência do Factor Forma de Apresentação das Orações sobre os ERPs
Neste ponto pretende conhecer-se quais são as consequências para os ERPs, em termos de
amplitude e latência, pelo facto de se variar a forma em que o material linguístico (oração) é
apresentado ao longo de cada ensaio. Como já foi dito, testaram-se duas formas distintas: uma em
que se vão mantendo no monitor os segmentos já apresentados da oração em causa (MS) e outra em
que só se mantém no monitor o segmento corrente (NMS).
Dado que as interacções entre factores se mostraram significativas para a maioria dos casos, vai
ter que se fazer a análise da influência deste factor por partes, de modo a que em cada uma só haja
variação do factor em estudo. Deste modo, fez-se uma análise em 4 partes (ver Apêndice 6, ponto
2.1), com vista a eliminar deste processamento a interferência dos factores valor lógico das orações,
85
tarefa a realizar e colaborador utilizado. Os resultados obtidos com esta análise são descritos abaixo.
Refira-se que os dados usados pertencem às experiências 1A e 1B, onde participaram os
colaboradores C1E1 e C2E1 e em que não se exigia deles uma resposta aberta.
2.1. Influência do Factor Forma de Apresentação das Orações sobre o ERP N200
A amplitude de N200 não é significativamente diferente nos casos MS e NMS e a latência deste
ERP é significativamente maior no caso MS do que no caso NMS.
2.2. Influência do Factor Forma de Apresentação das Orações sobre o ERP P300
Embora a amplitude de P300 seja ligeiramente superior no caso NMS , esta diferença não atinge
significado.
A exepção verifica-se para o colaborador C1E1 com orações verdadeiras, onde a diferença é
significativamente maior no caso NMS [F(1,320) = 20.79, com α = 0.000].
A latência desta componente é ligeiramente maior na situação NMS do que em MS, sem que esta
diferença seja significativa.
A exepção a esta tendência acontece para o colaborador C2E1 com orações verdadeiras, sendo a
latência significativamente maior no caso NMS [F(1,320) = 21.19, com α = 0.000].
2.3. Influência do Factor Forma de Apresentação das Orações sobre o ERP N400
Verificou-se que a amplitude de N400 é significativamente maior no caso NMS.
Também aqui ocorre uma exepção e para o caso do colaborador C2E1 e com orações
verdadeiras, em que embora a amplitude de N400 seja maior no caso NMS (-24.5uV vs -28.4uV),
esta diferença não é significativa [F(1,320) = 2.48, com α = 0.116].
A latência desta componenete é significativamente maior no caso MS.
A exepção à tendência anterior surge para a situação em que se usa o colaborador C2E1 e
orações falsas, onde embora a latência de N400 seja maior quando se usa a forma MS (396ms vs
391ms), esta diferença não é significativa [F(1,306) = 1.60, com α = 0.207].
86
2.4. Influência do Factor Forma de Apresentação das Orações sobre o ERP P500
A amplitude de P500 é significativamente maior no caso NMS do que no caso MS e a latência
deste ERP é significativamente maior no caso MS do que no caso NMS.
Uma observação mais detalhada da influência da forma como as orações são apresentadas aos
colaboradores sobre a amplitude e latência dos ERPs N200, P300, N400 e P500, pode ser
conseguida através dos resultados globais apresentados no Apêndice 6, ponto 2.1.
3. Análise da Influência do Factor Tarefa a Realizar sobre os ERPs
Neste ponto vai averiguar-se qual o efeito que tem sobre as componentes do EEG o tipo de tarefa
que se pede ao colaborador para executar, incidindo esta tarefa sobre o material linguístico que foi
apresentado no ensaio em causa. As opções testadas, quanto ao tipo de tarefa a executar, resumemse a duas: exigência ou não de uma resposta aberta/física sobre a oração apresentada nesse ensaio.
Tal como na análise do efeito do factor forma das orações sobre os ERPs, também aqui se divide
o processo em 4 parcelas (ver Apêndice 6, ponto 2.2), de modo a eliminar a interferência dos outros
factores envolvidos nas experiências. Os dados que se utilizaram neste ponto são provenientes das
experiências em que participaram colaboradores a quem foi pedido para executarem os 2 tipos de
tarefa (C1E2 e C2E2) e onde as orações foram apresentadas sob a forma NMS.
Os resultados obtidos com a análise agora referida são apresentados a seguir.
3.1. Influência do Factor Tarefa a Realizar sobre o ERP N200
Não se discriminou uma tendência definida na influência deste factor sobre a amplitude de N200.
Concluiu-se que a latência deste ERP é maior para a situação em se exige uma resposta aberta
sobre as as orações (R) do que para o caso de não se exigir qualquer tipo de resposta aberta (NR).
Esta tendência é significativa para os casos em que participou o colaborador C1E2 com orações
verdadeiras e o colaborador C2E2 com orações falsas. Ao utilizar-se o colaborador C1E2 e com
orações falsas, a tendência anterior verifica-se, mas não é significativa. A exepção à tendência
87
referida acontece ao utilizar-se o colaborador C2E2 com orações verdadeiras, em que a latência é
significativamente maior no caso NR (224ms vs 212ms) [F(1,418) = 16.60, com α = 0.000].
3.2. Influência do Factor Tarefa a Realizar sobre o ERP P300
Nas experiências em que participou o colaborador C1E2 observou-se que a amplitude de P300
era significativamente maior no caso NR. Para o colaborador C2E2 a amplitude de P300 é
significativamente maior no caso R do que no caso NR, utilizando orações falsas (23.7uV vs
13.1uV) [F(1,418) = 64.58, com α = 0.000], não havendo diferença significativa ao utilizarem-se
orações verdadeiras (14.4uV vs 13.1uV) [F(1,418) = 0.61, com α = 0.437].
Constatou-se que a latência de P300 é significativamente maior nos casos NR do que nos casos
R.
3.3. Influência do Factor Tarefa a Realizar sobre o ERP N400
A amplitude e latência da componente N400 são significativamente maiores para as situações NR
do que para R.
3.4. Influência do Factor Tarefa a Realizar sobre o ERP P500
Nas experiências em que participou o colaborador C1E2 observou-se que P500 apresenta uma
amplitude significativamente maior na situação NR. Para o colaborador C2E2 e com orações
verdadeiras a amplitude de P500 é maior para os casos NR (13.4uV vs 11.5uV), mas esta diferença
não é significativa [F(1,418) = 1.05, com α = 0.307].
Para o colaborador C2E2 e utilizando orações falsas, a amplitude de P500 apresenta-se
significativamente maior na situação R (17.4uV vs 9.7 uV) [F(1,418) = 9.74, com α = 0.002].
Verificou-se que não há diferença significativa na latência de P500 entre os casos NR e R.
A exepção ocorre quando se utiliza o colaborador C2E2 e com orações falsas, onde esta latência
é significativamente maior no caso NR do que R (526ms vs 515ms) [F(1,418) = 10.07, com α =
0.002].
88
Para uma consulta mais detalhada da influência do factor tarefa a realizar sobre a amplitude e
latência dos ERPs pode recorrer-se ao ponto 2.2 do Apêndice 6, onde se apresentam todos os
resultados desta análise.
4. Análise da Influência do Factor Valor Lógico das Orações sobre os ERPs
Para concluir a análise estatística em termos da influência de factores sobre os ERPs relacionados
com a apresentação ao colaborador do 3º e último segmento de cada oração, vai descrever-se a
influência do factor valor lógico das orações. Do que foi sendo mencionado ao longo do trabalho
conclui-se que a influência deste factor é de todas a que tem mais interesse conhecer. Isto deve-se ao
facto de se pretender conhecer principalmente as diferenças existentes nos ERPs gerados pela
apresentação de orações verdadeiras e falsas. Como já se disse, espera-se que estas diferenças sejam
mais evidentes em N400.
Uma vez que as interacções entre os outros factores (tarefa, forma das orações e colaborador) e o
valor lógico são quase todas significativas, dividiu-se o processo em 8 parcelas, de modo a evitar o
efeito dos outros 3 factores e obter nas conclusões apenas a acção do valor lógico (ver Apêndice 6,
ponto 3).
Apresentam-se agora os resultados da análise da influência do valor lógico sobre a amplitude e
latência de N200, P300, N400 e P500.
4.1. Influência do Factor Valor Lógico das Orações sobre o ERP N200
Não há diferença significativa entre a amplitude de N200 para orações verdadeiras e para orações
falsas, na maioria dos casos. Não há uma tendência definida para esta diferença, nestes casos.
Os únicos casos em que existe uma diferença significativa, verificam-se para a combinação de
factores (colaborador ≡ C1E2; tarefa a realizar ≡ R; forma de apresentação das orações ≡ NMS) em
que se obtém (média para as orações verdadeiras (Mv) = -21.6uV vs média para as orações falsas
(Mf) = -27.6uV) [F(1,628) = 20.75, com α = 0.000] e para a combinação de factores (colaborador ≡
C2E2; tarefa a realizar ≡ R; forma de apresentação das orações ≡ NMS) em que se obtém (Mv = 28.4uV vs Mf = -19.5uV) [F(1,418) = 23.56, com α = 0.000].
89
Não há uma tendência definida para a diferença entre a latência de N200 para orações verdadeiras
e falsas.
Os casos em que a diferença anterior é significativa são:
• para a combinação de factores (colaborador ≡ C1E1; tarefa a realizar ≡ NR; forma de apresentação
das orações ≡ NMS) em que se obtém (Mv = 149ms vs Mf = 157ms) [F(1,208) = 4.56, com α =
0.034];
0.000];
das orações ≡ MS) em que se obtém (Mv = 192ms vs Mf = 182ms) [F(1,418) = 9.37, com α =
0.002];
0.028].
Nos restantes casos a diferença não é significativa.
4.2. Influência do Factor Valor Lógico das Orações sobre o ERP P300
Na maioria dos casos não há diferença significativa entre a amplitude de P300 par os 2 tipos de
orações. Nestes casos a diferença é maioritariamente maior para orações falsas.
Os 2 casos exepcionais em que a diferença anterior é significativa acontecem para:
• a combinação de factores (colaborador ≡ C1E2; tarefa a realizar ≡ NR; forma de apresentação das
orações ≡ NMS) em que se obtém (Mv = 20.2uV vs Mf = 24.4uV) [F(1,418) = 4.63, com α =
0.032];
• a combinação de factores (colaborador ≡ C2E2; tarefa a realizar ≡ R; forma de apresentação das
orações ≡ NMS) em que se obtém (Mv = 14.4uV vs Mf = 23.7uV) [F(1,418) = 29.5, com α =
0.000].
Na maioria dos casos não é significativa a diferença entre a latência de P300 para orações
verdadeiras e para orações falsas. Também não há uma tendência definida para esta diferença.
90
O único caso em que esta diferença é significativa verifica-se para a combinação de factores
(colaborador ≡ C1E2; tarefa a realizar ≡ R; forma de apresentação das orações ≡ NMS) em que se
obtém (Mv = 250ms vs Mf = 258ms) [F(1,628) = 5.41, com α = 0.020].
4.3. Influência do Factor Valor Lógico das Orações sobre o ERP N400
A amplitude de N400 é maior para orações verdadeiras do que para orações falsas. Esta tendência
é significativa para a maior parte dos casos.
Nos seguintes casos a tendência anterior verifica-se mas não atinge significado:
das orações ≡ NMS) em que se obtém (Mv = -24.5uV vs Mf = -27.2uV) [F(1,418) = 1.48, com α =
0.225];
das orações ≡ NMS) em que se obtém (Mv = -21.5uV vs Mf = -21.9uV) [F(1,418) = 0.06, com α =
0.810].
Há a registar uma exepção à tendência referida acima e que acontece na combinação de factores
(colaborador ≡ C2E2; tarefa a realizar ≡ R; forma de apresentação das orações ≡ NMS) em que a
amplitude média de N400 é maior para orações falsas do que para verdadeiras (Mf = -30.1uV vs Mv
= -33.9uV) [F(1,418) = 3.06, com α = 0.081].
A latência do ERP N400 é maior para oracões falsas do que para orações verdadeiras. Esta
tendência é significativa para a maioria dos casos.
As exepções ao facto de se obter uma tendência anterior significativa ocorrem nos seguintes
casos, onde se verifica esta tendência mas não é significativa:
das orações ≡ NMS) em que se obtém (Mf = 391ms vs Mv = 389ms) [F(1,418) = 0.76, com α =
0.382];
das orações ≡ NMS) em que se obtém (Mf = 375ms vs Mv = 373ms) [F(1,418) = 0.31, com α =
0.382].
A exepção à tendência anterior ocorre para o colaborador C2E2 e nos seguintes casos:
91
• para a combinação de factores (tarefa a realizar ≡ NR; forma de apresentação das orações ≡ NMS)
em que se obtém (Mv = 382ms vs Mf = 378ms) [F(1,418) = 3.11, com α = 0.078];
• para a combinação de factores (tarefa a realizar ≡ R; forma de apresentação das orações ≡ NMS)
em que se obtém (Mv = 373ms vs Mf = 371ms) [F(1,418) = 0.28, com α = 0.595].
4.4. Influência do Factor Valor Lógico das Orações sobre o ERP P500
A amplitude de P500 para orações verdadeiras é maioritariamente maior do que para orações
falsas, não atingindo esta diferença significado na maioria dos casos.
O único caso em que esta amplitude é maior para orações falsas, atingindo significado, acontece
para a combinação de factores (colaborador ≡ C2E2; tarefa a realizar ≡ R; forma de apresentação
das orações ≡ NMS) em que se obtém (Mv = 11.5uV vs Mf = 17.4uV) [F(1,418) = 6.06, com α =
0.014].
Não existe uma tendência definida para a diferença entre a latência para orações verdadeiras e
para orações falsas, sendo maior para orações verdadeiras nuns casos e para orações falsas noutros.
Por outro lado, também não existe significado nesta diferença para a maioria dos casos.
As exepções em que a diferença mencionada atinge significado acontecem nos casos seguintes:
0.000];
0.002];
• para a combinação de factores (colaborador ≡ C2E2; tarefa a realizar ≡ R; forma de apresentação
0.035].
92
5. Influência do Factor Valor Lógico das Orações sobre o Atraso da Resposta e a Percentagem
de Erros
Para complementar a análise dos efeitos do factor valor lógico das orações sobre a tarefa de
verificação dessas orações, vai observar-se como se reflecte este factor na execução da resposta
exigida (na experiência 2B). Esta análise incidirá sobre 2 parâmetros relacionados com a resposta: o
atraso da execução da resposta relativamente à apresentação do estímulo principal para essa
resposta, e que é a apresentação do 3º segmento, e a quantidade de erros ocorridos nas respostas. Os
erros surgem por falta de resposta, devido a uma resposta fora de tempo ou através de uma resposta
errada. As conclusões tiradas da verificação dos efeitos exercidos pelo valor lógico das orações
sobre as respostas dadas, permitirão concluir das possíveis diferenças existente ao nível do
processamento semântico de orações verdadeiras e falsas.
Para a análise que se vai descrever foram utilizados dados obtidos durante a experiência 2B e
onde participaram os colaboradores C1E2 e C2E2.
5.1. Influência do Factor Valor Lógico das Orações sobre o Atraso da Resposta
Como os factores tarefa a realizar e a forma em que as orações são apresentadas não variam no
conjunto de dados utilizados, não há que preocupar com a interacção entre eles e o valor lógico das
orações. Deste modo apenas se verificou se existia interferência devido à utilização de vários
colaboradores.
A interacção entre os factores colaborador e valor lógico das orações mostrou-se ser significativa
[F(3,319) = 3.99, com α = 0.009], sendo as médias globais do atraso correspondentes à resposta a
orações verdadeiras e falsas 796ms e 849ms, respectivamente.
Dado que a interacção anterior é significativa, tem que se analisar separadamente a influência do
valor lógico e do colaborador sobre o atraso da resposta.
A influência do factor colaborador sobre o atraso da resposta é significativa [F(1,141) = 9.52,
com α = 0.002], sendo o colaborador C1E2 mais lento em média que o colaborador C2E2 (862ms
vs 757ms).
93
Tabela 4.1 - Atraso médio das respostas dadas pelos colaboradores participantes na experiência 2B,
no caso de orações verdadeiras e falsas. Os valores são em milisegundos.
Colaborador
Verdade
Falso
C1E2
C2E2
845
723
878
796
A influência do valor lógico das orações sobre o atraso da resposta, fazendo uma análise separada
para cada colaborador, mostrou não ser significativa, nem para o colaborador C1E2 [F(1,87) = 1.07,
com α = 0.303], nem para o colaborador C2E2 [F(1,52) = 1.06, com α = 0.309]. Os valores do
atraso médio da resposta são apresentados na Tabela 4.1. Do que acabou de ser dito e da análise da
tabela 4.1 pode acrescentar-se que a resposta a orações verdadeiras é mais rápida que a orações
falsas, como era esperado, e o facto desta tendência não se ter revelado significativa, deve-se
essencialmente a possuirem-se poucos valores e a variância destes ser razoável.
Tabela 4.2 - Percentagem média de erros ocorridos nas respostas dadas pelos colaboradores
participantes na experiência 2B, no caso de orações verdadeiras e falsas. Os valores
são em percentagem.
Colaborador
Verdade
C1E2
C2E2
0
(0/43)
6.67 (2/30)
Falso
2.12 (1/47)13.33 (4/30)
5.2. Influência do Factor Valor Lógico das Orações sobre a Percentagem de Erros
O processo de análise desta influência é análogo em tudo ao que se utilizou no ponto 3.5.1.
Começou por se verificar que a interacção entre os factores valor lógico das orações e
colaborador utilizado não é significativa [F(3,12) = 2.48, com α = 0.11], sendo este facto devido
provavelmente a possuirem-se poucas situações de erro nos dados adquiridos. A média global de
erros ocorridos nas respostas a orações verdadeiras e falsas é de 2.5% e 6.3%, respectivamente.
94
Embora a interacção anterior não se tenha revelado significativa, também aqui se vai analisar
separadamente a influência dos factores colaborador e valor lógico das orações.
Verificou-se que a influência do colaborador sobre a percentagem de erros ocorridos em 10
respostas possíveis do mesmo tipo é significativa [F(1,14) = 6.16, com α = 0.026], sendo maior para
o colaborador C2E2 do que para C1E2 (10% vs 1%).
Através de uma análise separada para os vários colaboradores, mostrou-se que a influência do
valor lógico das orações sobre a percentagem de erros ocorridos em 10 respostas possíveis do
mesmo tipo não é significativa, nem para o colaborador C1E2 [F(1,8) = 1.00, com α = 0.347], nem
para o colaborador C1E2 [F(1,4) = 0.50, com α = 0.519]. Na Tabela 4.2 apresentam-se os valores
das percentagens médias de erro para cada colaborador e tipo de orações. Com base nos valores da
Tabela 4.2, conclui-se que ocorrem mais erros em orações falsas do que verdadeiras em qualquer
dos colaboradores, embora esta tendência não seja significativa pela razão já apontada atrás.
6. Influência da Localização de Recolha dos Potenciais Eléctricos sobre a Amplitude e
Latência dos ERPs
Uma vez que foram utilizados 7 canais de EEG, ou seja, 7 localizações diferentes de recolha do
sinal, podem tirar-se mais algumas conclusões (a somar à já referida sobre a figura 13) sobre a
distribuição dos potenciais associados com a realização da tarefa de verificação das orações.
Como a análise para todas as combinações dos vários factores se tornava quase impraticável,
optou-se por fazer a análise apenas para a experiência 1B. Esta experiência caracteriza-se por não se
exigir uma resposta aberta, as orações são apresentadas na forma NMS e com a participação dos
colaboradores C1E1 e C2E1.
Os resultados do cálculo da análise de variância sobre a amplitude e latência dos vários ERPs com
o factor localização, é apresentada no ponto 4 do Apêndice 6. Aqui vão referir-se apenas as
observações mais importantes.
Começa por se notar que a localização de recolha do sinal influencia significativamente a
amplitude e a latência da componente N200. Tanto a amplitude como a latência de N200 são
maiores nas zonas central, frontal e parietal do cortex do que na zona occipital.
No caso de orações falsas, verificou-se que a localização de recolha do sinal influencia
significativamente a latência do ERP P300 [F(6,308) = 3.01, com α = 0.007], sendo esta latência
95
maior na zona que divide os hemisférios (central, frontal e parietalmente) do que nas outras
localizações usadas.
Representando a maioria das situações, constatou-se que as outras amplitudes (de P300, de N400
e de P500) e latências (de P300 com orações verdadeiras, de N400 e de P500) não sofrem influência
significativa do factor localização de recolha do EEG. No entanto, constata-se que a amplitude de
P300 é ligeiramente menor na zona occipital que nas outras usadas.
Quanto a possíveis diferenças entre os ERPs recolhidos do lado direito e os recolhidos do lado
esquerdo, conclui-se que apenas as amplitudes dos ERPs P300 e P500 apresentam uma diferença
relevante, sendo os primeiros maiores do lado esquerdo e os segundos maiores do lado direito.
Para as componentes P300, N400 e P500, e dado que a influência da localização de recolha dos
potenciais eléctricos sobre estes ERPs não é significativa, as conclusões a tirar para cada localização
são as mesmas que já foram apresentadas para a globalidade das localizações. Por exemplo, as
conclusões acerca das diferenças na amplitude e latência de N400 para os casos de orações
verdadeiras e falsas, são as mesmas para os vários canais, ou seja, a amplitude de N400 é maior para
orações verdadeiras e a sua latência é maior para orações falsas, embora estas diferenças não atinjam
significado pela razão citada. A confirmação deste exemplo pode ser verificada no ponto 4 do
Apêndice 6, observando as diferenças entre os valores das amplitudes e latências de N400 para os
casos V e F.
Figura 15 - Comparação do efeito da média e da mediana quando aplicadas aos vários canais do
mesmo segmento de EEG. No caso aqui apresentado o segmento de EEG corresponde
ao sinal médio para a globalidade das orações verdadeiras apresentadas na experiência
1B.
96
5.2.2 - Medidas de Localização dos Potenciais Eléctricos Pertencentes a Canais
Diferentes
Como já foi dito, uma forma de melhorar a RSR, entre outros parâmetros, consiste em aplicar aos
dados disponíveis uma medida de localização. Neste ponto a novidade reside no facto de o
processamento se efectuar sobre sinais contidos no mesmo segmento de EEG, o que significa que o
processamento é efectuado sobre os vários canais adquiridos em cada ensaio. Deste modo aproveitase o facto de se possuirem simultaneamente para o mesmo evento várias representações. Este
aspecto poderá ser útil em processamento em tempo real, como é o caso da classificação pretendida
para as respostas corticais.
As medidas de localização testadas foram a média e a mediana. A fórmula usada para o cálculo da
média é dada pela equação 4. Por outro lado, a mediana de (2n-1) valores é o nésimo valor quando a
sequência de valores está ordenada por valor crescente. Para muitos valores as duas medidas não
diferem significativamente, no entanto a mediana pode evitar erros introduzidos por valores
extremamente distantes da média. Na figura 15 pode observar-se como não existe grande diferença
entre a média e a mediana quando aplicadas sobre os vários canais do mesmo segmento de EEG.
Analisando a diferença entre N400 para orações verdadeiras e falsas, antes da aplicação de
qualquer medida de localização e após a aplicação da média ou da mediana, tiraram-se algumas
conclusões que se apresentam aqui. A utilização do ERP N400 deve-se ao facto de ser a
componente mais representativa das diferenças entre o processamento dos 2 tipos de orações.
A média e a mediana não se mostraram significativamente diferentes quanto aos efeitos sobre os
sinais. Contudo, pode considerar-se a média ligeiramente melhor, uma vez que proporciona a
existência de uma diferença entre a amplitude de N400 para orações verdadeiras e falsas maior do
que a obtida com a mediana.
A aplicação da média/mediana sobre os canais parece melhorar a diferença entre a amplitude de
N400 para os 2 tipos de orações, relativamente ao que se passa com um dos melhores canais, por
exemplo Fz. No entanto, estas melhorias não são totalmente convincentes.
Quando se utilizou a média/mediana em segmentos de EEG em bruto também se observou uma
melhoria, sem ser significativa, na diferença verdade-falso da amplitude de N400, relativamente ao
que se passa com o canal Fz.
97
A obtenção de resultados não muito relevantes neste ponto, deve-se ao facto de os vários canais
necessitarem de pesos diferentes para a manipulação simultanea no processamento referido.
Provavelmente estes pesos serão vectores, para ter em conta que os vários canais são projecções do
mesmo vector em direcções diferentes.
5.3 - Processamento Utilizando o Método da "Singular Value Decomposition SVD"
5.3.1 - Introdução ao Método da SVD
O poder do método da "Singular Value Decomposition -SVD" reside no facto de poder ser
aplicado em matrizes quadradas bem como em rectangulares, reais ou complexas. Deste modo, é
adequado para a solução numérica de problemas do tipo "linear least squares - LLS" dado que se
pode aplicar directamente à matriz que contém os dados [26].
Outra vantagem do método da SVD reside no facto de poder lidar com sistemas de equações ou
matrizes que são singulares ou numericamente próximas de singulares, obtendo deste modo
melhores resultados que a eliminação de Gauss ou a decomposiçao LU (decomposição de uma
matriz num produto de uma matriz triangular inferior por outra triangular superior).
Podem definir-se duas formulações diferentes para a solução dos problemas tipo LLS:
^
(i). W = Φ −1 * Θ
[eq.7]
^
em que W é a estimativa pelo método dos mínimos quadrados do vector dos pesos amostrais do
modelo dum filtro transversal, Φ é a matriz de correlação da média temporal das entradas e Θ é o
vector de correlação cruzada da média temporal entre as entradas e algumas respostas desejadas.
^
(ii). W = ( A H * A) −1 * A H * d
[eq.8]
em que A é a matriz de dados representando a evolução temporal dos vectores de entrada e d é o
vector de dados desejado, representando a evolução temporal desejada para a resposta.
98
Embora as duas formulações sejam matematicamente equivalentes, conduzem a computações bem
^
diferentes para calcular a solução W . A equação 8 conduz a soluções com o dobro da precisão para
a mesma precisão numérica. Esta equação pode ser representada doutra forma:
^
W = A+ * d
[eq.9]
onde
A + = ( A H * A)
−1 * H
A
[eq.10]
designado A + por pseudoinversa ou Moore-Penrose inversa generalizada da matriz A.
Muitas vezes acontece que A contém colunas linearmente independentes, ou seja, é preciso
escolher uma de entre várias soluções possíveis para o problema dos mínimos quadrados. Esta
questão pode ser resolvida pela técnica da SVD.
5.3.2 - O Teorema da SVD
O método da SVD fornece informação quantitativa sobre a estrutura de um sistema de equações
lineares, como por exemplo o sistema que interessa aqui descrever:
^
A*W = d
[eq.11]
^
em que A é uma matriz (K x M), d é um vector (K x 1) e W é um vector (M x 1) representando a
estimativa do vector de parâmetros desconhecido.
O teorema da SVD ou teorema de Autonne-Eckart-Young diz que dada uma matriz A, existem
duas matrizes unitárias V e U, de modo que seja verdadeira a seguinte equação:
UH * A * V =
∑ 0
[ ]
0
0
[eq.12]
99
com
∑ = diagonal (σ1, σ2, ... , σw), em que σ1 ≥ σ2 ≥ ... ≥ σw > 0.
[eq.13]
Uma matriz diz-se unitária se a sua complexa conjugada da transposta for igual à sua inversa. Por
X H designa-se a matriz hermitica transposta da matriz X.
O equacionamento do teorema da SVD pode ser expresso de modo a obter a matriz A em termos
das outras matrizes:
∑ 0
[ ]
A=U*
0
0
* VH
[eq.14]
em que V é uma matriz (M x M), U é uma matriz (K x K) e ∑ é uma matriz (W x W).
As matrizes unitárias U e V são ortogonais no sentido em que as suas colunas são ortogonais:
K
∑ u ij * uin = δ jn , com 1 ≤ j ≤ K e 1 ≤ n ≤ K
i =1
K
∑ vij * vin = δ jn , com 1 ≤ j ≤ M e 1 ≤ n ≤ M
i =1
[eq.15.1]
[eq.15.2]
O indice w em σw da equação 13 designa o "rank" da matriz A [rank(A)], sendo definido como o
número de colunas de A linearmente independentes. Como rank( A H ) = rank(A) e w (que é o "rank"
de A) é ≤ minimo(K, M), surgem dois casos distintos de sistemas de equações a resolver:
(1). K > M ⇒ sistema de equações sobredeterminado, ou seja, mais equações que incógnitas;
(2). K < M ⇒ sistema de equações subdeterminado, ou seja, mais incógnitas que equações.
Quando K < M, ou seja, há menos equações que incógnitas, devem acrescentar-se linhas de zeros
à matriz A até ficar uma matriz quadrada e adicionar zeros ao vector que representa a resposta
desejada do sistema.
100
A demonstração do teorema da SVD, postulado através da equação 12, para os 2 tipos de
sistemas de equações anteriores, pode ser confirmada na referência [26], nas páginas 405-408.
5.3.3 - Terminologia Associada com o Método da SVD
Os números σ1, σ2, ... , σw, elementos constituintes da diagonal da matriz ∑ da equação 12 (13
ou 14), são os valores singulares da matriz A. Se algum dos σi for nulo a matriz A diz-se singular.
As colunas da matriz unitária V, ou seja, v1, v2, ... , vM, são os vectores singulares à direita da
matriz A. Por outro lado, as colunas da outra matriz unitária (U), ou seja, u1, u2, ... , uK, são os
vectores singulares à esquerda da matriz A. De referir ainda que os M vectores singulares à direita
de A (vi) são os vectores próprios de ( A H * A ), enquanto que os K vectores singulares à esquerda
de A (ui) são os vectores próprios de ( A * A H ). Há que explicitar uma ideia que já foi expressa
atrás: o número de valores singulares positivos coincide com o "rank" de A.
Utilizando os vectores singulares à direita e à esquerda, vi e ui respectivamente, podem
representar-se as matrizes A e A H na forma expandida:
w
A = ∑ (σ i * u i * viH)
i =1
[eq.16]
w
A H = ∑ (σ i * vi * u iH )
i =1
[eq.17]
Se A for uma matriz hermitica ( a ij = a ji* ), os valores singulares de A são o valor absoluto dos
valores próprios de A.
Como já foi dito explicitamente, o método da SVD possibilita a formulação de uma definição pra
a pseudoinversa de uma matriz A cuja decomposição SVD é dada pela equação 12. Deste modo a
pseudoinversa de A ( A + ) é definida pela equação seguinte:
[
A+ = V *
Σ −1 0
* UH
0
0
]
onde Σ −1 = diagonal(σ 1−1, σ 2 −1,..., σ w −1) .
[eq.18]
101
5.3.4 - Utilização da Técnica da SVD para Resolver Sistemas de Equações Lineares
Quando uma matriz quadrada A é singular podem definir-se os conceitos de espaço nulo e gama.
Dado o sistema de equações A*x =b, se A for uma matriz quadrada e singular, então existe um
subespaço do vector x, chamado espaço nulo, que corresponde a zero (A*x = 0). A dimensão do
espaço nulo designa-se por nulidade de A. Se houver algum subespaço do vector b que pode ser
«atingido» por A, no sentido de a x corresponder um subespaço de b, este subespaço toma o nome
de gama de A. A dimensão da gama de A é o "rank" desta matriz. Se A é não singular, então
rank(A) coincide com a dimensão de b, caso contrário rank(A) é menor que a dimensão de b.
Resumindo, o rank(A) somado à nulidade de A iguala a dimensão de b.
A utilidade do que se expôs reside no facto de que, o que a técnica da SVD faz explicitamente é
construir bases ortonormadas para o espaço nulo e gama de uma matriz. Especificando, as colunas i
da matriz U cujos valores singulares σi da matriz ∑ não são nulos, constituem um conjunto
ortonormado de vectores base que representa o espaço gama. Por outro lado, as colunas i de V
cujos elementos σi forem nulos, formam uma base ortonormada para o espaço nulo.
Quando uma matriz A é singular, o sistema de equações A*x=b tem várias soluções se b estiver
contido na gama de A. Para obter uma solução única deve escolher-se aquela que tiver o menor x 2 .
Para se conseguir esta solução, usando a SVD, substitui-se (1/σj) por zero se σj=0 e a solução
desejada é dada pela equação seguinte:
x = V * [ diagonal(1 σ j) ] * U H * b
[eq.19]
Por oposição ao que se disse, se o vector b não estiver contido na gama de A, o sistema de
equações não tem solução. No entanto, a equação 19 pode ser utilizada para obter uma pseudosolução para o vector x que, embora não resolva exactamente o sistema A*x=b, é aquela que em
termo de mínimos quadrados o faz melhor. Resumindo, neste caso a solução x obtida é aquela que
minimiza r = A * x − b .
Normalmente a matriz A não é, nem singular, nem não singular, mas apresenta alguns σj muito
próximos de zero, designando-se A por matriz "ill-conditioned". Nestes casos, os métodos directos
de eliminação de Gauss e decomposição LU obtêm uma solução, mas esta solução apresenta grandes
102
erros na aproximação do vector b. Para obter uma solução mais precisa, usando o método SVD,
colocam-se a zero os σj que são próximos de zero e aplica-se a equação 19.
5.3.5 - Outras Aplicações da Técnica da SVD
Como se disse explicitamente, pode utilizar-se a SVD para obter o "rank" de uma matriz e para
calcular a sua pseudoinversa.
Um segundo tipo de aplicações da SVD situa-se no contexto de algebra linear e da teoria de
sistemas lineares, no sentido de determinar a representação de subespaços ou implementar operações
sobre subespaços. Entre as operações a realizar com subespaços podem referir-se o seu cálculo,
projecções de um subespaço sobre outro, cálculo do ângulo entre 2 subespaços, etc [27].
A SVD também pode ser empregue como uma ferramenta na análise teórica de algoritmos
numéricos, para determinar dependências entre colunas e linhas de uma matriz e para analisar
matrizes quadradas, matrizes invertíveis não quadradas ou matrizes tipo "rank-deficient".
Outra aplicação para a técnica da SVD consiste em melhorar a estimativa, pelo método de
predição linear, de frequências com níveis de RSR baixos. Este melhoramento consegue-se pela
decomposição SVD da matriz de dados de predição linear [28]. Nesta aplicação pode determinar-se
o número de sinusoides presentes nos dados e conhecer precisamente as suas frequências.
5.3.6 - Aplicação da SVD no Presente Trabalho
A ideia base para a aplicação da técnica da SVD no presente trabalho foi retirada do trabalho
descrito na referência [29]. Nesta referência o que se pretende é visualizar os sinais de EEG num
espaço de fase. A técnica da SVD surge ai no sentido de obter uma projecção num subespaço
tridimensional, onde as trajectórias que se aproximam de um único ponto no espaço de fase têm a
maior projecção.
As trajectórias descritas pela evolução temporal do estado do sistema (cérebro humano) geram
uma figura geométrica chamada o retrato do espaço de estados ou retrato do EEG. Com o retrato
do espaço de estados pretende-se que seja possível observar a movimentação complicada do estado
do sistema.
Como se sabe, a dimensão do espaço a reconstruir tem um papel importante na visualização. Por
exemplo, se um um objecto tridimensional for visualizado com menos de 3 dimensões, obtém-se uma
vista distorcida desse objecto. Por esta razão, para se reconstruir as propriedades dinâmicas do
103
sistema no espaço de fase tem que se conhecer primeiro a dimensionalidade do espaço envolvente.
Na referência [29] a dimensionalidade do espaço envolvente variou entre 5 e 12, o que significa que
para visualizar as trajectórias do EEG no espaço de fase são necessárias entre 5 e 12 dimensões. Esta
situação leva inevitavelmente á necessidade de projectar os retratos do EEG, dado que o ser humano
está limitado biologicamente a uma visualização 3D e tecnicamente (por computador ) a 2D.
Optaram por criar inicialmente uma projecção 3D para depois se obter uma vista 2D em
computador. As projecções implementadas eram ortogonais, sendo a escolha das 3 coordenadas do
subespaço, de entre as 5 a 12 existentes, um problema a resolver. A solução consiste em escolher o
subespaço 3D contendo a maior projecção do objecto original com dimensão N (> 3). É aqui que
surge a SVD, no sentido de obter as 3 coordenadas desejadas para este subespaço 3D. Como os
valores próprios medem a variância das projecções sobre os vectores próprios correspondentes,
escolhem-se para definição do subespaço 3D onde o retrato do EEG tem a maior projecção, os 3
vectores próprios que corresponderem aos 3 maiores valores próprios.
Para aplicar a técnica da SVD definiram a matriz A em que as linhas são constituidas por
segmentos de EEG sucessivamente atrasados, onde τ é um atraso arbitrário:
A=
x(1)
x(1 + τ )
x(1 + 2 τ )
...
x(1 + ( N − 1) τ )
x(2)
x(2 + τ )
x(2 + 2 τ )
...
x(2 + ( N − 1) τ )
...
...
...
...
...
x(M) x(M + τ ) x(M + 2 τ ) ... x(M + ( N − 1) τ )
A matriz A é decomposta pelo método da SVD, usando a equação 14. No sentido de obter as
projecções no subespaço 3D, colocam-se a zero as colunas de V que não correspondem aos 3
maiores valores singulares (próprios) de ∑ e calculando a nova matriz de projecção A = A*V.
Ao escolherem-se as direcções de projecção, definido o subespaço 3D, através da técnica da
SVD, o ruído não é aumentado, bem pelo contrário, é atenuado porque este tem uma distribuição
homogénea por todo o espaço, o que resulta numa redução do peso do ruído sobre um sinal que
passa a ser definido apenas pelas 3 projecções onde apresenta maior variância.
No caso presente, o procedimento seguido é bastante análogo ao que se acabou de descrever. A
matriz da dados A não é constituido por segmentos de EEG sucessivamente atrasados, mas sim por
vários segmentos de EEG representativos do mesmo evento. Ou seja, A (mp x np) contém sinais
adquiridos simultaneamente nas várias localizações utilizadas:
A=
ch0 1
ch0 2
...
ch0 mp
ch1 1
ch1 2
...
ch1 mp
104
... ch6 1
... ch6 2
...
...
... ch6 mp
Conclui-se que np é 7 e mp é definido pelo comprimento dos segmentos de EEG utilizado.
Aqui não se pretende obter uma visualização do EEG num espaço de fase, mas sim obter uma
projecção do EEG proveniente de várias localizações numa única direcção que melhore a RSR e
permita assim uma melhor visualização do sinal. A direcção procurada é obtida através da
decomposição da matriz de dados A pela técnica da SVD e considerando-a a coluna de V
correspondente ao maior valor singular da matriz ∑. Esta direcção corresponde ao valor próprio (à
direita) de A sobre o qual o EEG tem uma projecção maior.
A rotina que se vai utilizar para decompor a matriz A pelo método da SVD designa-se svdcmp( )
[30]. Esta rotina é baseada numa rotina desenvolvida por Forsythe e outros [31], e que por sua vez é
baseada na rotina original de Golub e Reinsch que pode ser encontrada, por exemplo, em LINPACK.
O algoritmo utilizado pela rotina svdcmp( ) é bastante estável e usa os conceitos de (i) redução
Householder para a forma bidiagonal e (ii) diagonalização pelo processo QR com deslocamentos
[32].
A rotina svdcmp( ) é usada com vários parâmetros de entrada. Concretamente, uma evocação
desta rotina é feita da seguinte forma:
svdcmp(a,K,M,∑,v)
significando que, dada a matriz de entrada a com dimensões (K x M), a rotina svdcmp( ) calcula a
sua decomposição SVD (A=U*∑*VH). Em termos de saidas pode dizer-se que a matriz U vai ficar
na zona de memória antes atribuida ao parâmetro a, a matriz diagonal de valores singulares ∑ é
«retornada» como um vector (parâmetro ∑) e a matriz V (não VH) é «retornada» no parâmetro v.
Como já se disse atrás, quando K for menor que M deve preencher-se a matriz a com linhas de
zeros até se obter uma matriz quadrada (M x M).
A implementação da rotina svdcmp( ) encontra-se no ficheiro svdcmp.c.
105
O fluxograma que descreve a obtenção da direcção de projecção procurada, no sentido de obter
uma melhor visualização do EEG, é apresentado no ponto 10 do Apêndice 3.
Sobre este fluxograma deve acrescentar-se que se fizeram algumas alterações de notação
relativamente à teoria da SVD. As substituições que se fizeram são as seguintes:
mp substituiu K;
np substituiu M;
W substituiu ∑.
Daqui resultou que as matrizes A, U, V e W passam a ter as dimensões: A (mp x np), U (mp x
np), V (np x np) e W (np x 1), onde np=7 porque se utilizaram 7 canais de EEG.
TABELA 5.1 - Amplitude (uV) e latência (ms) dos ERPs P300 e N400 medidos na projecção do
EEG sobre uma direcção obtida pela técnica da SVD. As primeiras 4 linhas da
tabela servem para identificar de onde provém o EEG usado na obtenção da
direcção de projecção e para identificar o EEG projectado sobre essa direcção.
EEG usado na obtenção
da direcção de projecção
EEG projectado sobre a
direcção obtida via SVD
Experiência
Orações
Experiência
Orações
1A
V
1A
V
1A
V
1A
F
1B
V
1B
V
1B
V
1B
F
2A
V
2A
V
2A
V
2A
F
2B
V
2B
V
2B
V
2B
F
T300
272
278
278
280
292
285
248
285
P300
-1.5
-1.1
5.4
0.8
1.8
3.0
-2.5
-3.9
T400
398
395
378
390
382
388
335
375
N400
-10.6
-17.1
-3.2
-9.6
-6.7
-8.1
-14.0
-17.6
A projecção do EEG, representado pela matriz A, sobre a direcção obtida através da
decomposição SVD, é feita calculando simplesmente o produto A*V. A matriz V deve conter na 1ª
coluna a direcção de projecção e zeros nas outras colunas, ficando a projecção do EEG na 1ª coluna
da matriz que alberga o produto A*V. Este processo é esquematizado no fluxograma que se
apresenta no ponto 11 do Apêndice 3.
106
TABELA 5.2 - Amplitude (uV) e latência (ms) dos ERPs P300 e N400 medidos na média dos 7
canais de EEG que foram projectados na direcção obtida pela técnica da SVD, e
cujos resultados dessa projecção estão tabelados na Tabela 5.1.
EEG médio dos 7 canais
projectados na direcção
Experiênci
a
Orações
obtida através da SVD
T300
P300
T400
N400
1A
1A
1B
1B
2A
2A
2B
2B
V
F
V
F
V
F
V
F
275
4.1
390
-2.4
272
0.0
390
-9.1
292
2.8
382
-4.8
288
3.4
385
-6.9
248
-1.6
332
-11.9
288
-3.0
378
-15.4
278
-0.8
400
-9.9
280
-0.4
395
-16.4
5.3.7 - Resultados Obtidos com a SVD
Para obter a direcção de projecção, na técnica da SVD, utilizou-se na «construção» da matriz de
dados A: o EEG médio par orações verdadeiras, todas as localizações disponíveis (7) e um segmento
de EEG que em termos da temporização dos ensaios nas experiências, vai desde a apresentação do
3º segmento (S3) até 700ms após essa apresentação, ou seja, tem um comprimento de 280 valores.
Calculou-se uma direcção de projecção para cada uma das experiências realizadas (1A, 1B, 2A, e
2B), dado que existem diferenças significativas entre estas experiências. Projectando a matriz
constituida pelos 7 canais de EEG médio para orações verdadeiras e falsas, na direcção
correspondente a essa experiência, pode observar-se o que acontece aos ERPs presentes no EEG
quando se opera esta projecção.
Na figura 16 apresentam-se, para efeitos comparativos, o sinal depois de projectado segundo a
direcção obtida com a SVD e a média dos canais que se projectaram (1/7∑canal[i][ ], 0 ≤ i ≤ 6).
Nesta figura, apresentam-se os sinais correspondentes às 4 experiências e para cada experiência
podem observar-se sinais para os casos em que se usou EEG médio proveniente da apresentação de
orações verdadeiras e falsas.
A Tabela 5.1 contém os resultados da observação da amplitude e latência dos dois ERPs mais
importantes (P300 e N400) em termos da análise do processamento semântico numa tarefa de
verificação de orações, e na zona de mais interesse, ou seja, após a apresentação do 3º segmento das
orações. Foi esta razão que levou à escolha do segmento de EEG utilizado no teste à funcionalide do
método da SVD sobre uma matriz de dados constituida por sinal de várias localizações do escalpe.
(a)-EXP. 1A (Orações V.)
107
(b)-EXP. 1A (Orações F.)
(c)-EXP. 1B (Orações V.)
(d)-EXP. 1B (Orações F.)
(e)-EXP. 2A (Orações V.)
(f)-EXP. 2A (Orações F.)
(g)-EXP. 2B (Orações V.)
(h)-EXP. 2B (Orações F.)
Figura 16 - Comparação entre a projecção do EEG na direcção obtida pelo método da SVD (sinal desenhado a
ponteado) e a média simples dos 7 canais de EEG usados no método da SVD (sinal desenhado a traço
continuo). Os sinais representam o EEG médio adquirido em cada uma das experiências (1A, 1B, 2A
E 2B) e para os dois tipos de orações (verdadeiras - V - e falsas - F). A marca S3 define o instante em
que se apresenta o 3º segmento das orações.
108
Na Tabela 5.2 estão disponíveis a amplitude e latência dos ERPs referidos, mas agora relativas à
média dos sinais provenientes das 7 localizações que se projectaram na direcção obtida com a SVD.
Verificou-se que para as experiências 1A e 1B não existe grande diferença entre os ERPs dos
sinais resultantes da projecção na direcção obtida com a SVD e os ERPs da média dos 7 canais
usados em cada projecção, quer em termos de amplitude, quer de latência de P300 e N400. Esta
constatação baseia-se na análise das 4 colunas da esquerda nas Tabelas 5.1 e 5.2 e/ou na observação
dos casos (a) a (d) da figura 16. No entanto, verifica-se que para a maioria dos casos a amplitude de
P300 e N400 diminui ligeiramente no caso da projecção na direcção obtida com a SVD
relativamente ao caso da média entre canais.
Nas experiências 2A e 2B, observou-se uma diferença maior entre o sinal projectado e o sinal
resultante da média dos canais, diferença esta que se reflecte na amplitude de P300 e N400. Também
aqui, estas amplitudes são maiores no caso do sinal resultante da média entre canais.
Quanto à diferença entre os casos de orações verdadeiras e falsas, importante no ERP N400,
pôde verificar-se que também não existe uma diferença digna de registo entre os dois casos em
comparação, como se pode ver na Tabela 6.
Constatou-se que utilizando outro tamanho para o segmento de EEG aquando da obtenção da
direcção de projecção segundo o método da SVD, não se obtêm resultados significativamente
diferentes. O mesmo acontecendo quando se utiliza em vez do EEG médio para orações verdadeiras,
o EEG médio para orações falsas, na obtenção dessa projecção.
Ter reduzido a 1 a dimensionalidade do subespaço de projecção na técnica da SVD podia ter
levado a que se perdesse grande quantidade de informação, mas o facto da forma da projecção se
aproximar da forma do sinal que se obtém com média dos 7 canais usados, serve de argumento para
rejeitar esta hipótese.
A conclusão final resume-se a que não é viável a utilização do método da SVD, da forma
experimentada, uma vez que não trás melhorias relativamente à média entre canais.
109
TABELA 6 - Diferença entre a amplitude de N400 (uV) para orações verdadeiras e para orações
falsas, no caso do sinal obtido pela projecção na direcção obtida com a técnica de
SVD e no caso da média dos canais utilizados na projecção referida no caso
anterior.
Experiência
1A
1B
2A
2B
SVD
Média
6.5
6.5
6.4
6.7
1.4
2.1
3.6
3.5
CAPÍTULO 6 - Classificação das Respostas Corticais
110
6.1 - Introdução
Neste capítulo vai tentar discriminar-se automaticamente a que classe pertencem as respostas
corticais recolhidas durante os vários ensaios das experiências realizadas. As classes possíveis são
duas, denominadas por V e F, em associação com o tipo das orações que representam: verdadeiras e
falsas.
Para que a classificação numa de duas classes seja possível, espera-se que os p parâmetros
utilizados para caracterizar as classes, ocupem zonas p-dimensionais passíveis de ser separadas. Para
garantir esta condição é desejável que as duas classes tenham dois grupos de parâmetros com médias
tão distintas quanto possível e variâncias o menor possível em ambas as classes.
A maneira como as classes são separadas e quais os parâmetros utilizar, constituem o método de
classificação. No presente trabalho serão apresentados dois métodos de classificação: um elementar
(ponto 6.2) e outro baseado no discriminante linear de Fisher (ponto 6.3). Em cada método
apresenta-se a sua descrição, algumas notas necessárias sobre o algoritmo empregue na classificação,
o desenho do sistema classificador e o repectivo teste. Para terminar, apresenta-se no ponto 6.4 uma
comparação dos dois métodos referidos.
6.2 - Método de Classificação Elementar
6.2.1 - Fundamentos Básicos do Método
A filosofia em que assenta este método de classificação resume-se a tentar discriminar as
respostas corticais correspondentes à apresentação de orações verdadeiras, das respostas
correspondentes a orações falsas, com base numa fórmula (ou parâmetro) que sintetize o
conhecimento a priori sobre as diferenças entre as respostas para os dois tipos de orações. Deste
modo, o número de parâmetros (p) utilizados para discriminar as duas classes é de apenas um e o
processo de classificação resume-se a um processo unidimensional sintetizado na figura 17. Pode
constatar-se desta figura que, se as médias das classes não estiverem suficientemente distantes uma
da outra e/ou as variâncias não forem convenientemente baixas, surgem problemas na classificação
111
das respostas pertencentes às duas classes. Estes problemas traduzem-se obviamente em erros na
classificação dessas respostas.
Figura 17 - Distribuição desejada para o parâmetro usado na discriminação de duas classes e que
resume o principio em que se baseia o Método Elementar.
Uma vez que a zona de interesse dos potenciais cerebrais adquiridos ao longo dos ensaios, no que
diz respeito à distinção entre os casos de orações verdadeiras e falsas, se situa após a apresentação
do 3º segmento das orações, é sobre os ERPs que ocorrem nessa zona que interessa possuir
conhecimento para englobar no parâmetro que vai permitir distinguir as duas classes. As
componentes em causa (N200, P300, N400 e P500) e a informação pretendida foram referidas
anteriormente quando se apresentou o processamento estatístico sobre os dados adquiridos nas
experiências. Dado que a componente P500 se revelou mais irregular que as outras, foi posta de lado
a sua utilização na classificação. Apresentam-se a seguir algumas das conclusões sobre a amplitude
dos ERPs que serviram de base à obtenção do parâmetro discriminador das respostas corticais.
A amplitude de N200 não depende significativamente, nem do valor lógico das orações, nem da
forma como as orações são apresentadas, mas está dependente do colaborador utilizado. Por outro
lado, verifica-se que a amplitude de N200 não é influenciada pelo factor tarefa a realizar segundo
uma tendência definida.
Relativamente à amplitude de P300 conclui-se que: é maior para orações falsas, sem que no
entanto esta tendência atinja significado, depende moderadamente do colaborador utilizado nas
experiências, é maior quando se apresentam as orações na forma NMS e varia com o tipo de tarefa
exigida.
112
Para terminar, as conclusões tiradas sobre a amplitude de N400 resumem-se a que ela é maior
para orações verdadeiras, sem atingir significado, depende do colaborador utilizado, é maior quando
se apresentam as orações na forma NMS e quando não se exige uma resposta aberta sobre as
orações apresentadas.
Das conclusões sobre a variabilidade da amplitude dos ERPs com o tipo de orações, pensou-se
utilizar um parâmetro discriminador em que entrasse o termo (P300 - N400).
Para se confiar no parâmetro seleccionado foram testadas várias definições:
Parâmetro 0 → [(P300 - N400) / (P300 - N200)]
Parâmetro 1 → [(P300 - N400) /N400]
Parâmetro 2 → [P300 - N400]
Parâmetro 3 → [N400]
O Parâmetro 0 surgiu da ideia de utilização do termo (P300 - N400) e de conclusões tiradas da
observação dos ERPs médios, que permitiram concluir que em média o quociente entre as diferenças
do «vale» N400 para o pico P300 e do «vale» N200 para o mesmo pico (o Parâmetro 0) era
relativamente estável para os vários casos e maior para orações falsas.
O Parâmetro 1 partiu do termo referido e a utilização no denominador da amplitude de N400 teve
como objectivo dar mais consistência teórica ao parâmetro discriminador. Esclarecendo melhor,
pode dizer-se que no Parâmetro 0 se usa um denominador (P300 - N400), que não tem a tendência
teórica mais recomendável, dadas as conclusões retiradas da análise estatística. Para tentar superar
este facto substituiu-se este denominador por N400, já que esta amplitude ao ser menor para orações
falsas, ainda reforçaria mais o termo (P300 -N400) que é maior para orações falsas.
O Parâmetro 2, que utiliza apenas o termo base referido, apareceu com o intuito de que com ele
se obtivesse uma maior diferença entre a média do parâmetro discriminador para os dois tipos de
orações. Isto por que neste caso o termo (P300 - N400) já não é dividido por outro termo que, na
maioria dos casos, é bastante maior que 1.
O Parâmetro 3 apenas inclui na definição do parâmetro discriminador a amplitude de N400, por
ser esta a maior certeza quanto à diferença entre as respostas corticais correspondentes a orações
verdadeiras e falsas.
113
6.2.2 - Algumas Nuances Incorporadas no Método Elementar
Como já foi referido, foram testadas 4 hipóteses para o parâmetro que permite discriminar a que
classe pertencem as respostas corticais.
Uma segunda opção incorporada neste método consistiu na possibilidade de se usarem vários
canais para cada resposta e decidir da atribuição da resposta cortical a uma das classes de acordo
com a moda das decisões para o conjunto de canais seleccionados. Com esta variante convém
utilizar um nível de decisão diferente para cada canal, no sentido de optimizar a classificação. A ideia
da utilização de vários canais tem obviamente a ver com a tentativa de redução dos erros de
classificação que ocorrem quando se usa só um canal, através de uma decisão que recorre a uma
medida de localização (moda).
Refira-se que a classificação vai incidir sobre respostas em bruto, ou seja, sem que se tenha
operado sobre elas uma eliminação do ruído, por exemplo calculando as respostas médias. Deste
modo, as respostas a classificar têm uma forma desfavorável à classificação, pois possuem uma RSR
muito baixa. Com o intuito de tentar melhorar a RSR optou-se por 2 processos: o alisamento dos
sinais e o cálculo da média dos sinais provenientes das várias localizações. Quanto ao alisamento das
respostas corticais, pode dizer-se que que isso significou uma passagem através dum filtro passa
baixo. A resposta impulsional desse filtro é bastante simples,
hf[n] = (δ[n-3] + 2*δ[n-2] + 3*δ[n-1] + 4*δ[n] + 3*δ[n+1] + 2*δ[n+2] + δ[n+3]) / 16
e em termos gráficos toma a forma que se apresenta na figura 18.
Relativamente à obtenção do nível de decisão que vai indicar, através do parâmetro
discriminador, a que classe pertencem as respostas corticais, experimentaram-se dois métodos. No 1º
método, chamemos-lhe Método 1, o nível de decisão é obtido pela média dos níveis de decisão
obtidos para cada uma das respostas em bruto. No 2º método, Método 2, o nível de decisão é
calculado a partir das respostas médias para orações verdadeiras e falsas. De referir que em ambos
os métodos o nível de decisão é obtido depois de se calcular a média do parâmetro discriminador
para os dois tipos de orações, sendo o nível de decisão o ponto médio entre as duas médias do
referido parâmetro. Utiliza-se o ponto médio para o nível de decisão, porque não há a priori
nenhuma razão para se considerar que este parâmetro tenha distribuições com variância diferente nos
dois tipos de orações.
114
hf[n]
4
3
3
2
2
1
...
0
0
-5
-4
-3
1
-2
-1
0
1
2
3
0
0
4
5
...
n
Figura 18 - Resposta impulsional do filtro utilizado para alisar as respostas corticais tendo em vista
melhorar a sua classificação.
Todas estas variantes estão incorporadas no fluxograma que se inclui no ponto 12 do Apêndice 3,
o qual representa um sumário do "algoritmo" utilizado pelo Método Elementar em discussão. Refirase que este fluxograma descreve o «desenho» e o teste do sistema classificador e que os resultados
da classificação são guardados num ficheiro sob a forma de uma matriz, em que uma dimensão é o
canal, a outra a ordem da resposta cortical em classificação. Os valores dessa matriz são os valores
do parâmetro discriminador e a classe atribuida a esse caso (canal ; ordem da resposta). Neste
ficheiro incorpora-se ainda, para cada resposta cortical, as modas do parâmetro citado e da
classificação calculada sobre os vários canais e, para cada canal, as médias do mesmo parâmetro
calculadas sobre as respostas do mesmo tipo (V, F). Estas duas informações adicionais são utilizadas
na análise da classificação (a 1ª) e no desenho do sistema classificador (a 2ª).
6.2.3 - Resultados Preliminares ao Desenho do Classificador
Comparando os resultados da classificação operada sobre um número razoável de casos,
constatou-se que a utilização do Parâmetro 0 para parâmetro discriminador dá melhores resultados
que usar os parâmetros 1 ou 2. A explicação para o falhanço do Parâmetro 2 deve-se à grande
variabilidade das amplitudes dos ERPs P300 e N400 nas respostas corticais em bruto
O que se acabou de dizer implicou que, para a escolha do melhor parâmetro discriminador,
restava comparar os resultados da classificação quando se usassem os parâmetros 0 e 3. Estes
115
resultados comparativos são apresentados na Tabela 7. Para obter esta tabela utilizaram-se dados
provenientes das experiências 1A e 1B e usou-se apenas um canal que continha a média dos 7 canais
disponíveis.
TABELA 7 - Resultados (em percentagem) da classificação das respostas corticais adquiridas nas
experiências 1A e 1B, quando se usam os parâmetros 0 e 3 para parâmetro
discriminador.
Experiência 1A
C1E1
C2E1
Parâmetro 0
Parâmetro 1
56.6 (34/60)
56.6 (34/60)
58.3 (35/60)
58.3 (35/60)
Experiência 1B
C1E1
C2E1
56.6 (34/60)
56.6 (34/60)
53.3 (32/60)
56.6 (34/60)
Como se vê facilmente da análise da Tabela 7, não existem praticamente diferenças no sucesso da
classificação quando se usam os parâmetros 0 ou 3, razão pela qual se teve que optar por uma delas.
A escolha recaiu no Parâmetro 0.
Classificando as mesmas respostas corticais com um número variável de canais, chegou-se à
conclusão de que usar os 7 canais apresenta vantagens sobre a utilização de apenas 5 (exclusão de
O2 e O1) e que, a classificação com 7 canais dá praticamente os mesmos resultados que um dos
melhores canais (Cz, Fz ou Pz). Operando assim apenas sobre um canal resultantante da média dos 7
canais, depois de se verificar que classificando com a média dos 7 canais os resultados eram
melhores do que com um canal em bruto, decidiu usar-se na classificação posterior a média das
respostas recolhidas nas 7 localizações usadas.
Alisar as respostas mostrou-se vantajoso para o sucesso da classificação, razão pela qual se
utilizou neste método o filtro passa baixo referido no ponto anterior.
A comparação dos 2 métodos de obtenção do nível de decisão utilizado na classificação dos
dados adquiridos nas experiências 1A e 1B está sumariada na Tabela 8. A análise desta tabela revela
que obter o nível de decisão através da média dos níveis de decisão para as várias respostas em bruto
(Método 1), apresenta alguma vantagem relativamente ao Método 2 quanto à percentagem de
sucesso na classificação.
116
TABELA 8 - Resultados (em percentagem) da classificação das respostas corticais recolhidas nas
experiências 1A e 1B, utilizando os Métodos 1 e 2 para obter o nível de decisão.
Experiência 1A
C1E1
C2E1
Método 1
Método 2
60.0 (36/60)
60.0 (36/60)
63.3 (38/60)
55.0 (33/60)
Experiência 1B
C1E1
C2E1
53.3 (32/60)
55.0 (33760)
50.0 (30/60)
45.0 (27/60)
6.2.4 - Desenho do Classificador Elementar
Nesta fase do processo de classificação o que se pretende é «desenhar» o classificador, ou seja,
obter os parâmetros necessários à classificação das respostas oriundas de uma dada experiência e de
um certo colaborador, com o maior sucesso possível.
Esta fase, a de desenho do classificador, caracteriza-se por se classificarem as mesmas respostas
que se usaram para obter os níveis de decisão que são utilizados na classificação.
Como as amplitudes dos ERPs N220, P300 e N400, incluidas no parâmetro discriminador
utilizado, variam com o colaborador, a forma de apresentação das orações e a tarefa exigida, tem
que se fazer uma classificação separada para cada uma das experiências (1A, 1B, 2A, 2B) e para
cada um dos colaboradores (C1E1, C2E1, C1E2, C2E2).
Para se conseguirem as amplitudes destes ERPs usaram-se intervalos baseados nos valores
médios das suas latências, os quais foram apresentados nas Tabelas 2.1.2, 2.2.2, 2.3.2 e 3.2. Estes
intervalos são definidos pelo seu início (tmin) e duração (dt) na Tabela 9, para cada experiência ,
colaborador e ERP.
No desenho do classificador fez-se um alisamento das respostas corticais, usaram-se respostas em
bruto (antes do alisamento), para cada ensaio usou-se apenas uma resposta resultante da média das
respostas provenientes das 7 localizações, o parâmetro discriminador usado foi o Parâmetro 0 e
recorreu-se ao Método 1 para determinar o nível de decisão. Para se evitarem erros elevados quando
se calcula o nível de decisão, eliminaram-se desse cálculo os valores extremos do referido parâmetro.
Assim, rejeitam-se os valores que saiam fora do intervalo [0.3 ; 2.0] no caso de orações verdadeiras
e fora do intervalo [0.3 ; 3.0] em orações falsas.
Os níveis de decisão usados na classificação encontram-se na tabela 10.
117
TABELA 9 - Valores (em milisegundos) utilizados para definir os intervalos onde se calcularam as
amplitudes de N200, P300 e N400, para as várias experiências e colaboradores.
Parâmetro
(ms)
T200(min)
dT200
T300(min)
dT300
T400(min)
dT400
Experiência 1A
C1E1
C2E1
140
100
200
120
350
110
140
100
200
120
350
90
Experiência 1B
C1E1
C2E1
110
100
230
90
330
130
120
100
230
90
330
110
Experiência 2A
C1E2
C2E2
150
110
240
100
320
100
160
100
260
90
340
100
Experiência 2B
C1E2
C2E2
150
100
210
110
300
120
160
110
220
120
320
120
TABELA 10 - Valores médios do nível de decisão utilizados durante o «desenho» do sistema
classificador, em cada experiência e com cada colaborador.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
1.186
1.013
__________
__________
1.102
1.144
__________
__________
C1E2
__________
__________
C2E2
__________
__________
1.104
1.369
1.253
1.236
Apresentam-se na tabela 11 os resultados da classificação das respostas corticais, obtidos na fase
de desenho do Classificador Elementar.
Como se pode constatar da análise da Tabela 11, a percentagem de respostas classificadas com
sucesso durante a fase de desenho do Classificador Elementar variou de 48.3% a 60%, o que é
nitidamente mau. Este resultado deve-se ao facto de as respostas apresentarem uma grande
variabilidade de caso para caso o que, torna qualquer busca de uma tendência fixa nas amplitudes
dos ERPs infrutífera. Também não se pode falar da existência de sucessos de classificação
significativamente diferentes de colaborador para colaborador, ou de uma experiência para a outra.
TABELA 11 - Resultados (em percentagem) da classificação das resposts corticais, correspondentes
à fase de «desenho» do sistema classificador.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
56.6 (34/60)
56.6 (34/60)
__________
__________
58.3 (35/60)
53.3 (32/60)
__________
__________
C1E2
__________
__________
C2E2
__________
__________
60.0 (36/60)
52.2 (47/90)
48.3 (29/60)
56.6 (34/60)
118
6.2.5 - Teste do Classificador Elementar
A fase de teste do classificador tem como objectivo observar o comportamento deste sistema
perante a tentativa de classificar respostas corticais não utilizadas aquando do desenho do
classificador. Este comportamento, que se deseja positivo, é importante pois permite concluir se o
sistema está bem dimensionado, ou se apenas apresenta uma espécie de optimização para os casos
que se usaram no seu desenho, falhando completamente nos casos restantes.
O processo de classificação é em tudo análogo ao que se usou na fase de desenho, exepto que
enquanto que na fase de desenho se usava na classificação de um conjunto de respostas um nível de
decisão obtido com essas respostas, no teste do sistema utiliza-se na classificação de um conjunto de
respostas um nível de decisão obtido com outro conjunto de respostas pertencente ao mesmo
colaborador e experiência.
Também aqui se usou alisamento das respostas corticais, uma única resposta por ensaio e
resultante da média das respostas das 7 localizações usadas e o mesmo parâmetro discriminador.
A Tabela 12 contém os resultados da fase de teste do sistema classificador. Pode verificar-se,
como seria de esperar depois dos resultados da fase de desenho, que os resultados da classificação
não são bons, variando a percentagem de respostas correctamente classificadas entre 46.6% e 60%.
Comparando estes valores com os da Tabela 11 conclui-se, como era esperado, que a percentagem
de respostas classificadas correctamente na sessão de teste é menor ou igual que na fase de desenho.
Há uma exepção para a experiência 1A e colaborador C1E1, em que o sucesso é maior na fase de
teste, o que não deixa de ser estranho.
Para terminar, fez-se uma classificação das respostas médias para cada colaborador e experiência.
O objectivo é ter uma ideia de como é que o classificador responde perante respostas corticais mais
bem «comportadas», como é o caso das respostas obtidas através da média de um número razoável
de respostas do mesmo tipo (V ou F). Deste modo, as respostas já apresentam uma RSR favorável e
os ERPs estão bem definidos.
A classificação das duas respostas médias, para os vários colaboradores e experiências, utilizou o
nível de decisão obtido com as respostas com que se calcularam essas respostas médias. Os
resultados desta classificação estão descritos na Tabela 13, confirmando que mesmo com as repostas
médias a classificação falha na experiência 1A com o colaborador C1E2 e na experiência 2B com
ambos os colaboradores. No caso da experiência 2B, onde se exige uma resposta aberta sobre as
119
orações apresentadas, o parâmetro discriminador apresenta uma tendência oposta à que se
considerou, ou seja, é maior para orações verdadeiras. A explicação pode estar nas diferenças das
amplitudes dos ERPs qundo se exige uma resposta aberta (exp. 2B), relativamente aos casos em que
não se exige qualquer tipo de resposta (outras experiências). De acordo com este resultado, na
experiência 2B deveria trocar-se a atribuição das respostas às classes, obtendo assim em termos de
ERPs médios um sucesso a 100%.
TABELA 12 - Resultados (em percentagem) da classificação das resposts corticais, obtidos durante
a sessão de teste do sistema classificador.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
60.0 (36/60)
46.6 (28/60)
__________
__________
58.3 (35/60)
50.0 (30/60)
__________
__________
C1E2
__________
__________
C2E2
__________
__________
56.6 (34/60)
52.2 (47/90)
46.6 (28/60)
56.6 (34/60)
TABELA 13 - Resultados da classificação das respostas corticais médias para orações verdadeiras e
falsas, em cada experiência e para cada colaborador.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
VeF
VeF
__________
__________
V ou F
VeF
__________
__________
C1E2
__________
__________
C2E2
__________
__________
VeF
------
VeF
------
Conclui-se que o Método Elementar, sem apresentar mau dimensionamento durante a fase de
teste, não se mostrou interessante em termos de sucesso na classificação. No entanto, este insucesso
deve-se, entre outras razões, à grande variabilidade dos sinais, à baixa RSR desses sinais, ao mau
comportamento por parte dos colaboradores perante algumas orações, à má selecção de certas
orações, à utilização de apenas um parâmetro, ao baixo número de respostas disponíveis, etc.
120
6.3 - Método de Classificação Baseado no Discriminante Linear de Fisher
6.3.1 - Introdução ao Método de Fisher
Um processo de reconhecimento de padrões acarreta sempre uma redução da dimensionalidade
do espaço original. Este facto é denominado por extracção dos parâmetros relevantes para a
definição do objecto em causa, no sentido de poder classificá-lo numa de entre várias categorias
possíveis. Estes parâmetros deverão ainda permitir a obtenção de uma forma de decisão a usar na
classificação, de modo a que esta se faça com um erro mínimo.
Quando os parâmetros a extrair variam em torno de um certo valor é necessário fazer uma
abordagem estatística da questão, que se pode passar a definir como sendo a extracção de algo
envolvido em ruído. A solução para o facto de na maior parte dos casos não se possuir grande
informação a priori sobre as caracteristicas estatísticas dos parâmetros, consiste em analisar muitos
casos para obter as estimativas dessas caracteristicas. Esta análise toma a dimensionalide do número
de parâmetros usados. Por esta razão, tem interesse estudar métodos que, tal como o discriminante
linear de Fisher, permitam reduzir a dimensionalidade referida.
A teoria da decisão de Bayes vai aqui ser exposta com o objectivo de se tentar obter o
discriminante óptimo [33,34].
Admite-se que existem I classes wi às quais os objectos podem ser atribuidos, com i a poder
tomar os valores de 1 a I e no caso presente I toma o valor 2. A probabilidade a priori de um objecto
pertencer a uma classe wi (i =1,2) designa-se por P(wi), para qualquer classe wi deve ter-se P(wi)>0
e no conjunto de classes deve verificar-se que ∑i[P(wi)]=1, com i a variar de 1 a I.
Vai supôr-se que os objectos são definidos por n parâmetros, onde cada um corresponde a uma
realização de uma variável aleatória xj, com j a variar de 1 a n. Por exemplo, se x for o vector de
parâmetros, então ele será um vector aleatório de n componentes:
x = [x1 x2 ... xn]T.
A função densidade de probabilidade condicional de estado é designada por p( x |wi), com i a
variar de 1 até I.
121
A expressão seguinte, retirada da regra de Bayes, indica como a observação de x altera a
probabilidade a priori P(wi) para a probabilidade a posteriori P(wi| x ):
P(w| x) =
p(x|wi) * P(wi)
p(x)
[eq.20]
onde p( x ) é dada por
I
p(x) = ∑ p(x|wj) * P(wj) .
j =1
[eq.21]
Perante um vector observação x toma-se a decisão αi, o que equivale a atribuir o objecto
correspondente à observação x à classe wi. Definindo a função λ(αi|wj), que é a função de custo
que corresponde a atribuir à classe wi um objecto pertencente à classe wj, o valor esperado do
custo/risco de que perante uma observação x se tome a decisão αi é dado por:
I
R(α i| x) = ∑ λ (α i| Wj) * P(wj| x) , com i = 1, ..., I
j=1
[eq.22]
onde a R(αi| x ) se dá o nome de risco condicional.
A decisão de Bayes consiste em escolher a decisão αi de modo a ter R(αi| x ) < R(αj| x ) para
qualquer i ≠ j. Esta decisão é optima no sentido de ser a decisão que apresenta maior probabilidade
de sucesso.
Optando por uma função de custo «simétrica» com a forma seguinte:
{10 <=<=sese ii=≠ jj
λ(αi|wj) =
[eq.23]
o custo, ou probabilidade média de erro, é dado por
R(αi| x ) = 1 - P(wi| x )
[eq.24]
122
Assim, para minimizar o custo deve maximizar-se P(wi| x ), o que equivale a dizer que para se
obter o erro mínimo deve tomar-se a decisão αi quando P(wi| x ) > P(wj| x ) (com i ≠ j). Em vez de
P(wi| x ) pode utilizar-se qualquer função f(P(wi| x )) que seja monótona crescente. Por exemplo, a
função g i’ (x) = log P(wi| x) serve para a obtenção do custo mínimo. Desenvolvendo esta função
em parcelas mais simples obtém-se a função g i (x),
g i (x) = log p(x|wi) + log P(wi)
[eq.25]
sendo esta função válida para função discriminante. Os valores de x que resolvem a equação
g1( x ) = g2( x ) definem a fronteira de decisão entre as duas classes.
Impondo as limitações de (a) p( x |wi) ser uma densidade normal multivariável e de (b) as matrizes
de covariância das 2 classes serem idênticas (∑1 = ∑2 = ∑), obtém-se:
p( x |wi) =
(2 π)
1
n2
*Σ
1
2
2
* e− ri 2
[eq.26]
ou sinteticamente
p( x |wi) ∼ N( μ i , Σ )
em que μ i designa o vector médio de dimensão n e Σ a matriz de covariância (n x n), dados por:
μ i = E[ x |wi], com i = 1,2
[eq.27.1]
T
Σ i = Σ = E[( x |wi- μ i )* (x| w i − μ i ) ], com i = 1,2
[eq.27.2]
Na equação 26, |Σ| significa o determinante da matriz Σ e r i 2 é o quadrado da distância de
Mahalanobis (ver referência [33] página 104):
r i 2 = (x − μ i )T * Σ −1 * (x − μ i )
[eq.28]
123
Numa distribuição como a que se definiu na equação 26, os pontos de densidade de probabilidade
constante encontram-se em hiperelipsóides definidos por ri constante, ou seja, hiperelipsóides em
que a distância de Mahalanobis de x a μ i é constante.
Substituindo p( x |wi) da equação 25 pela expressão apresentada na equação 26 obtém-se para a
função discriminante, desprezando os termos independentes de i, a seguinte expressão:
g i (x) = w i T * x + w io
[eq.29]
em que
wi = Σ −1 * μ i
[eq.30.1]
e
1
T
w io = − * μ i * Σ −1 * μ i + log P(wi)
2
[eq.30.2]
Pode concluir-se da equação 29 que a função discriminante é linear e a fronteira de decisão é o
hiperplano definido pela seguinte equação:
w T * (x − x o) = 0
[eq.31]
em que
w = Σ −1 * ( μ 1 − μ 2 )
[eq.32.1]
e
x0 =
1
log(P(w1) P(w2))
*( μ 1 − μ 2 )
*( μ 1 + μ 2 ) −
2
( μ 1 − μ 2 ) T * Σ −1 * ( μ 1 − μ 2 )
[eq.32.2]
124
6.3.2 - A Teoria do Método de Fisher
Para a explanação do método de Fisher utiliza-se um conjunto de k amostras, sendo cada uma
definida por um vector de parâmetros com dimensão n, x1, x 2 , ..., x k . Parte-se do principio de que
k1 destas amostras pertencem à classe w1 e que k2 pertencem à classe w2. As amostras pertencentes
à classe w1 são definidas por um vector x ∈ ao subconjunto X1 e as que pertencem a w2 por um
vector x ∈ ao subconjunto X2.
Uma forma de simplificar a análise deste método consiste em projectar os vários vectores de
parâmetros x i na direcção de um certo vector W , com || W ||=1, de modo a obter as projecções yi:
yi = W T * x i
[eq.33]
(a)
(b)
Figura 19 - Exemplo bidimensional (n=2) dos resultados obtidos pela projecção das amostras de 2
classes em 2 direcções W . No caso (a) a possibilidade de separação das 2 classes é
bem maior que no caso (b).
Tal como para as amostras x i , as projecções yi pertencerão a um dos subespaços Y1 ou Y2
conforme as respectivas amostras pertencerem a X1 ou X2.
125
A direcção de W , contrariamente à sua amplitude, é fundamental para a separação dos
subconjuntos Y1 e Y2. Uma direcção de projecção W inadequada produz uma sobreposição do
espaço ocupado por Y1 e Y2, como pode ser observado na situação (b) da figura 19. O que se
pretende com o método de Fisher é obter a direcção W que, com base num critério, resulte na
melhor separação de Y1 e Y2.
Para cada uma das classes wi as médias e as dispersões da projecção das ki amostras são definidas
pelas seguintes expressões:
1
• mi = * ∑ y
ki y ∈ Yi
2
• Si =
O termo
∑ (y - m i )
y ∈ Yi
[eq.34.1]
2
[eq.34.2]
1
2
2
(S1 + S2 ) constitui uma estimativa da variância das k amostras e ao termo
k
2
2
(S1 + S2 ) chama-se dispersão dentro da classe das projecções das amostras.
O discriminante linear de Fisher é a função linear W T * x para a qual é máxima a seguinte função
critério:
2
| − |
J(W) = m1 m 2
2
2
S1 + S2
[eq.35]
Apresentam-se de seguida as definições da matriz de dispersão Si, matriz de dispersão dentro da
classe SD e matriz de dispersão entre classes SE, com o objectivo de obter a função critério
explicitamente em termos da direcção de projecção W :
(1) • Si = ∑ (x − m i ) * (x − m i )T
x
em que
[eq.36]
mi =
1
* ∑x
ki x ∈ Xi
126
[eq.37]
e da equação 34.1 obtém-se, substituindo y por W T * x , para valor de m i :
T
mi = W * m i
[eq.38]
logo o termo | m1 − m 2 | contido no numerador da função critério pode escrever-se:
| m1 − m 2 | = | W T * ( m1 - m 2 )|
[eq.39]
(2) • A matriz dispersão dentro da classe SD que, é proporcional à matriz de covariância das
amostras, simétrica, positiva semidefinida e é não singular se k<n, define-se por:
SD = S1 + S2
[eq.40]
2
obtém-se para a dispersão da projecção da classe wi ( Si ), substituindo na equação 34.2 y por
W T * x e m i por W T * m i , a seguinte expressão:
2
T
Si = W * Si * W
[eq.41]
logo o denominador da função critério escreve-se:
2
2
T
S1 + S2 = W * SD * W
[eq.42]
(3) • A matriz de dispersão entre classes SE que, é simétrica, positiva semidefinida, singular e
tendo ordem máxima 1 por ser um produto externo de 2 vectores, é definida por:
SE = ( m1 − m 2 ) * ( m1 − m 2 )T
[eq.43]
127
de onde se pode obter para o numerador da função critério, partindo da equação 38, a seguinte
igualdade:
( m1 − m 2 )2 = W T * SE * W
[eq.44]
Conclui-se ainda que SE * W possui a mesma direcção do termo ( m1 − m 2 ) , qualquer que seja a
direcção de projecção W .
A partir das equações 42 e 44 pode redefinir-se a função critério J( W ) em termos de W e que
normalmente se designa por quociente de Rayleigh generalizado:
T*S * W
E
J(W) = W
T
W * SD * W
[eq.45]
Demonstrou-se que a direcção W que maximiza a função critério J deve satisfazer a próxima
igualdade, representando esta igualdade um problema de valores próprios generalizado:
SE * W = λ * SD * W
[eq.46]
Se a matriz SD for não singular obtém-se uma igualdade que traduz um problema de valores
próprios convencional:
SD −1 * SE * W = λ * W
[eq.47]
Como SE * W tem a direcção de ( m1 − m 2 ) e dado que um factor de escala é irrelevante, pode
reescrever-se a equação anterior doutra forma:
W = SD-1 *( m1 − m 2 )
[eq.48]
Obteve-se deste modo o discriminador linear de Fisher, que consiste numa função linear que
máximiza o quociente entre a dispersão entre classes e a dispersão dentro da classe. Por outro lado,
reduziu-se um problema a n dimensões a um problema unidimensional.
128
Figura 20 - Esquematização da obtenção da fronteira de decisão óptima ( W ⊥ ), no caso
bidimensional (n=2), onde m1 e m 2 são as médias das classes w1 e w2 e W é a
direcção de projecção.
Para terminar a exposição do método de Fisher, resumem-se aqui as condições necessárias para se
obter um discriminador óptimo em conformidade com a teoria de decisão de Bayes:
(i). as amostras utilizadas representam a realização de um vector aleatório, em que as densidades
de probabilidade condicional p(x| wi) seguem uma distribuição normal, e onde as matrizes de
covariância são idênticas, ou seja, Σ1 = Σ 2 = Σ ;
(ii). se se utilizarem a média e a variância amostrais para estimativas de μ i e Σ i ,
respectivamente;
(iii). se se admitir que as probabilidades a priori das 2 classes são iguais, ou seja, P(w1) = P(w2).
Obedecendo a estas condições, a linha perpendicular a W e equidistante das médias das
projecções das 2 classes, é a fronteira de decisão óptima segundo a teoria de decisão de Bayes. Na
figura 20 apresenta-se uma ilustração, para o caso bidimensional, da obtenção da fronteira de
decisão óptima ( W ⊥ ).
6.3.3 - Implementação do Classificador Baseado no Discriminante Linear de Fisher
Após a exposição de toda a teoria essencial à obtenção de uma direcção de projecção W e uma
fronteira de decisão óptima ( W ⊥ ) que, permitirão separar duas classes w1 e w2, vão descrever-se
129
os passos mais importantes no desenvolvimento de um classificador que assente nesta teoria. Este
processo foi dividido em 3 fases:
(i). obtenção dos objectos/amostras que representam as respostas corticais e que vão ser utilizados
na definição da direcção W e da fronteira W ⊥ ;
(ii). cálculo da direcção de projecção e da fronteira de decisão óptima;
(iii). classificação dos objectos dadas a direcção e a fronteira obtidas anteriormente.
Na primeira fase tem interesse descrever a estrutura dos objectos/amostras a classificar. Pode
dizer-se que cada objecto consistirá num vector com n parâmetros. Estes parâmetros conterão a
informação mais relevante para a identificação das respostas corticais como pertencentes a uma das
2 classes possíveis (V ou F). A solução utilizada para definir os objectos, visto que usar n amostras
consecutivas de cada sinal seria ilógico, foi pegar nas caracteristicas julgadas essenciais na
caracterização das respostas corticais e traduzi-las nos n parâmetros. Deste modo, definiram-se
objectos com 7 parâmetros caracteristicos, representando informação sobre os potênciais cerebrais
na zona após a apresentação do 3º segmento das orações. Utilizando o conhecimento a priori sobre
estes potenciais, por exemplo o que se apresentou no ponto 6.2.1, chegou-se à seguinte lista de
parâmetros constituintes dos objectos/amostras a classificar:
(1) • amplitude do ERP N200 (N200);
(2) • amplitude do ERP P300 (P300);
(3) • amplitude do ERP N400 (N400);
(4) • latência do ERP N400 (t400);
(5) • declive médio na zona que vai de N200 até P300 (dpos), definida pela seguinte expressão:
dPos = (P300 - N200) / (t300 - t200);
(6) • declive médio na zona que vai de P300 até N400 (dNeg), definida pela seguinte expressão:
dNeg = (N400 - P300) / (t400 - t300);
(7) • largura a meia altura do pico onde se define P300 (lb_meio), sendo a altura definida na parte
descendente, como se constata a seguir:
lb_meio = tB - tA;
tA ≡ latência entre N200 e P300 onde o sinal toma o valor [(P300+N400)/2];
tB ≡ latência entre P300 e N400 onde o sinal toma o valor [(P300+N400)/2].
130
Os intervalos utilizados para determinar as posições dos picos que caracterizam os ERPs N200,
P300 e N400 são definidos a partir dos valores apresentados na Tabela 9.
Na segunda fase do processo em discussão vão determinar-se, dados os objectos/amostras
desejados e com a estrutura definida anteriormente, a direcção de projecção W e a fronteira de
decisão W ⊥ .
Para se obter a direcção W utiliza-se a equação 48, de onde se conclui que os passos a seguir
são: cálculo das médias amostrais ( m1 e m 2 ) e obter a inversa da matriz de covariância dentro da
classse ( SD −1). Para se obter SD recorre-se à equação 40, que indica que é necessário calcular as
matrizes de covariância amostral para as 2 classes (S1 e S2). Estando na posse de SD , o cálculo da
sua inversa é o próximo passo, exigindo que se verifique primeiro se ela é não singular, pois só neste
caso é que existe inversa. De entre as várias formas possíveis para calcular a inversa de SD , utilizouse um método menos usual mas que, além de testar simultaneamente se a matriz SD é não singular,
utiliza um algoritmo já apresentado anteriormente na decomposição SVD duma matriz.
Apresenta-se aqui, como curiosidade, a demonstração deste método de obtenção da inversa de
uma matriz (neste caso SD ).
Do teorema da SVD, expresso na equação 14, tem-se:
SD = U * ∑ * VT
logo a inversa de SD pode escrever-se como
SD −1 = (U * Σ * V T )−1
[eq.49]
Dado que existe um teorema que formula a inversa dum produto de matrizes no «produto
comutado» das inversas dessas matrizes (teorema 6, páginas 196 e 197 da referência [35] ), ou seja:
(X * Y) −1 = Y −1 * X −1
pode deste modo escrever-se a equação 49 desta forma:
[eq.50]
131
SD −1 = ((U * Σ ) * V T ) −1 = ( V T )−1 * (U * Σ )−1
= ( V T )−1 * Σ −1 * U −1
[eq.51]
Como as matrizes U e V são unitárias, a sua inversa é igual à sua hermitica, tem-se:
V H = V −1
U H = U −1
e porque no presente trabalho os valores contidos nas matrizes U e V são reais resulta que:
V -1 = V T
U -1 = U T
eq.52.1
eq.52. 2
Das equações 51 e 52 resulta a expressão da inversa de SD :
SD −1 = ( V -1)−1 * Σ −1 * U T
= V * Σ −1 * U T
[eq.53]
em que a inversa de Σ ( Σ −1 ) é calculada invertendo apenas os valores da sua diagonal, porque
como Σ = diagonal(σ1, σ2, ... , σn) vem que σ −1 = diagonal(1/σ1, 1/σ2, ... , 1/σn).
Conclui-se da equação 53 que o grosso do trabalho do cálculo da inversa, e simultaneamente do
teste à existência de inversa, é feito pelo algoritmo da SVD. O resto resume-se a um quociente de
uma matriz (n x n) por um escalar e um produto de duas matrizes (n x n). A verificação da
singularidade da matriz SD , consiste apenas em verificar se algum dos elementos da diagonal de Σ é
nulo; se algum destes elementos for nulo, SD não tem inversa.
Apresentam-se nos pontos 13 e 14 do Apêndice 3 os fluxogramas resumidos do programa que
controla a obtenção da direcção de projecção e da fronteira de decisão óptima e da rotina que
calcula a direcção W pelo método de Fisher.
A implementação em C destes fluxogramas é feita nos ficheiros fisher.c e fisher1.c.
Na terceira fase do desenvolvimento do classificador processa-se a classificação de
objectos/amostras com a forma apresentada na 1ª fase e através do discriminador obtido na 2ª fase.
132
Como o método de Fisher reduziu a dimensionalidade do problema a 1, a fronteira de decisão é
definida apenas por um ponto sobre a recta definida por W (ponto D na figura 20).
A decisão sobre a classe a que pertence um objecto x a classificar, inicia-se com a projecção
deste objecto sobre a direcção W , obtendo-se um ponto sobre esta direcção caracterizado pela
norma do vector associado a esse ponto (norma_x). O 2º e último passo da classificação consta da
decisão propriamente dita. Esta decisão toma em atenção dois factos, resultando em quatro
alternativas, que se podem traduzir por:
- observar se a projecção do objecto x a classificar (norma_x) é maior ou menor que a
intercepção da fronteira de decisão com a direcção W (ponto D, caracterizado pela norma do vector
associado - norma);
- saber qual das 2 classes (w1 e w2) tem uma projecção da média com uma norma associada
maior, se a 1ª (norma1) ou a 2ª (norma2).
Com estes dois dados chega-se univocamente à atribuição do objecto a uma das classes, o que
constitui o objectivo final deste processo.
No fluxograma que se inclui no ponto 15 do Apêndice 3 apresenta-se um resumo do programa
que controla a classificação dos objectos/amostras numa de 2 classes, pelo método do discriminante
linear de Fisher.
6.3.4 - Resultados Preliminares ao Desenho do Classificador de Fisher
Com o objectivo de optimizar a classificação das respostas corticais, fez-se uma abordagem
preliminar de alguns aspectos relacionados com a forma como se usam estas repostas na obtenção da
decisão final sobre a classe a atribuir.
O primeiro aspecto abordado tinha como finalidade verificar a influência do tipo de objectos
utilizados para obter a direcção de projecção W . Para este efeito, compararam-se duas alternativas à
forma de obter W : obtenção de W com base em objectos correpondentes a respostas corticais em
bruto (Método 1) e obter W à custa de objectos correpondentes a respostas corticais médias
(Método 2). Os resultados desta abordagem, para as experiências 1A e 1B, estão presentes na
Tabela 14. De referir que se utilizaram as respostas adquiridas nas 7 localizações acessíveis e se
aplicou alisamento sobre essas respostas.
Os resultados da Tabela 14 revelam que para qualquer experiência e colaborador testados, utilizar
para obter a direcção de projecção W , todos os objectos possíveis e em bruto (Método 1), conduz a
um sucesso de classifcação bastante melhor do que quando se usam os objectos médios para os 2
133
tipos de classes (Método 2). È esta a razão porque se utilizará o Método 1 no «desenho» do
classificador de Fisher.
O segundo aspecto estudado prendia-se com a optimização da utilização das respostas corticais
provenientes das 7 localizações usadas nas experiências realizadas.
Tendo em mente as conclusões apresentadas no ponto 6.2.3 sobre a utilização no Método
Elementar de um número variado de localizações, foram aqui testadas as duas alternativas que ai
apresentaram melhores resultados. Deste modo, comparam-se duas soluções para a utilização das
respostas provenientes das várias localizações: numa delas usam-se os sinais das 7 localizações e
baseia-se a decisão final sobre a classe a que pertencem esses sinais na moda das decisões para as 7
respostas (Opção 1), e na outra solução recorre-se apenas a uma resposta cortical resultado da
média das respostas adquiridas nas 7 localizações (Opção 2).
TABELA 14 - Resultados (em percentagem) da classificação das respostas corticais adquiridas nas
experiências 1A e 1B, utilizando os métodos 1 e 2 para obter a direcção de
projecção W .
Experiência 1A
C1E1
C2E1
Método 1
Método 2
71.6
56.6
(43/60)
(34/60)
73.3 (44/60)
55.0 (33/60)
Experiência 1B
C1E1
C2E1
66.6 (40/60)
51.6 (31/60)
63.3 (38/60)
51.6 (31/60)
Apresentam-se na Tabela 15 os resultados da abordagem do 2º aspecto optimizador do
classificador. Para obter estes resultados, foram utilizados objectos das experiências 1A e 1B
representando respostas corticais em bruto e fez-se um alisamento destas repostas corticais.
TABELA 15 - Resultados (em percentagem) da classificação das repostas corticais adquiridas nas
experiências 1A e 1B, recorrendo às Opções 1 e 2 no processo de classificação.
Experiência 1A
C1E1
C2E1
Opção 1
Opção 2
71.6 (43/60)
78.3 (47/60)
73.3 (44/60)
78.3 (47/60)
Experiência 1B
C1E1
C2E1
66.6 (40/60)
58.3 (35/60)
63.3 (38/60)
61.6 (37/60)
Pode concluir-se que não existe uma tendência generalizada para que alguma das 2 soluções seja
melhor que a outra, equivalendo-se praticamente em termos do sucesso global obtido. Verifica-se
134
que, para a experiência 1A a Opção 2 dá melhores resultados, mas para a experiência 1B é a Opção
1 que resulta numa percentagem de sucesso maior.
6.3.5 - Resultados da Fase de «Desenho» do Classificador de Fisher
No Método de Fisher, «desenhar» o sistema classificador consiste na obtenção, para cada
experiência e colaborador, da direcção de projecção W e da fronteira de decisão óptima a usar na
futura classificação das respostas corticais dessa experiência e colaborador.
Os objectos com que se desenhou o classificador correspondiam a respostas corticais em bruto
(Método 1), aplicou-se depois alisamento nestas respostas e por cada ensaio a classificar usou-se
apenas uma resposta resultante da média das respostas adquiridas nas 7 localizações (Opção 2).
A fase de desenho caracteriza-se, como foi referido no Método Elementar, por se classificarem os
objectos que serviram para obter o classificador.
Os resultados da classificação, no que diz respeito ao desenho do sistema, encontram-se na
Tabela 16. Da observação desta tabela constata-se que o sucesso , a nível global, variou de 58.3% a
78.3%. Pode referir-se que para o presente trabalho, este resultado não é mau de todo, sendo
semelhante ao que é conseguido noutros trabalhos encontrados na bibilografia revista.
TABELA 16- Resultados (em percentagem) da classificação das respostas corticais obtidos na fase
de «desenho» do classificador de Fisher.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
78.3 (47/60)
58.3 (35/60)
__________
__________
78.3 (47/60)
61.6 (37/60)
__________
__________
C1E2
__________
__________
C2E2
__________
__________
70.0 (42/60)
73.3 (66/90)
71.6 (43/60)
73.3 (44/60)
Ainda sobre os resultados da classificação apresentados na Tabela 16 conclui-se que a
apresentação das orações na forma MS (experiência 1A) conduz a melhores resultados que a forma
usada nas outras experiências, para qualquer colaborador. Por outro lado, comparando os resultados
da classificação na experiência 2B com os das experiências 1B ou 2A, pode concluir-se que exigir
uma resposta aberta aos colaboradores (experiência 2B) permite um sucesso maior na classificação
relativamente ao caso em que não se exige resposta aberta (experiências 1B e 2A). Para terminar,
135
constata-se que para cada uma das experiências não há grandes diferenças no sucesso obtido para
colaboradores diferentes.
6.3.6 - Resultados Obtidos com o Teste do Classificador de Fisher
Depois de obtido o classificador de Fisher, convém agora passar à fase em que se testa o seu
comportamento quando se tentam classificar respostas corticais não utilizadas no desenho deste
classificador. Ou seja, para cada colaborador e experiência, vai averiguar-se o sucesso de
classificação de objectos com base numa direcção de projecção e uma fronteira de decisão que foram
obtidas com outros objectos.
Tal como na fase em que se desenhou o sistema, também aqui se usaram objectos
correspondentes a respostas em bruto (Método 1), passaram-se essas respostas pelo filtro passa
baixo e para cada ensaio usou-se apenas uma resposta resultante da média das 7 disponíveis para
esse ensaio (Opção 2).
Apresentam-se na Tabela 17 os resultados conseguidos durante a fase de teste do classificador de
Fisher. Da análise desta tabela verifica-se desde logo que a percentagem de sucesso obtida, de 41.6%
a 64.4%, é pior, em todas as experiências e colaboradores, do que na fase de desenho do
classificador. O decréscimo de sucesso já era esperado mas não a sua proporção, sendo de espantar
os máus resultados obtidos para as experiências 1A, 1B e em menor grau para a experiência 2A.
Estes resultados devem-se às mesmas razões apontadas no Método Elementar (ponto 6.2.5) e ainda
à possível má selecção de alguns parâmetros que fazem com que a direcção de projecção W varie
muito com o conjunto de objectos usados no desenho do classificador.
TABELA 17 - Resultados (em percentagem) da classificação das respostas corticais obtidos na fase
de teste do classificador de Fisher.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
41.6 (25/60)
46.6 (28/60)
__________
__________
41.6 (25/60)
46.6 (28/60)
__________
__________
C1E2
__________
__________
C2E2
__________
__________
55.0 (33/60)
64.4 (58/90)
46.6 (28/60)
53.3 (32/60)
O facto mais saliente, resultante da análise da Tabela 17, é a constatação de que o sucesso obtido
quando se exige uma resposta aberta (experiência 2B), é nitidamente superior ao que se obtém com
as (outras) experiências em que não se exige uma resposta aberta (1A, 1B e 2A). Este facto dá
136
consistência à diferença de sucessos obtida para estes dois tipos de experiências na fase de desenho e
que, foi referida no ponto anterior.
Para terminar o teste do classificador de Fisher apresentam-se os resultados da classificação de
respostas corticais médias para cada tipo de oração (V e F). Estes resultados são apresentados na
Tabela 18, onde se indicam quais as decisões obtidas com sucesso e a percentagem de canais em que
a decisão parcelar foi correcta. Assim, por exemplo um resultado de "V(6/7) e F(7/7)" significa que
se classificaram correctamente 6 das 7 respostas por canal correspndentes à média das respostas para
orações verdadeiras e 7 das 7 respostas por canal resultantes da média das respostas para orações
falsas.
TABELA 18 - Resultados (em percentagem) da classificação das repostas corticais médias para as
orações verdadeiras e falsas, em cada colaborador e experiência. Entre parenteses
indica-se o número de canais correctamente classificados relativamente ao total de
canais usados.
Experiência 1A
Experiência 1B
Experiência 2A
Experiência 2B
C1E1
C2E1
V (7/7) e F (7/7)
V (7/7) e F (7/7)
__________
__________
V (7/7) e F (7/7)
V (7/7) e F (7/7)
__________
__________
C1E2
__________
__________
C2E2
__________
__________
V (7/7) e F (7/7)
V (7/7) e F (7/7)
V (6/7) e F (7/7)
V (7/7) e F (7/7)
Verifica-se que apenas uma das respostas por canal, no caso do colaborador C2E2 e na
experiência 2A, não foi classificada correctamente, o que indica uma boa performance do
classificador quando as respostas corticais apresentam um «comportamento» favorável.
6.4 - Comparação dos Dois Métodos de Classificação
A comparação do Método Elementar com o de Fisher vai limitar-se aos resultados obtidos com
dois métodos, resultados estes apresentados nos tópicos 6.2 e 6.3.
Com os resultados obtidos durante as fases de desenho e de teste dos dois métodos, disponíveis
nas Tabelas 11, 12, 16 e 17, fizeram-se os gráficos de barras incluidos nas figuras 21 e 22.
137
Relativamente à percentagem de sucesso obtida na classificação de repostas corticais durante a
fase de desenho dos dois classificadores, pode constatar-se da figura 21 que o Método baseado no
discriminante linear de Fisher apresenta melhores resultados em todas as experiências e para
qualquer colaborador. Esta diferença deve-se ao facto de o Método de Fisher se basear numa teoria
que optimiza a decisão a tomar e ao mesmo tempo utilizar 7 parâmetros que contêm bastante mais
informação que o único parâmetro empregue no Método Elementar.
C1E1
M.Elementar
C2E1
M.Fisher
100
90
80
70
60
50
40
30
20
10
0
M.Elementar
C1E2
M.Fisher
100
90
80
70
60
50
40
30
20
10
0
Exp.
1A
Exp.
1B
M.Elementar
C2E2
M.Fisher
Exp.
1B
M.Fisher
100
90
80
70
60
50
40
30
20
10
0
100
90
80
70
60
50
40
30
20
10
0
Exp.
1A
M.Elementar
Exp.
2A
Exp.
2B
Exp.
2A
Exp.
2B
Figura 21 - Comparação dos sucessos (em percentagem) de classificação das repostas corticais
obtidos com os Métodos Elementar e de Fisher durante a fase de «desenho» dos
respectivos classificadores.
Por oposição ao que se verifica na fase em que se desenharam os classificadores, na fase de teste
o Método Elementar dispõe de um comportamento ligeiramente melhor que o Método de Fisher,
exeptuando o caso do colaborador C1E2 e para a experiência 2B. A maior vantagem do Método
Elementar ocorre na experiência 1A e com ambos os colaboradores (C1E1 e C2E1). As razões para
o pior comportamento do Método de Fisher foram referidas, em certa forma, no ponto 6.3.6, mas
convém acrescentar que como neste método existe uma optimização para os objectos usados no
desenho do classificador, se alguns dos parâmetros usados não forem representativos das diferenças
entre as classes, implicam que objectos diferentes dos que se utilizaram no desenho do sistema
possam ser classificados de uma forma bastante errónea. Por seu lado, no Método Elementar a
decisão a tomar baseia-se num parâmetro não ideal para a classificação, o que leva a que as
138
diferenças existentes entre as respostas usadas nas fases de desenho e de teste não se reflictam tão
negativamente na fase de teste.
Embora os resultados obtidos durante a fase de teste sejam ligeiramente piores para o
classificador de Fisher, a ter que se optar por um dos classificadores, a escolha seria sempre o
classificador de Fisher. Esta opção é ainda mais concludente se se decidir que nas experiências a
realizar se exige uma resposta aberta aos colaboradores (experiência tipo exp.2B), pois neste caso
obtêm-se muito melhores resultados na fase de desenho e até no teste do sistema.
C1E1
M.Elementar
C2E1
M.Fisher
100
90
80
70
60
50
40
30
20
10
0
M.Elementar
C1E2
Exp.
1B
M.Fisher
100
90
80
70
60
50
40
30
20
10
0
100
90
80
70
60
50
40
30
20
10
0
Exp.
1A
M.Elementar
M.Fisher
C2E2
Exp.
1A
Exp.
1B
M.Elementar
M.Fisher
Exp.
2A
Exp.
2B
100
90
80
70
60
50
40
30
20
10
0
Exp.
2A
Exp.
2B
Figura 22 - Comparação dos sucessos (em percentagem) de classificação das repostas corticais
obtidos com os Métodos Elementar e de Fisher durante a fase de teste dos respectivos
classificadores.
CAPÍTULO 7 - Conclusões e Discussão
139
No trabalho que se apresentou, os potenciais cerebrais foram adquiridos na situação de os
colaboradores executarem uma tarefa de verificação de orações. Esta tarefa de verificação de
orações é usada geralmente em estudos do comportamento da memória semântica e requere que a
representação semântica do sujeito e a do complemento da oração sejam retiradas da memória de
longa duração (MLD). O principal objectivo do presente trabalho resumia-se a saber se era possível
distinguir entre o processamento semântico de orações verdadeiras e de orações falsas através da
análise dos potenciais cerebrais. A MLD é a parte da memória em que a informação armazenada está
numa zona mais «profunda» da estrutura neuronal da memória e em que para se usar essa
informação é necessário realizar uma actividade ao nível do processamento semântico e não apenas
ao nível da associação de palavras. Pelo que se acabou de afirmar e para o presente trabalho, exigiuse aos colaboradores que processassem semanticamente as orações que lhe foram dadas a ler.
Na tarefa de verificação de orações utilizaram-se estímulos preparadores sob a forma de um
contexto de oração. Estes estímulos influenciam a análise do complemento de oração que se lhe
segue. Algumas explicações para a influência do contexto na análise posterior da oração, residem
nos condicionalismos semânticos e sintácticos impostos ao que se lhe segue.
Parece que as influências do contexto de oração apresentado em cada ensaio não podem ser
suprimidas por parte do colaborador quando ele pretender. Tanto a facilitação para as palavras de
teste que tornam as orações verdadeiras, como a inibição para palavras que tornam as orações falsas,
continuam a existir, embora diminuidas. Perante palavras terminais, que fazem sentido dado o
contexto, os indivíduos não podem escolher simplesmente ignorar a relação entre o contexto de
oração e estas palavras, ainda que não resulte nenhuma vantagem em se formarem expectativas.
No presente trabalho, dizer que se fez processamento semântico, quer significar-se que em cada
ensaio o colaborador teve que executar uma actividade mental em que se exige a avaliação do
significado das palavras apresentadas e o sentido que se lhe quer dar no conjunto da oração. Este
conjunto de mecanismos designou-se por processamento lexical.
140
Do contexto de oração esperava-se que surgissem dois efeitos, designados por facilitação e
inibição, influenciando o processamento do elemento complementar que se lhe segue. Na
bibliografia, refere-se que esta facilitação e inibição não são efeitos simétricos e que a facilitação é
automática.
Nas referências [13] e [14] foi proposto que os efeitos do contexto semântico sobre o
reconhecimento, se processem através de dois processos que actuam independentemente e têm
propriedades diferentes:
(i) o processo de activação automática que é rápido, não necessita de atenção e não afecta o
acesso a informação de partes da memória não relacionadas com a que foi activada pelo contexto de
oração. Assim, o processo de activação automático resulta num efeito de facilitação e não provoca
um efeito inibidor quando o segmento (ou palavra) não é congruente com o contexto precedente.
(ii) o mecanismo de atenção consciente que é lento, recorre a atenção e inibe o acesso a
informação de zonas não esperadas devido à capacidade limitada do «processador» ter que ser
deslocada para zonas muito afastadas da memória [15].
Os adultos reconhecem as palavras tão rapidamente que o lento mecanismo de atenção consciente
não chega a produzir o efeito inibidor, apenas o espalhar da componente activação automática,
devido ao contexto, tem tempo de acontecer antes das palavras serem reconhecidas. Já as crianças
reconhem as palavras de uma forma lenta permitindo a contribuição dos mecanismos de facilitação e
inibição contextuais para o tempo de reacção. Isto explicado porque é que os fracos leitores
apresentam maiores efeitos de facilitação contextual. Isto acontece porque eles são mais lentos, e
dado que o processo de reconhecimento de palavras deles é mais lento, há uma tendência maior para
que a faciltação contextual resulte da atenção consciente, bem como da activação automática.
Quando a capacidade de reconhecer palavras isoladas se torna automática, a informação contida
no contexto das orações passa a ter uma influência decrescente no reconhecimento das palavras.
A componente negativa posterior N400 é um sinal fisiológico do reprocessamento das palavras
semanticamente anómalas [18]. Esta componente reflecte a interrupção do processamento duma
oração devido a palavras semanticamente incongruentes e reflecte ainda o reprocessamento que
ocorre ao se tentar extrair significado de orações incorrectas. O N400 fornece informação sobre a
temporização, a classificação e a interacção dos processos cognitivos envolvidos na compreensão da
linguagem.
Foi sugerido que a negatividade posterior é originada sempre que a palavra terminal apresentada
não tenha sido preparada pelo contexto anterior. Logo a incongruência não é uma condição
141
necessária para N400 ocorrer. Isto é consistente com a teoria que postula que N400 ocorre sempre
que uma palavra ou figura é apresentada sem contexto preparador [10].
O facto da negatividade posterior estar associada com palavras imprevisíveis, refere-se ao não
automatismo de computação dentro da sistema linguístico e não à frutração da expectativa
consciente por parte do indivíduo sobre a semelhança de palavras particulares que possam aparecer.
A explicação para isto reside no facto de N400 não diminuir quando os indivíduos se tornam
familiares com as orações falsas [17].
Pode dizer-se ainda, que esta componente ocorrerá sempre que um contexto verbal active um
dado código e outro seja apresentado.
Outra forma de expor a explicação para a origem de N400, é a de que N400 é gerado por um
estímulo que não corresponde à expectativa criada por um estímulo preparador. Esta hipótese
implica que os processos de preparação não se limitem a influenciar os casos com representação
semântica ou léxica.
Os ERPs (P300, N400, etc) foram utilizados como uma medida do grau de processamento feito
pelo colaborador a quando da apresentação do material linguístico aquando da realização da tarefa
de verificação de orações.
Relativamente ao "software" desenvolvido, pode concluir-se que além de permitir a realização das
experiências que foram descritas, constitui-se como uma ferramenta de suporte à execução de uma
variedade de trabalhos que tenham como estrutura base a realização de tarefas análogas à da
verificação de orações. Com a adição de algumas facilidades e com um «custo» bastante baixo,
muitas outras performances poderão ser acrescidas a este "software". Embora o s/w descrito seja
versátil não se perdeu de vista, durante a sua implementação, o objectivo principal para que ele se
destinava. Convém referir que a precisão das temporizações conseguida com este s/w não é muito
elevada. Embora houvesse que melhorar certos aspectos neste "software", pensamos que não foi
daqui que resultaram os maiores problemas para a obtenção dos objectivos propostos.
Observou-se que o ruído contido nos potenciais evocados adquiridos durante as experiências está
presente em toda a gama espectral, o que inviabiliza a utilização eficiente de um filtro passa baixo
com vista a eliminar o ruído na zona em que o sinal tem maior predominância espectral. Como se
142
desejava observar as formas, as amplitudes e as latências das componentes posteriores do EEG, e
tendo em atenção o que se acabou de afirmar, não se pôde utilizar filtragem implícita dos potenciais
adquiridos o que tornou a tarefa de classificação das respostas corticais mais complicada.
Da observação da forma dos potenciais adquiridos pôde verificar-se que à apresentação de cada
um dos segmento/estímulo da oração corresponde nitidamente uma componente positiva posterior
designada por P300 e entre estímulos nota-se uma tendência para o sinal se tornar negativo (CNV).
A componente P300 correspondente à apresentação do sujeito das orações, é aquela que apresenta
uma amplitude maior e a correspondente ao verbo, é a que apresenta uma amplitude menor. A
amplitude das componentes P300 para orações verdadeiras é maior do que para orações falsas, mas
esta tendência não se verifica em todas as experiências. Pode dizer-se que maioritariamente a
componente correspondente à apresentação do sujeito da oração apresenta a menor latência das 3
em causa e a que é gerada pela apresentação do verbo tem a maior latência das 3. Constata-se ainda
que não há uma tendência definida para as diferencas nas latências das componentes P300
correspondentes a orações verdadeiras e a orações falsas, ou seja, esta diferença não é relevante.
Concluiu-se que a apresentação do complemento da oração produz no EEG quatro componentes
que se designaram, tendo em conta o atraso de ocorrência relativamente a esta apresentação, por
N200, P300, N400 e P500. Das 4 compoentes P500 é a mais irregular e de identificação mais difícil.
Apresentam-se agora algumas conclusões sobre a influência dos aspectos que condicionaram a
tarefa de verificação das orações, incidindo a observação nos ERPs e nas decisões exigidas.
Verificou-se que a forma em que se apresentam as orações tem influência sobre a amplitude
(maior para o caso NMS, exepto para N200) e sobre a latência dos ERPs (maior para o caso MS,
exepto para P300). Desta afirmação conclui-se que este factor influencia a tarefa de verificação de
orações e que a forma em que se mantêm os segmentos já apresentados (MS) conduz a um
processamento das orações mais lento e menos eficaz. Isto porque a componente N400 que reflecte
nos potenciais um parte importante dos mecanismos envolvidos na decisão léxica, tem uma latência
significativamente maior no caso MS, bem como uma amplitude significativamente menor no mesmo
143
caso. É possível que este facto se deva a uma redução da atenção do colaborador no segmento em
apresentação, por essa atenção estar distribuida pela totalidade dos segmentos presentes no monitor.
Os resultados aqui referidos também podem querer significar que as duas formas de apresentação
das orações originaram dois tipos distintos de contexto preparador, o que por sua vez, conduziu a
níveis de facilitação e inibição diferentes.
Provou-se que o factor "tarefa a realizar" influencia significativamente a decisão semântica
associada com a tarefa em causa. Esta constatação torna-se nítida pela observação de que existe
influência na amplitude de N400 (maior para o caso NR) e na latência da mesma componente (maior
no caso NR). Conclui-se deste modo que o facto de ter que se tomar uma decisão física,
consequência da decisão semântica, torna o processamento das orações mais rápido, logo mais fácil.
Através da análise da amplitude de N400 (significativamente maior para orações verdadeiras) e da
latência do mesmo ERP (significativamente maior para orações falsas) pode deduzir-se que as
orações verdadeiras são geralmente processadas semanticamente de uma forma mais rápida, e por
isso mais simples, do que as orações falsas. Isto prova que o contexto das orações exerce um efeito
facilitador no reconhecimento das palavras que terminam as orações verdadeiras e que, para as
orações falsas ou se verifica ausência de facilitação contextual ou então ocorre inibição por os
complementos destas orações não corresponderem aos esperados dados os contextos preparadores.
Ou seja, ocorre uma frustração de expectativas nos casos das orações falsas, que se traduz nas
diferenças observadas na componente N400.
A confirmação do que se concluiu sobre a influência do valor lógico das orações no
processamento das orações, surge da verificação do efeito deste factor na decisão aberta sobre as
orações. Concretamente, constatou-se que orações falsas conduzem a tempos de atraso na resposta
maiores e a percentagens de erro na resposta também maiores, do que orações verdadeiras.
Através das diferenças observadas nas respostas abertas para os diferentes colaboradores, pode
dizer-se que os factores inerentes ao colaborador influenciam significativamente as respostas abertas
(atraso e percentagem de erro) associadas com as decisões lexicais sobre as orações verificadas.
Dado que as diferenças no processamento semântico das orações verdadeiras e falsas, diferenças
estas que se definem essencialmente pelas diferenças em N400, se verificam e com valores próximos,
tanto no caso de se exigir uma resposta aberta sobre essas orações (R), como no caso em que não se
144
exige qualquer tipo de resposta aberta (NR), conclui-se que o processamento das orações é
automático perante a sua apresentação. Este automatismo é ainda mais reforçado pelo facto de as
diferenças se verificarem mesmo quando se fazem várias sessões com as mesmas orações, ou seja, o
material em apresentação não é interessnate e é bastante familiar ao colaborador.
Vão referir-se de seguida alguns aspectos relativos à distribuição no escalpe do EEG resultante
do processamento das orações. Para começar, verificou-se que o ERP N200 apresenta uma
amplitude e latência maiores na zona central, frontal e parietal do cortex do que na zona occipital. A
componente P300 mostrou pouca variação em termos de amplitude com a localização de recolha no
escalpe, mas já a sua latência parece ser maior na zona divisória dos dois hemisférios (central, frontal
e parietalmente). Relativamente à latência de P300 pode dizer-se que se revelou ligeiramente menor
na zona occipital que nas outras utilizadas. Nas componentes N400 e P500 não se detectou
influência significativa da localização de recolha dos potenciais. No tocante a diferenças entre os
ERPs adquiridos do lado direito e do lado esquerdo, pode acrescentar-se que apenas P300 e P500
apresentam alguma flutuação entre os dois casos, tendo P300 uma amplitude maior do lado
esquerdo e P500 maior do lado direito. Para terminar, salienta-se a ideia de que os efeitos do
processamento semântico das orações têm um distribuição bastante alargada no escalpe,
nomeadamente nas zonas central, frontal e parietal e em menor grau na zona occipital, razão pela
qual as localizações occipitais O1 e O2 usadas não são as mais recomendadas para este tipo de
tarefa.
Ao tentar utilizar-se a vantagem de se terem simultaneamente várias representações para a mesma
resposta cortical, verificou-se que a média/mediana dos 7 canais de EEG usados não apresenta
grande vantagem, em termos de diferença verdade-falso no ERP N400, relativamente a um dos
melhores canais (Fz, Cz ou Pz). Este resultado deve-se possivelmente à necessidade de introdução,
no cálculo da média/mediana dos canais, de pesos diferentes e sob a forma de vectores para se ter
em conta que o sinal medido em cada localização é a projecção do mesmo vector. Este vector
representa a propagação no cerebro das acções potenciais correspondentes à decisão lexical e para
se obter o vector pode recorrer-se à teoria dos agregados de antenas, o que por si só constitui
assunto para outro trabalho.
145
A outra tentativa utilizada com o objectivo de explorar o facto de se possuirem vários canais,
residiu na aplicação da técnica SVD. Com esta técnica pretendeu obter-se uma projecção do sinal
numa direcção que melhorasse a RSR através de um aumento da variância do sinal projectado.
Contudo, esta técnica não se revelou interessante dado que não se obteve uma diferença verdadefalso em N400, significativamente diferente da obtida com a média dos 7 canais. Para explicar o
insucesso deste método poderia pensar-se que a utilização de um espaço de projecção
unidimensional implicou a perca de informação relevante do sinal de EEG, explicação esta que deve
ser rejeitada pelo facto de a projecção ser aproximadamente igual à média dos 7 canais usados para
obter essa projecção. Conclui-se que a utilização da técnica da SVD, nos moldes descritos neste
trabalho, não é viável dado que não apresenta vantagens relativamente à média simples entre canais.
Vão tecer-se agora alguns comentários sobre a classificação efectuada sobre as respostas
corticais.
O método de classificação Elementar apresentou uma percentagem de sucesso na classificação,
durante a fase de desenho, bastante baixa. Para este método e para a fase de teste obteve-se um
sucesso análogo, embora ligeiramente inferior, o que era esperado. Mesmo com respostas corticais
médias para cada tipo de oração, o método Elementar apresenta falhas exageradas na classificação.
Ao classificarem-se as respostas corticais médias, verificou-se que para o caso em que se exige uma
decisão aberta sobre as orações (R), o parâmetro discriminador tem uma tendência oposta à que se
verifica nas outras experiências. A origem deste facto deve-se provavelmente às diferenças nas
amplitudes dos ERPs no caso R relativamente ao caso NR.
Este método não conduziu a sucessos de classificação significativamente diferentes de experiência
para experiência, ou de um colaborador para o outro.
Relativamente ao método Elementar, pode concluir-se que embora não apresente mau
dimensionamento durante a fase de teste do classificador, não se revelou prometedor quanto à
percentagem de sucesso obtida com a classificação. Como razões principais para o insucesso obtido
com este método, podem citar-se a elevada variação dos potenciais adquiridos nos vários ensaios, a
baixa RSR dos mesmos, o comportamento incorrecto por parte dos colaboradores em certos ensaios
(por exemplo devido a desconcentração), a selecção inadequada de algumas orações, o facto de se
146
utilizar apenas um parâmetro para discriminar as duas classes e a disponibilidade de poucos
colaboradores e respostas por colaborador para desenhar o classificador, em relação ao que seria de
desejar perante o elevado ruído que elas contêm.
Como o método Elementar não apresentou resultados animadores, recorreu-se ao método de
classificação baseado no discriminante linear de Fisher.
Com o méto de Fisher e para a fase de desenho do classificador, obtiveram-se resultados
melhores. Dadas as condições em que se processaram as experiências (a sala não estava
insonorizada, não se teve uma garantia de que a impedância dos contactos entre os eléctrodos e o
escalpe era suficientemente baixa, a precisão da temporização dos acontecimentos ao longo dos
ensaios foi baixa, etc) e mesmo comparando com outros trabalhos mencionados na bibliografia, por
exemplo em [36], os resultados não se podem considerar mediocres. Com este método conseguiu-se
um sucesso superior na situação R (exp. 2B) relativamente ao que se obteve na situação NR (exp.s
1B e 2A), um sucesso também superior no caso MS (exp. 1A) relativamente ao que se obteve no
caso NMS (exp.s 1B, 2A e 2B) e um sucesso que varia pouco de acordo com o colaborador
utilizado.
Contrariando os bons resultados da fase de desenho, o método de Fisher apresenta uma fraca
performance durante a fase de teste do classificador. De notar a obtenção de um sucesso que em
certos casos é inferior ao "chance level" de 50%. Deste modo os resultados são piores que os
obtidos na fase de desenho, como era esperado, mas o decréscimo da percentagem de sucesso foi de
uma proporção não imaginada. A explicação para este facto pensa-se que é, juntando às razões
apontadas para o insucesso do método Elementar, a possível má selecção de alguns dos 7
parâmetros utilizados, o que se traduz numa elevada variação da direcção de projecção de acordo
com o conjunto de objectos que se usam para desenhar o classificador.
É de realçar o facto de também na fase de teste o sucesso de classificação ser bem superior
quando se exige uma resposta aberta sobre as orações (R) relativamente ao caso em que não se
exige qualquer resposta aberta (NR), o que confirma o resultado obtido na fase de desenho do
classificador.
Neste método, e no sentido de melhorar o sucesso de classificação, não se ajustou a fronteira de
decisão de modo a obter resultados óptimos e não se optimizou o grupo de parâmetros que
147
constituem os objectos/amostras a classificar. O primeiro aspecto deve-se ao facto de não se revelar
rentável para o teste do sistema, optimizar o sucesso obtido durante o desenho do classificador. O
segundo aspecto envolve um trabalho para o qual se exige mais conhecimento sobre as tendências
dos ERPs nos dois tipos de orações, sendo este um dos aspectos que se deverá aprofundar na futura
investigação dos ERPs, no caso de tarefas que envolvam processamento semântico e/ou lexical.
Quando se testou o classificador de Fisher com respostas corticais médias para os dois tipos de
orações e para cada canal, obteve-se uma percentagem de sucesso próxima dos 100%. Isto prova
que o classificador responde bem quando se utilizam respostas corticais «bem comportadas».
Comparando os dois métodos de classificação, quanto aos resultados obtidos, pôde verificar-se
que o classificador de Fisher é bem melhor durante a fase de desenho e é ligeiramente pior na fase de
teste. Se se optar por uma tarefa em que se exige uma resposta aberta, então o método de Fisher
também supera o método Elementar na fase de teste.
Como conclusão final sobre os classificadores, pode dizer-se que a opção por um dos
classificadores recai no método de Fisher, especialmente se se optar por uma tarefa de verificação de
orações acompanhada de uma decisão física sobre as orações. Este facto indica que embora a
compreensão das orações seja automática perante a sua apresentação, há um processamento
diferente das orações quando se exige uma decisão sobre essas orações. Este processamento
diferente conduz a que os ERPs associados com a decisão lexical sejam mais bem comportados,
devido provavelmente à intervenção do mecanismo de atenção consciente.
Dos resultados conseguidos com a classificação, bem superiores em muitos casos ao "chance
level", obteve-se a evidência mais que suficientes para se afirmar que existe correlação entre os ERPs
medidos no EEG e as etapas do processamento semântico das orações correspondentes. Esta
correlação traduz-se na possibilidade de detectar, através do EEG, diferenças no processamento de
palavras por parte de um indivíduo. Ou seja, os ERPs podem funcionar como uma ferramenta
quando rigorosamente manipulados, para detectar desordens no processo de leitura desse indivíduo.
148
Convém referir que foram conseguidos de forma satisfatória todos os objectivos que nos
proposemos atingir com o trabalho que se acabou de apresentar. Nalguns casos, até se excederam as
expectativas relativas ao que se pensava ser possível obter.
APÊNDICE 1 - Caracteristicas da Placa de Aquisição Utilizada nas Experiências
149
APÊNDICE 1 - Caracteristicas da Placa de Aquisição Utilizada nas
Experiências ( DT2821 )
A placa de aquisição que se utilizou nas experiências realizadas foi uma DT2821F-16SE. Esta é
uma placa standard e apresenta, entre outras, as seguintes caracteristicas [23]:
(1) - A lógica das entradas é TTL ("Transistor Transistor Logic").
(2) - Permite um "trigger" externo activado por um sinal TTL e que é habilitado com o nível
lógico "0" TTL.
(3) - Possui um relógio interno de 4MHz que se pode dividir por potências de 2 (20 a 215) e
ainda divisível por um valor entre 1 e 256.
(4) - Pode ser utilizada com um relógio externo sensível à transição descendente de um sinal TTL.
(5) - A interface com o exterior é feita do seguinte modo:
(i) "I/O mapped" endereçável com 10 bits;
(ii) ocupa 8 posições, ou seja, 16 bytes;
(iii) os endereços de base possíveis vão de 200H a 3E0H em saltos de 20H;
(iv) as linhas de interrupção possíveis são IRQ3, IRQ5, IRQ7, IRQ10 ou IRQ15;
(v) os dados podem ser de 16 bits.
(6) - Para utilização com sinais de entrada analógicos possui uma ADC de 12 bits.
(7) - Possibilita a utilização de 0 a 2 canais de DMA ("Direct Memory Access") entre 3 possíveis
(5, 6 e 7), de modo a funcionar-se num dos vários modos permitidos: A/D clocked DMA, A/D
triggered scan DMA, DMA simples e sem DMA. Nos três primeiros modos pode optar-se por
utilizar uma DMA ou DMA dupla.
(8) - Permite 16 canais de entrada tipo "Single Ended" - SE ou 8 canais diferenciais - DI.
(9) - A gama dinâmica dos sinais de entrada pode ser seleccionada entre várias possíveis. Para
sinais unipolares as gamas possíveis são [0-1,25V] ou [0-10V] e para sinais bipolares [±1,25V ±10V]. Permite ainda a introdução de um ganho adicional nos sinais, podendo ser 1, 2, 4 ou 8.
(10) - Pode usar-se como codificação nos valores digitais, uma de entre as seguintes:
complemento para um, complemento para dois, binário directo e "offset" binário.
150
(11) - Contém um conjunto de registos (TMRCTR, SUPCSR, CHANCSR, ADCSR, ADDAT,
DADAT e DIODAT) que permite configurar a utilização da placa, nomeadamente a frequência de
trabalho, os canais a adquirir, as posições onde se vão guardar os sinais convertidos, etc.
(12) - Possui uma «lista» - "RAM channel-gain list" onde se guarda a sequência de canais a
adquirir e os ganhos a aplicar nesses canais. O número máximo de canais é 16, com a possibilidade
de se repetirem alguns desses canais para equivaler a utilizar frequências de aquisição múltiplas nos
canais repetidos. O número de canais é escolhido através do registo CHANCSR e a seleccão das
ordens e ganhos dos vários canais a adquirir é feita escrevendo vezes sucessivas no registo ADCSR.
(13) - Os "triggers" permitem o início das conversões A/D e D/A no próximo ciclo do relógio e
podem ser internos ou externos. A selecção do tipo de "trigger" é feita por s/w via registo SUPCSR.
(14) - O relógio inicía as conversões A/D ou D/A e pode ser interno ou externo, sendo a escolha
feita pela programação do registo SUPCSR.
Para seleccionar o modo de funcionamento com DMA utilizam-se os bits B11 e B10 do registo
SUPCSR e em que B12 do mesmo registo permite optar entre DMA única ou DMA dupla.
Numa aquisição continua e por um periodo longo, usa-se DMA dupla para se poder adquirir mais
do que 128K bytes (64K palavras), o que coincide com uma página de memória da placa. Para se
operar com DMA dupla utiliza-se um dos seguintes métodos:
(i) Interrupções para se saber quando se adquiriu o número de amostras programado para cada
transferência de DMA e guardar no disco rígido, se necessário, as amostras transferidas para
memória pela DMA. Neste método recorre-se a uma rotina de serviço às interrupções (RSI) para
implementar estes processos.
(ii) Ir testando se a zona de memória atribuida a cada transferência de DMA já foi preenchida,
para assim se comutar de DMA e transferir as amostras para o disco rígido, no caso de ser
necessário. Este método designa-se por "polling", consome algum tempo no teste da memória mas é
mais seguro que o anterior, uma vez que evita os conflitos associados com a tentativa de
atendimento simultaneo de interrupções diferentes. Este método só pode ser utilizado se as tarefas
concorrenciais ao teste da memória forem compatíveis com esta.
151
No modo de funcionamento com DMA dupla o sinal TERMINAL COUNT do bus interno que
liga à DMA não pára a transferência de DMA, mas permite sim a comutação para o outro canal de
DMA. Dado que o funcionamento de cada canal de DMA exige a programação do controlador de
DMA, para se comutar de canal tem que se programar previamente esse canal. Para se parar o
funcionamento com DMA dupla coloca-se a zero o bit B12 do registo SUPCSR, parando a operação
na próxima activação do sinal TERMINAL COUNT.
A diferença entre os modos A/D triggered scan DMA e A/D clocked DMA, de funcionamento
com DMA, reside no facto de enquanto que no segundo modo se faz uma conversão de um canal da
"RAM channel-gain list" por cada impulso do relógio e se repete o processo de conversão do total
de canais desta lista no próximo impulso de relógio a seguir ao fim da conversão do último canal da
lista anterior, no primeiro modo o funcionamento é identico exepto que após a conversão de todos
os canais da lista só se inicia a conversão de uma nova lista de canais quando ocorrer um sinal de
"trigger", por s/w ou externo.
Como já se disse, para se utilizar um canal de DMA tem que se programar o controlador de DMA
para esse canal, o que é efectuado através da programação dos registos da DMA. Os registos da
DMA são de 8 bits cada, possuindo cada um endereço diferente e que é especificado no manual da
placa [23]. Os registos são 12 e permitem seleccionar:
(i) As páginas de memória com 64K palavras para as transferências de DMA [DMA Page
Register para o canal 5, 6 e 7];
(ii) O endereço de base da página de memória com 16 bits [DMA Base Address Register para o
canal 5, 6 e 7];
(iii) O número de palavras (2 bytes) a converter [Word Count Register para o canal 5, 6 e 7];
(iv) O canal de DMA a utilizar [Mask Register];
(v) Que tipo de operação se realiza com cada canal (escrita ou leitura de memória) e se se
funciona no modo de autoinicialização ou não (modo em que se usa continuamente o mesmo
canal de DMA, o que é diferente de DMA dupla) [Mode Register];
(vi) Indicar se o byte a escrever é o mais ou o menos significativo [Byte Pointer Flip-Flop
Register].
152
De referir que os canais de DMA que têm sido mencionados atrás, pertencem ao computador
pessoal, fazendo a placa uso deles como qualquer periférico do próprio computador.
Os pinos da placa acessíveis para o exterior são apresentados na figura I. Os pinos designados por
[CH0 ... CH7] são aqueles em que se aplicam as entradas analógicas tipo unipolar (SE) ou bipolar
(DI) de 8 canais e [Return0/CH8 ... Return7/CH15] são os pinos de aplicação dos outros 8 canais
unipolares ou de retorno dos 8 canais bipolares. O pino AMP LOW serve para o retorno dos 16
canais unipolares e liga-se a AGND para este tipo de canais.
External Clock Input
DGND
DIO Port1,b7
DIO Port1,b5
DGND
DIO Port1,b2
DIO Port1,b0
DIO Port0,b7
DIO Port0,b5
DGND
DIO Port0,b2
DIO Port0,b0
DGND
DAC1 OUT
DAC0 OUT
-15V OUT
AMP LOW
Return7 / CH15
Return6 / CH14
Return5 / CH13
Return4 / CH12
Return3 / CH11
Return2 / CH10
Return1 / CH9
Return0 / CH8
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
8
6
4
2
49
47
45
43
41
39
37
35
33
31
29
27
25
23
21
19
17
15
13
11
9
7
5
3
1
External Trigger Input
DGND
PIO Port1,b6
PIO Port1,b4
PIO Port1,b3
PIO Port1,b1
DGND
PIO Port0,b6
PIO Port0,b4
PIO Port0,b3
PIO Port0,b1
DGND
DAC1 GND
DAC0 GND
PGND
+15V OUT
AGND
CH7
CH6
CH5
CH4
CH3
CH2
CH1
CH0
Figura I - Pinos da placa de aquisição DT2821F-16SE acessíveis para o exterior.
As opções tomadas em termos de utilização da placa de aquisição foram:
- endereço de base 240H;
- entradas unipolares (SE), porque os potenciais a adquirir são deste tipo;
153
- gama de entrada [-10V a +10V], porque é a maior gama possível, logo a que introduz menos
erros de quantificação nas amostras e permite maior resolução nos sinais digitalizados;
- codificação dos valores segundo o formato complemento para dois;
- o ganho adicional a introduzir pela placa é unitário em todos os canais;
- o modo de funcionamento utilizado foi A/D clocked DMA, uma vez que se pretende uma
aquisição regular de amostras do mesmo canal, logo sem "trigger" a controlar o tempo entre
amostras. Este tempo é determinado apenas pela frequência do relógio, que foi seleccionada com
base na frequência do relógio interno da placa, que é 4MHz;
- funcionamento com DMA dupla e com os canais 5 e 6;
- se forem utilizadas interrupções a linha usada será IRQ3.
APÊNDICE 2 - Descrição da Metodologia Empregue na Calibração
154
Para explicar a metodologia empregue na calibração recorre-se aos fluxogramas das rotinas
implementadas, mas antes descreve-se como se obtém a partir das amostras adquiridas a frequência
do sinal e o erro associado, no caso de se ter seleccionado um sinal de calibração sinusoidal, uma vez
que esta é a parte mais crítica do processo de obtenção dos resultados.
O método a utilizar para determinar a frequência de um sinal sinusoidal x, baseia-se na expressão
que obtém um amostra de uma sinusoide a partir das duas amostras anteriores. Esta expressão
resulta da fórmula da transformada de Z de um cosseno/seno:
x(n) = C * sin(n*a+b) = A1*sin((n-1)*a+b) + B1*sin((n-2)*a+b)
[eq.1]
em que a é proporcional à frequência desconhecida a determinar e b é um desfasamento. Usando
a
fórmula:
sin(a+b) = sin(a)*cos(b)+sin(b)*cos(a)
e dividindo os coeficientes por C obtém-se:
sin(n*a+b) = A * [sin(n*a+b) * cos(a) - cos(n*a+b) * sin(a)] +
B * [sin(n*a+b) * cos(2*a) - cos(n*a+b) * sin(2*a)]
[eq.2]
para a igualdade anterior se verificar os coeficientes de sin(n*a+b) e cos(n*a+b) em ambos os
membros da equação têm que ser iguais. Logo vem:
{
1 = A * cos (a) + B * cos (2 * a)
eq.2.2
0 = A * sin (a) - B * sin (2 * a)
eq.2.2
=>
{
--------;A*sin(a) + B*sin(a)*cos(a) = 0
{
{
{
=>
--------;A = -2*B*cos(a)
=>
155
{
1 = -2*B*cos2(a) + B*(cos2(a) - sin2(a));----------
=>
B = 1;-----
=>
B = 1
eq.3.1
A = - 2 * B * cos (a)
eq.3.2
Das equações 3.1 e 3.2 tira-se que
cos(a) = -A/(2*B)
[eq.4]
Esta equação permite calcular a frequência desconhecida:
a = acos(-A/(2*B)) => FREQUÊNCIA = constante * acos(-A/(2*B))
[eq.5]
Daqui se conclui que é necessário calcular as constantes A e B para se obter a frequência do sinal.
Regressando à equação 1, esta pode ser representada doutra forma:
x(n) = A * x(n-1) + B * x(n-2)
[eq.6]
Para exprimir o erro associado com o cálculo de x(n), cálculo este feito através da expressão da
direita da equação 6, vai apresentar-se o erro associado com o cálculo de uma expressão polinomial
genérica. O cálculo do erro interessa para se obterem as constantes A e B, mantendo o erro de
cálculo mínimo.
A expressão do erro para um sinal expresso por uma polinomial genérica, é dado por:
2
I
N
E = ∑ (x (n) - ∑ Wi * xi (n) )
i =1
n =1
Como interessa minimizar este erro em relação ao cálculo com os coeficientes W j faz-se:
[eq.7]
dE
= 0 <=> Σi{Wi * [Σn ( xi(n) * xj(n) )]} = Σn [y(n) * xj(n)]
d Wj
156
[eq.8]
Por outro lado desenvolvendo a equação 7 vem:
E = Σn [y2(n)]- 2 * Σn {y(n) * Σi [Wi * xi(n)]} + Σn{Σi [Wi * xi(n)]}2
E = Σn [y2(n)] - 2 * Σi {Wi * Σn [y(n) * xi(n)]} + Σn {Σi Σj [Wi * Wj * xi(n) * xj(n)]}
E = Σn [y2(n)] - 2* Σi {Wi * Σn [y(n) * xi(n)]}+ Σi{Wi * Σj [Wj * Σn (xi(n) * xj(n))]}
Usando a equação 8 com os índices i e j trocados obtém-se a expressão para o erro mínimizado
no caso genérico:
E = Σn [y2(n)] - 2* Σi {Wi * Σn [y(n) * xi(n)]}+ Σi{Wi * Σn [y(n) * xi(n)]}
E =
N
I
N
∑ ( y 2 (n) ) - ∑ ( W i * ∑ ( y (n) * x i (n) ) )
n =1
i =1
n =1
[eq.9]
A aplicação da equação 7 no cálculo do erro, para o caso presente, processa-se através das
seguintes substituições:
I
=> 2
W1 => A
W2 => B
y(n) => x(n)
x1(n) => x(n-1)
x2(n) => x(n-2)
de onde resulta a expressão do erro associado com o cálculo de x(n):
E =
157
N
∑ x (n) - A * x (n -1) - B * x (n - 2) 2
n =1
em que se pretende que este tenha um valor mínimo, tal como se fez no caso genérico, ou nulo se
possível. Para conseguir isso faz-se:
δ E / δ A = 2 * ∑ ( x (n) − A * x (n − 1) − B* x (n − 2) * x (n − 1)) = 0
{
n
δ E / δ B = 2 * ∑ ( x (n) − A * x (n − 1) − B* x (n − 2) * x (n − 2)) = 0
n
o que representado sob a forma matricial resulta na seguinte equação:
∑ x2 ( n − 1)
∑ x (n -1) * x (n - 2) A ∑ x (n) * x (n -1)
n
n
* = n
2
B ∑ x (n) * x (n - 2)
x
(n
-1)
*
x
(n
2)
x
(n
−
2)
∑
∑
n
[eq.11]
n
n
A equação 11 pode ser simplificada usando a notação SiSj =
∑
x (n − i) * x (n − j) :
n
S1S1 S1S2 A S0S1
* =
S1S2 S2S2 B S0S2
[eq.12]
Da equação anterior obtêm-se os valores de A e B, em que det é o determinante da matriz dos
coeficientes:
det = S1S1 * S2S2 - S1S2 * S1S2
[eq.13.1]
A = (S0S1 * S2S2 - S0S2 * S1S2) / det
[eq.13.2]
B = (S1S1 * S0S2 - S1S2 * S0S1) / det
[eq.13.3]
O erro introduzido no cálculo da frequência f = contante * acos( -a / (2*B)), quando se usam para
A e B as expressões dadas pelas equações 13.2 e 13.3, respectivamente, obtém-se da equação 9 :
E = contante* (∑ x 2 (n) - A * ∑ x (n) * x (n -1) - B * ∑ x (n) * x (n - 2) )
n
n
n
158
ou então, usando a notação Si S j :
E = constante * (S0S0 - A * S0S1 - B * S0S2)
[eq.14]
De referir que relativamente ao que se expôs acima, se utilizam nos fluxogramas a apresentar e na
sua implementação, as seguintes substituições:
A→a
B→b
cos(a) → c
Acrescente-se que quando o sinal de calibração é periódico mas não sinusoidal, ou quando o
método de obtenção da frequência do sinal sinusoidal falha, se tenta obter a sua frequência através da
rotina CalculaFrequenciaSinal(). Esta rotina, que é muito simples, utiliza o método de detecção das
passagens do sinal por zero para calcular a frequência desse sinal. Por esta razão o método não é
muito preciso pois é sensível ao facto de o sinal estar afectado de rúido. Este aspecto é melhorado
calculando a frequência num segmento de sinal com muitos periodos.
Neste método o erro de frequência coincide com o desvio padrão da frequência calculada.
Apresentam-se no Apêndice 3 (pontos 1, 2 e 3) os fluxogramas das rotinas base de calibração calibrar(), LowLevelcalibrate() e CalculaFrequenciaSinal(). Estas rotinas são implementadas nos
ficheiros calib4.c e calib5.c.
APÊNDICE 3 - Fluxogramas de Algumas Rotinas e Programas Implementados
159
1. Rotina que Controla a Calibração do "Hardware" Utilizado nas Experiências com ERPs
Calibrar( )
[J]
calibrar
com EEG adquirido[J] ou adquirir
o sinal[A] ?
[A]
Ler o nome da file de EEG a usar
Que tipo
de CFG se usa na
calibração: definida[D] ou
a definir[C]
?
[C]
Obter o tamanho da file de EEG=>size
Ler o cabecalho da file = LerCabecalho( )
configura( )
Enviar mensagem de início de calibração
[D]
Ler o nome da file
de configuração
Copiar a configuração
para uma estrutura do
tipo config
Ler o nome da file onde se guarda o
sinal de calibração a adquirir
Colocar na file de calibração o cabeçalho
standard = GuardarCabecalho( )
Enviar mensagem de início de calibração
Programar a placa de aquisição
= ProgramarAquisiçãoComDualDma( )
Adquirir o sinal de calibração
= AquisicaoComPollingParaCalibracao( )
Calcular o tamanho da file de calibração => size
Obter o nº de bytes do cabeçalho da file de sinal
Ler do cabeçalho o nº de segmentos de sinal existentes
Qual o
segmento a usar
na calibração
?
Ler as amostras para o Buffer
Fazer a calibração de baixo nível com as amostras
contidas em Buffer = LowLevelCalibrate( )
calibrar ( )
2. Rotina que Realiza a Calibração de Baixo Nível do "Hardware"
LowLevelcalibrate( )
Calcular os máximos e os mínimos iníciais para cada canal
Obter o Máximo e o Mínimo para cada canal
Apresentar um esboço do sinal de cada canal
LOOP CANAIS
ch = 0
Calcular o Offset[ch] = (Máximo + Mínimo) / 2
Calcular a Amplitude[ch] = (Máximo - Mínimo) / 2
EstadoCanal[ch] = OFF
S0S0=0; S0S1=0; S0S2=0; S1S1=0; S1S2=0; S2S2=0
n=0
k = Buffer[n * #canais + ch]
l = Buffer[(n-1) * #canais + ch]
m = Buffer[(n-2) * #canais + ch]
S0S0 = S0S0 + k * k
S0S1 = S0S1 + k * l
S0S2 = S0S2 + k * m
S1S1 = S1S1 + l * l
S1S2 = S1S2 + l * m
S2S2 = S2S2 + m * m
Incrementa n
n = #amostras
?
[S]
[N]
Determinante = S1S1 * S2S2 - S1S2 * S1S2
(...)
160
161
(...)
[S]
(Determinante = 0) OU
Amplitude do sinal é
muito baixa
?
[N]
O sinal não tem uma Frequência
possível de ser calculada e o
Erro De Frequência é desconhecido
m=3
m=1
a = (S0S1 * S2S2 - S0S2 * S1S2) / Determinante
b = (S1S1 * S0S2 - S1S2 * S0S1) / Determinante
[S]
b=0
?
[N]
c = -0.5 * a / b
[N]
0 <= c <=1
?
[S]
Frequência = (FrequênciaAquisição * acos(c)) / (2*PI)
[N]
b é próximo de (-1)
?
[S]
Erro = 1000 * (S0S0 - a * S0S1 - b * S0S2)
Erro = Erro / (Amplitude[ch] * Amplitude[ch] * #amostras)
[N]
Erro < 0.1
?
[S]
[N]
Erro < 1
?
[S]
Frequência dentro
da gama esperada
para calibração
?
[S]
[N]
Frequência dentro
da gama esperada
para calibração
?
[S]
Sinusoide PURA
EstadoCanal[ch] = ON
Sinusoide IMPURA
EstadoCanal[ch] = ON
m=0
m=0
m=2
[N]
[S]
m=1
?
Frequência = CalculaFrequenciaSinal( )
[S]
Sinal Não Periódico
(...)
Frequência = -1
?
[N]
Sinal periódico
EstadoCanal[ch]=UNKNOWN
[N]
162
(...)
Incrementa ch
ch = #canais
?
[S]
LOOP CANAIS
[N]
Enviar a mensagem de fim de calibração
[N]
EstadoCanais = OFF
?
[S]
Máximos = 1500
Mínimos = -1500
Fim de LowLevelCalibrate( )
3. Rotina que Determina o Valor e o Erro da Frequência dum Sinal
Representado por uma Sequência de Valores
/* retorna a frequência e */
/* o erro de frequência */
CalculaFrequenciaSinal( )
p = posição em que se detectou a 1a passagem do
sinal por zero ou se chegou ao fim do #amostras
p = #amostras
?
SomaFrequencia = 0
SomaQuadradoFrequencia = 0
DesvioAcomulado = 0
fim = 0
j = 0 /* #periodos */
pos0 = p
(...)
O sinal não passa
pela linha DC
Sai da rotina CalculaFrequenciaSinal( )
com o valor (-1) = sinal não periódico
(...)
p = posição em que se detectou a próxima passagem
por zero ou se chegou ao fim do #amostras
p = #amostras
?
[S]
[N]
fim = 3
/* o #periodos = j */
p = posição em que se detectou a próxima passagem
por zero ou se chegou ao fim do #amostras
[S]
fim = 1
/* o #periodos = (j+1) */
p = #amostras
?
[N]
(p - pos0) = 0
?
[N]
/* Tentativa de divisão por zero */
[S]
Frequencia[j] = FrequenciaAmostragem / (p-pos0)
SomaFrequencia = SomaFrequencia + Frequencia[j]
SomaQuadradoFrequencia = SomaQuadradoFrequencia +
+ Frequencia[j] * Frequencia[j]
pos0 = p
[N]
j > 0
?
[S]
Desvio[j-1] = Frequencia[j] - Frequencia[j-1]
[N]
j > 1
?
DesvioAcomulado = DesvioAcomulado + Desvio[j-1]
Incrementa j
[S]
(fim=0) OU (j<2)
?
Sair de CalculaFrequenciaSinal ( ) com
valor (-1) <=> sinal não periódico
[N]
(...)
163
(...)
[N]
fim = 3
?
[S]
SomaFrequencia = SomaFrequencia / j
/* Frequência Média */
DesvioAcomulado = SomaQuadradoFrequencia / j - SomaFrequencia * SomaFrequencia /* Desvio Padrão da Frequência */
DesvioAcomulado >
máximo permitido
?
[N]
[S]
Sair de CalculaFrequenciaSinal( ) com
ErroFrequencia = DesvioFrequencia
Sair de CalculaFrequenciaSinal( ) com o
valor SomaFrequencia <=> sinal periódico
/* fim = 1 */
SomaFrequencia = SomaFrequencia / ( j+1)
/* Frequência Média */
DesvioAcomulado = SomaQuadradoFrequencia / ( j+1) - SomaFrequencia * SomaFrequencia /* Desvio Padrão da Frequência */
DesvioAcomulado >
máximo permitido
?
[N]
ErroFrequencia = DesvioFrequencia
Sair de CalculaFrequenciaSinal( ) com o
valor SomaFrequencia <=> sinal periódico
[S]
Sair de CalculaFrequenciaSinal( ) com
164
165
4. Rotina que Controla a Execução das Sessões de Experiências
ExecutarExperiencias( )
[N]
Todas as
opções necessárias estão
seleccionadas
(cfg,calib,idt,bd)
?
[S]
Sair de
ExecutarExperiencias( )
Apagar a possível file de EEG com o
mesmo nome da que se vai criar
Ler a dimensão da base de dados => dim_bd
Contar o # de segmentos de EEG que se vão adquirir
Guardar o cabeçalho da file de EEG = GuardarCabecalho( )
Limpar o monitor para iniciar o lote de sessões
ses = 1
LOOP SESSÕES
Enviar mensagem de início de sessão
subses = 1
LOOP SUBSESSÕES
Enviar mensagem de início de subsessão
ensaio = 1
LOOP ENSAIOS
ordem = valor aleatório de 0 a (dim_bd - 1) e que
ainda não tenha sido usado nesta sessão
Ler a ordem-ésima oração da base de dados
j=1
LOOP REPETIÇÕES
(...)
166
(...)
Guardar a estampa temporal na file de EEG
Guardar a oração, a sua posição na BD e o seu tipo na estrutura resp
Programar a placa de aquisição => ProgramarAquisiçaoComDualDma( )
Colocar a última posição (= #amostras) do bufferA e do bufferB com 7000
/* ( 7000 é um valor impossível ocorrer nas amostras) */
(ensaio = 1)
AND (j = 1)
?
[S]
[N]
Ler o tempo do sistema para ti
ti = tit
Apresentar um '*' no monitor durante tON
Apagar o texto presente no monitor
Apagar o '*'
Ficar em loop a ler o tempo do sistema para tf
enquanto [ tf < (ti + tempo entre ensaios) ]
t =tempo actual do sistema (tINICIAL+tON)
Apresentar um '*' durante tON
Ficar em loop durante o intervalo tOFF
Apagar o '*'
tit = tINICIAL + tON + tOFF
Ficar em loop durante tOFF
ServirAquisicaoComPolling( )
tit = tempo actual do sistema
ServirAquisicaoComPolling( )
Libertar bufferA e bufferB
Colocar a marca delimitadora de um segmento de EEG, na file de EEG
Guardar a estrutura resp na file de identificação
Incrementar j
LOOP REPETIÇÕES
j > NúmeroRepetições
?
[S]
[N]
Incrementar ensaio
LOOP ENSAIOS
[S]
(...)
ensaio >
NúmeroEnsaiosBloco
?
[N]
167
(...)
Apagar a barra onde se apresentam as orações
Incrementar subses
subses >
NúmeroBlocosSessão
?
LOOP SUBSESSÕES
[N]
[S]
Apresentar a mensagem de fim de sessão
[N]
ses<NúmeroSessões
?
[S]
Inicia-se a próxima sessão
?
[N]
[S]
Incrementar ses
[S]
ses > NúmeroSessões
?
[S]
Repor o ambiente do menu principal
Sair de ExecutarExperiencias( )
LOOP SESSÕES
[N]
168
5. Rotina que Programa a Placa de Aquisição para Funcionar com DMA Dupla
ProgramarAquisicaoComDualdma( )
/* Cálculo do número total de amostras a adquirir */
#amostras = #canais * FrequênciaAmostragem * TempoAquisição[sessão]
/* Cálculo do nº de transferências de DMA necessário realizar */
#amostras < (64K -100)
[N]
?
[S]
#transferências = inteiro superior ao
quociente [#amostras / (64k-100)]
#transferências = 2
/* Cálculo do nº de amostras por transferência de DMA */
#amostras = inteiro superior ao quociente [#amostras / #transferências]
Alocar espaço para bufferA com tamanho #amostras
Determinar o endereço real em memória do início do bufferA alocado
Calcular a que página de memória da placa corresponde o endereço real do bufferA
Calcular o endereço de base/inicial dentro da página de memória
a que corresponde o endereço real do bufferA
Libertar o espaço do bufferA
Alocar o espaço equivalente
ao que falta para preencher
a página parcialmente ocupada
[N]
O bufferA
está contido por
completo na mesma página de
memória da placa
?
[S]
Calcular os bytes mais e menos significativos (count_high e count_low)
correspondentes ao número de amostras, para colocar nos registos
high_byte e low_byte word count
Programar o controlador de DMA para o canal A => enviar palavras de
programação para os vários registos do controlador de DMA/canal A :
byte_pointer f/f register, dma mode register, dma_base address register,
low-byte & high_byte word count registers, dma memory page register
e dma mask register
(...)
(...)
Alocar espaço para o bufferB com tamanho #amostras
Determinar o endereço real em memória do início do bufferB alocado
Calcular a que página de memória da placa corresponde o endereço real do bufferB
Calcular o endereço de base/inicial dentro da página de memória
a que corresponde o endereço real do bufferB
Libertar o espaço do bufferB
Alocar o espaço equivalente ao
que falta para preencher a página
parcialmente ocupada
[N]
O bufferB
está contido por
completo na mesma página
de memória da
placa ?
[S]
Progrmar o controlador de DMA para o canal B => enviar as palavras
correspondentes ao bufferB (endereço de base, página de memória,
modo, mascara) e os mesmos bytes representativos do nº de amostras
a adquirir que se usaram para o canal A
Programar os registos do sistema A/D da placa => inicialização,
programação da frequência de aquisição, escolher o bufferA,
progrmar os canais a utilizar e os respectivos ganhos, habilitar
as interrupções no fim de cada buffer estar cheio e no caso de
erros, e o modo de DMA (dupla DMA e modo A/D clocked DMA)
Esperar que o multiplexer estabilize no 1º canal desejado
Sair de ProgramarAquisicaoComDualDma( )
169
170
6. Rotina que Calcula a Palavra de Programação a Colocar no Registo
TMRCTR para Programar uma Frequência Desejada
prog_frequencia( )
p = 0 /* prescaler */
c = 255 - 4*10 ^ 6
/ (frequencia * 2 ^ p
) /* counter */
[N]
( [inteiro(c) + 1] - c) >
(c - inteiro(c))
?
[S]
c = inteiro(c) + 1
c = inteiro(c)
c>=0
?
[N]
[S]
[N]
p=0
?
[S]
Incrementa p
Incrementa p
[S]
p < 16
?
[N]
Valor a colocar no registo TMRCTR da placa =
[( p * 256) OR (inteiro(c) )]
Sair de prog_frequencia( )
171
7. Rotina que Reprograma o Controlador de DMA para se Continuar a
Aquisição com DMA Dupla
ReprogramarDualDma( )
Colocar o bit DMADONE do regito SUPCSR da placa a zero
Verificar qual o buffer que não está a ser utilizado => buff
[S]
[N]
buff = bufferA
?
Programar o controlador de DMA
para o canal A
Programar o controlador de DMA
para o canal B
Incrementar o #buffers_lidos
[N]
#buffers_lidos =
(#buffers_a_ler - 1)
?
[S]
Colocar a zero o bit B12 (dual DMA) do registo SUPCSR para
terminar a aquisição ao encher o próximo buffer
Verificar se houve algum erro no sistema A/D da placa
Sair de ReprogramarDualDma( )
/* só falta ler um buffer */
172
8. Programa que Obtém uma Estimativa do Espectro dum Sinal pelo Método
de Bartlett
main ( )
Ler o número de periodogramas a calcular => nperiodogramas
n=0
[N]
n=0
?
[S]
Obter o nº de pontos (que deve ser uma potência de 2) a usar no cálculo das FFTs => npontos
Colocar o módulo do espectro a zero ( <=> modulo[ ] = 0 )
Ler as amostras da file de EEG para a parte real do espectro => real[ ]
Colocar a zero a parte imaginária do espectro ( <=> img[ ] = 0 )
Calcular npontos de uma janela de Hamming e colocá-los em window[ ]
( <=> ComputeHammingWindow( ) )
Fazer o produto das amostras do sinal pelos valores da janela de Hamming ( real[ ]*window[ ] )
Implementar a FFT real com os npontos contidos nos arrays real[ ] e img[ ] ( <=> fftReal1( ) )
Calcular o quadrado acomulado do módulo do espectro de potência
( <=> modulo[ ] = modulo[ ] + real[ ] * real[ ] + img[ ] * img[ ] )
Incrementar n
[N]
n=nperiodogramas
?
[S]
Calcular o quadrado do módulo médio do espectro de potência em dBs
( <=> modulo[ ] = 10 * log10 (modulo[ ] / nperiodogramas) )
Fazer o gráfico do espectro estimado com os valores contidos no array modulo[ ]
Sair do main( )
173
9. Rotina que Calcula Pontos Representativos de uma Janela de Hamming
ComputeHammingWindow( )
t = 2 * PI / (npontos - 1)
/* npontos é o nº de pontos a calcular */
j=0
window[j] = 0.54 - 0.46 * cos ( t * j )
Incrementar j
[N]
j = npontos
?
[S]
Sair de ComputeHammingWindow( )
174
10. Programa que Calcula a Direcção de uma Matriz Unitária V (Obtida com a
SVD) Correspondente à Direcção em que a matriz W ( ∑ nas Fórmulas da
SVD) Tem o Maior Valor Singular
main ( )
Ler o nome da file de EEG a usar => fileEeg
Ler o cabeçalho da file fileEeg
Ler qual o segmento de EEG a usar (segm) e o offset nesse segmento (offset)
Ler o número de pontos a usar por cada canal (mp), o número de canais (np) e quais os canais
Ler da posição desejada (offset) da file fileEeg e do segmento (segm) as mp amostras para Buffer
Alocar espaço para as matrizes A (mp * np) e U (mp * np)
n=0
m=0
A[m][n] = Buffer[n + m * #canais_da_file_eeg]
U[m][n] = A[m][n]
Incrementar m
[S]
m < mp
?
[N]
Incrementar n
[S]
n < np
?
[N]
Alocar espaço para a matriz V (np * np) e o vector W [np]
Colocar (np -mp) linhas de zeros em A se (np > mp)
Calcular a decomposição pelo método SVD => svdcmp(U,mp,np,W,V)
Colocar todas as colunas de V, exepto a 1a, a zero
Calcular a projecção de A sobre a direcção de V correspondente ao maior
valor singular de W, o que equivale a fazer o produto A* V e usar a 1a coluna
Ler o nome da file onde se vai guardar a 1a coluna de (A* V) e colocar lá essa coluna
Libertar o espaço alocado par os arrays e matrizes
Fim do main ( )
175
11. Programa que Projecta um segmento de EEG sobre uma Direcção Obtida
pelo Método da SVD
main( )
Ler o nome da file onde está guardada a direcção de projecção [V] => fileAv
Abrir a file fileAv
offset = offset usado na file fileAv
mp = número de amostras usadas para cada canal na file fileAv
np = número de canais usados na file fileAv
Alocar espaço para as matrizes A (mp * np) e V (np * np)
Ler a 1a coluna da matriz V a partir da file fileAv
Colocar as colunas 2 a np de V a zero
Ler o nome da file de EEG (fileEEG), abrir essa file e ler o seu cabeçalho
Ler qual o segmento de EEG a usar => segm
size = mp * número de canais contidos na file fileEeg = mp * ncanais
Ler da file fileEeg e da posição offset do segmento segm, size valores para Buffer
n=1
m=1
A[m][n] = Buffer[n+m*ncanais]
Incrementar m
[S]
m < mp
?
[N]
Incrementar n
[S]
n < ncanais
?
[N]
Calcular a média dos canais do array Buffer (usados na SVD), para comparar com a projecção de A sobre V
Calcular a soma dos valores da 1a coluna de V => somaV
/* Calcular a projecção de A sobre a 1a coluna de V. O resultado fica em U */
m=1
(...)
(...)
n=1
U[m] = 0.0
i=1
U[m] = U[m] + A[m][i] * V[i][n]
Incrementar i
[S]
i < np
?
[N]
U[m] = U[m] / somaV
Incrementar m
[S]
m < mp
?
[N]
Ler o nome da file onde se vai guardar A*V e V => fileRes
O nome da file onde se vai guardar a média dos canais usados na SVD
(fileMedia) é igual a fileRes exepto a extensão que passa a ser ".EEG"
Guardar na file fileRes a 1a coluna de A* V e a 1a coluna de V (np valores)
Guardar na file fileMedia a média dos canais usados na SVD (mp valores)
Libertar espaço alocado para as matrizes e arrays
Fim do main( )
176
177
12. Programa que Classifica as Respostas Corticais pelo Método Elementar
main ( )
Ler o nome da file de onde se vão ler as respostas corticais => fileEeg
Ler a configuração associada com a file fileEeg
Ler o cabeçalho da file fileEeg
Determinar o número de respostas existentes na file fileEeg => nsegm
Obter o tipo (V/F) das nsegm respostas da file fileEeg => valor[ ]
Definir os intervalos para calcular as mplitudes necessárias à definição
do parâmetro discriminador => t2min, dt2, t3min, dt3, t4min, dt4
Ler quantos canais se vão usar => nchs
Questionar se os sinais vão ser alisados (S) ou não (N) => tipo
Ler o nível de decisão para se separarem as respostas numa de
duas classes possíveis => decisao
nv[i] = 0 (0 <= i <= nchs)
nv[i] = 0 (0 <= i <= nchs)
DecisaoCanal[0][i] = 0 (0 <= i <= nchs)
DecisaoCanal[0][i] = 0 (0 <= i <= nchs)
ordem = 0
LOOP SEGMENTOS
Ler os canais necessários do segmento ordem de fileEeg para Buffer
[N]
tipo = 'S'
?
[S]
Alisar os sinais contidos no array Buffer
ch = 0 ; moda = 0 ; SomaDecisao = 0
LOOP CANAIS
Calcular a amplitude de N200 (opção), P300 (opção) e N400
Calcular o valor do parâmetro pela definição desejada => parametro[ch]
[N]
DecisaoCanal[1][ch] =
= DecisaoCanal[1][ch] + parametro[ch]
nf[ch] = nf[ch] + 1
valor[ordem] = 'V'
?
[S]
DecisaoCanal[0][ch] =
= DecisaoCanal[0][ch] + parametro[ch]
nv[ch] = nv[ch] + 1
(...)
178
(...)
SomaDecisao = SomaDecisao + parametro[ch]
Guardar na file de resultados parametro[ch] ( na coluna do canal ch)
[S]
[N]
parametro[ch]=decisao
?
Decrementar moda
Guardar ’F’ na file de resultados (ao lado de
parametro[ch] para o canal ch)
Incrementar moda
Guardar ’V’ na file de resultados (ao lado de
parametro[ch] para o canal ch)
Incrementar ch
LOOP CANAIS
[S]
ch < nchs
?
[N]
SomaDecisao = SomaDecisao / nchs
Guardar SomaDecisao na file de resultados (na coluna do segmento ordem)
[N]
[S]
moda < 0
?
Decide-se que a resposta pertence à classe V
Decide-se que a resposta pertence à classe F
Incrementar ordem
LOOP SEGMENTOS
[S]
ordem < nsegm
?
[N]
DecisaoCanal[0][ch] = DecisaoCanal[0][ch] / nv[ch] (0 <= ch <= nchs)
DecisaoCanal[1][ch] = DecisaoCanal[1][ch] / nf[ch] (0 <= ch <= nchs)
Guardar os valores de DecisaoCanal[ ] na file de resultados
FIM
179
13. Programa que Obtém uma Direcção de Projecção Óptima, 2º a Teoria de
Bayes, pelo Método do Discriminante Linear de Fisher
main ( )
nclasses = 2
p[i] = 1 / nclasses ( 0 <= i < nclasses)
/* probabilidades à priori */
Obter o número total de objectos => k
Ler o número de parâmetros dos objectos => n
Obter os objectos (manualmente, a partir de uma file de EEG
ou de uma file com objectos) para a matriz x[ ][ ]
Obter para o array cx[ ] a atribuição dos objectos às classes
(cx[i]=1 => classe 1; cx[i]=2 => classe 2)
Calcular a direcção de projecção W com os objectos contidos
na matriz x[ ] [ ] => DiscriminanteFisher (nclasses, p, n, x, cx, k)
Guardar numa file o vector W e as projecções das médias
amostrais das classes (norma 1,2) sobre W
Fim
180
14. Rotina que Determina a Direcção de Projecção Óptima (W) pelo Método do
Discriminante Linear de Fisher
Os parâmetros de entrada desta rotina são os seguintes:
• p[i]
= probabilidade a priori da classe wi;
•n
= número de parâmetros por objecto;
• x[ ][ ] = matriz que contém os objectos a usar na obtenção de W;
• cx[i] = define a atribuição do objecto i a uma das classes;
• kt
= número de objectos para todas as classes.
DiscriminanteFisher (nclasse, p, n, x, cx, kt)
Calcular o nº de objectos por cada classe wi => k[i] (0 <= i < nclasses)
Cálculo das médias amostrais mi para as classes wi =>m[i][ ] (0<=i<nclasses)
Cálculo das matrizes de covariância amostral Si para cada classe wi =>
=> s[i][ ][ ] (0 <= i < nclasses)
Cálcular a matriz de covariância dentro das classes SD, que fica
guardada na posição de S1
Calcular a matriz inversa de Sd (SD^-1) pelo do algoritmo de SVD,
ficando em s[0][ ][ ]
Calcular a direcção de projecção W que fica em w[ ] =>
=> w[ ] = s[0][ ][ ] * ( m[1][ ] - m[2][ ] )
Calcular as projecções das médias amostrais sobre W =>
=> norma1,2 = SUM[0 <= i < n] ( w[i] * m[1,2][i] )
Sair de DiscriminanteFisher ( )
181
15. Programa que Classifica um Objecto numa de 2 Classes Possíveis, Através
de uma Direcção de Projecção e uma Fronteira de Decisão Obtidas pelo
Método do Discriminante Linear de Fisher
main ( )
Obter a partir duma file a direcção de projecção W (=> w), o número de parâmetros dos
objectos utilizados para obter W ( => n ), o número de classes ( => nclasses ) e as
projecções das médias amostrais sobre W ( => norma1,2)
Calcular a intersepção da fronteira de decisão óptima com a direcção de projecção W
=> norma = (norma1 + norma2) / 2
Ler o objecto a classificar (manualmente ou de uma file de EEG) para o array Buffer[ ]
Calcular a projecção do objecto na direcção W
=> normaX = SUM[0 <= i < n] (w[i] * Buffer[i] )
Decidir a que classe das nclasses (=2) possíveis pertence o objecto, de acordo com
os valores de normaX, norma, norma1 e norma2
[S]
Continuar com a mesma
direcção de projecção W
?
[N]
[S]
Continuar a
classificar objectos
?
[N]
Fim
APÊNDICE 4 – Formato Standard dos Ficheiros de Dados
182
APÊNDICE 4 - Formato Standard dos Ficheiros de Dados
1. Sumário dos Campos a Incluir nos Ficheiros
Nº
Nome do Campo
Comprimento Valor
Not
a
1
Header Fingerprint
6 (Fixo)
"IAvSFo"
2
Comentário
<= 512
ASCII
1
3
Nome do Sinal
<= 32
ASCII
2
4
Data da Aquisição
<= 10
ASCII
3
5
Data da Última Alteração
<= 10
ASCII
3
6
Tipo de dados
<= 10
Tabela TSD
4
7
Fonte dos dados
<= 2
Tabela SSD
5
8
Número de Canais
<= 3
INT
6
9
Número de Segmentos de Dados
<= 6
INT
7
10
Número de Periodos de Amostragem
<= 6
INT
8
<= 3
INT
9
por Segmento
11
Número de Amostras por Periodo de
Amostragem
12
Número de Bytes por Amostra
<=2
INT
10
13
Sequência de Amostragem
Variável
INT...
11
14
INTEL format flag
1 (Fixo)
"0" ou "1"
12
15
Tipo de Codificação
<= 2
Tabela FTC
13
16
Técnica de Compressão
<= 2
Tabela CT
14
17
Tipo de Sinal
<= 2
Tabela TOS
15
18
Dados sobre os Canais
Variável
Variável
16
183
Repetir os campos 18.A a 18.D Número de Canais vezes
18.A Nome do Canal
32
ASCII
16
18.B
Ganho do Canal
16
ASCII
16
18.C
Frequência de Amostragem do Canal
16
ASCII
16
18.D Informação Variável sobre o Canal
Variável
Variável
16
19
2 * #12
NºHexadecima 17
Separador de Segmento
l
20
Estampa Temporal
1 (Fixo)
"0" ou "1"
18
21
Informação Dependente da Aplicação
Variável
ASCII
19
22
Footer Fingerprint
6 (Fixo)
"oFSvAI"
--
((SegmentoDados SeparadorSegmentos ...) EndOfFile
2. Notas Gerais
- Toda a informação do cabeçalho é em ASCII. Se o programador tiver que usar dados binários deve
converte-los para ASCII, usando por exemplo notação hexadecimal. Isto é relevante para os campos
18 e 20.
- O cabeçalho do ficheiro de sinal começará sempre com o "header fingerprint" "IAvSF0" de
comprimento fixo, que provém de Inesc Aveiro Signal Format, e terminará com "fingerprint"
"IAvSFo" inverso e de comprimento fixo.
- Todos os campos terminam com um separador válido, exepto os campos 21 e 22.
- Os valores presentes na coluna correspondente ao valor, representa o tipo de informação presente
no respectivo campo. Um INT significa um inteiro representado em ASCII (base 10) enquanto que
ASCII significa uma "string" ASCII. Um nº hexadecimal é um inteiro representado em notação
hexadecimal e um valor que começa com a palavra Tabela significa que os valores válidos serão
encontrados na tabela indicada. INT... representa um número variável de inteiros e uma "string"
entre pelicas indica um valor exacto.
184
Todas os campos para os quais a informação não é conhecida ou é variável deve assumir o valor
zero.
- Separadores de campos válidos são: Space (ascii 0x20), CR (0x0D), LF (0x0A), "," (0x2C), ":"
(0x3A), ";" (0x3B) ou qualquer combinação deles.
- O armazenamento de mais de um sinal no mesmo ficheiro implica o seguinte:
(a) Todos os sinais são amostrados no mesmo instante ou em série. Isto deve ser diferenciado no
campo nº6.
(b) Os sinais guardados no mesmo ficheiro são divididos em segmentos que são divididos em
periodos de amostragem (grupo de amostras de todos os canais amostrados no mesmo instante)
que são divididos em amostras (amostras individuais de um canal).
(c) Todas as amostras dos canais, ainda que de canais diferentes, são representadas por números
do mesmo formato utilizando a mesma quantidade de espaço de armazenamento.
(d) As amostras de cada canal são armazenadas de uma forma «misturada» (todas as amostras de
um periodo de amostragem são armazenadas juntas).
3. Notas Numeradas
1 - O campo denominado por comentário pode ter até 512 caracteres de comprimento incluindo os
delimitadores. Pode usar todos os tipos de caracteres ASCII e deve ser delimitado por uma
sequência qualquer de 2 caracteres (que não inclua separadores válidos) em ordem inversa. Um
exemplo é:
/* Isto podia ser um comentario */
2 - O nome do sinal pode ter até 32 caracteres de comprimento. Não deve conter qualquer
separador. Um exemplo é:
exemplo.eeg
3 - Uma data segue o seguinte formato: YYYY-MM-DD. Os separadores entre ano, mês e dia
podem ser "-" ou "/". Os digitos mais significativos do ano, mês e dia podem ser omitidos. Um
exemplo é:
1988/12/25
89-4-12
0-0-0 (data desconhecida)
185
4 - Um campo tipo inteiro contendo informação sobre as operações implementadas sobre o(s)
sinal(ais). Cada bit dos 32 deste inteiro representa um tipo de operação ou transformação. A
correspondência entre os bits e as operações é descrita na tabela TSD. Todos os bits que são
indefenidos devem ser colocados a zero.
5 - Este número inteiro é usado para para obter uma entrada na tabela SSD, a qual identifica a fonte
dos dados.
6 - Este inteiro especifica o número de canais/sinais armazenados no ficheiro. Não pode conter o
valor zero. Coincide com o número de canais diferentes armazenados num segmento de amostras.
7 - Este campo inteiro especifica o número de segmentos armazenados no ficheiro. Se for
desconhecido deve colocar-se este campo a zero.
8 - Este campo inteiro especifica o número de periodos de amostragem armazenados em cada
segmento.Se for desconhecido ou variável deve colocar-se este campo a zero.
9 - Este campo inteiro especifica o número total de amostras armazenadas num periodo de
amostragem. Deve ser uma constante diferente de zero. Nota que este número deve ser maior ou
igual que o valor do campo nº8 (Número de canais).
10 - Este campo inteiro especifica o número de bytes que o armazenamento de uma amostra ocupa.
Este campo não pode conter o valor zero.
11 - Este campo, que consiste de vários inteiros, especifica a ordem pela qual os canais são
armazenados num segmento de amostragem. Há exactamente Número de amostras por periodo de
amostragem (campo nº11) inteiros neste campo. A separação entre inteiros é qualquer separador
válido. Um exemplo é:
3 4 1 2 0 (5 amostras de canais por segmento de amostragem). A 1ª amostra é uma amostra do
canal 3, ... e a última amostra é uma amostra do canal 0.
12 - Ordem dos bytes: "0" significa que o byte mais significativo precede o menos significativo e "1"
significa o oposto (formato Intel).
13 - Define a codificação empregue nos dados. Valores válidos podem ser encontrados na tabela
FTC (Format Code). Esta informação e o valor do campo nº12 (Número de bytes por amostra)
identificam exactamente o formato dos dados.
14 - Define a técnica de compressão usada. Valores válidos podem ser obtidos da tabela CT.
186
15 - Define o tipo do sinal. Valores válidos são apresentados na tabela TOS. Este campo coincide
com o tipo do sinal que originou o sinal armazenado no ficheiro.
16 - Este é um campo variável que guarda informação sobre cada canal. Há precisamente Número
de canais (campo nº8) repetições da informação seguinte (uma para cada canal e sendo o canal 0 o
primeiro):
i) Nome do canal (no máximo 32 caracteres ascii sem separadores válidos)
ii) Ganho do canal (um número em vírgula flutuante em formato ascii)
ii) Frequência de amostragem usada no canal (um número em vírgula flutuante em formato ascii)
iv) Informação dependente do tipo de aplicação. Este é um sub-campo variável onde a informação
deve obedecer às regras seguintes:
- O primeiro caracter é uma letra ascii que identifica a informação (tag)
- Existe um separador entre o tag e a informação
- Apenas o tag "A" não é seguido de informação
- A informação é terminada por um separador
- O tag "A" é reservado para identificar o fim de um sub-campo
- Os tags definidos são apresentados na tabela TAG.
17 - Este é um campo hexadecimal que especifica o separdor de segmentos. Todos os segmentos
devem terminar com esta informação. De referir que é um número binário com vários bytes
representado em hexadecimal. A ordem dos bytes obedece a Intel format flag (campo nº14). Este
campo ocupa exactamente 2*Número de bytes por amostra (campo nº12). Deve representar um
valor binário que nunca aparece numa amostra válida. Por exemplo para números em vírgula
flutuante pode ser um NAN (Not A Number).
18 - Estampa temporal: "0" significa que não existe estampa temporal no início de cada segmento de
dados e "1" ignifica que existe estampa temporal no início de cada segmento de dados. O formato da
estampa temporal é fixo e tem 9 digitos ascii de comprimento com a seguinte forma:
HHMMSSmmm, onde HH é a hora, MM os minutos, SS os segundos e mmm os milésimos
de segundo da 1ª amostra do segmento.
187
19 - A informação dependente do tipo de aplicação é um campo ascii de comprimento variável que é
terminado pelo "footer fingerprint" "oFSvAI". Pode conter informação que pode ser útil para certas
aplicações, mas que não é essencial para outras. Não há separador depois do "footer fingerprint".
4. Tabelas
TSD - Tipo de Dados
1
(Bit 0)
Dados Em Bruto
2
(Bit 1)
Amostragem Simultanea
4
(Bit 2)
Amostragem Série
8
(Bit 3)
Dados Filtrados
16
(Bit 4)
Espectro de Potência
Outros bits: não atribuidos
SSD - Fonte dos Dados
"0"
Desconhecido
"1"
EEG
"2"
ECG
"3"
Potenciais Evocados
"4"
Voz
Outros valores: não são válidos
188
FTC - Tipo de Codificação
"0"
Unsigned INT
"1"
INT sinal + módulo
"2"
INT complemento para 1
"3"
INT complemento 2
"4"
INT excesso
"5"
Real IEEE
"6"
Real ANSI
"7"
Real DEC
CT - Técnica de Compressão
"0"
Não há compressão
TOS - Tipo De Sinal
"0"
Desconhecido
"1"
EEG unipolar
"2"
EEG bipolar
"3"
ECG
"4"
Potenciais Evocados
"5"
Voz
TAG (Valores dos tags)
"A"
Fim da informação dependente da aplicação para um canal. Nenhuma
informação segue este tag.
"B"
Mínimo do sinal de calibração (formato: campo nº15)
"C"
Máximo do sinal de calibração (formato: campo nº15)
"D"
Máximo da 2ª derivada do sinal de calibração (formato: campo nº15)
"E"
Estado do canal (formato: caracter ascii):
"0": significa que as amostras deste canal têm valores válidos
"1": significa que as amostras deste canal são «lixo»
Outros valores: ilegais
"G"
Definição da Unidade (formato: "string" ascii). Identifica as unidades
do campo anterior. Um exemplo é: "1 = 5.23mv"
"H"
Máximo da 1ª derivada do sinal de calibração (formato: campo nº15)
"I"
Valor de referência do sinal de calibração.
189
APÊNDICE 5 - Orações e Parâmetros Utilizados nas Experiências
APÊNDICE
5.1 - Orações
Experiências 1
e
190
Parâmetros
Utilizados
1. Orações Utilizadas na Experiência 1
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
1º SEGMENTO
As aves
O sangue
A laranja
A Terra
A água do mar
Um jardim
Os comboios
As galinhas
Os peixes
O professor
As lâmpadas
A cor do leite
O médico
Um cavalo
Os gatos
Uma rosa
O limão
O vinho
O mel
Os barcos
As aves
O sangue
A laranja
A Terra
A água do mar
Um jardim
Os comboios
As galinhas
Os peixes
O professor
As lâmpadas
A cor do leite
O médico
Um cavalo
Os gatos
Uma rosa
O limão
O vinho
O mel
Os barcos
2º SEGMENTO
têm
circula
é
é
é
tem
andam
põem
vivem
ensina
dão
é
trata
é
caçam
é
é
tem
é
andam
têm
circula
é
é
é
tem
andam
põem
vivem
ensina
dão
é
trata
é
caçam
é
é
tem
é
andam
3º SEGMENTO
asas.
nas veias.
um fruto.
redonda.
salgada.
flores.
sobre carris.
ovos.
na água.
os alunos.
luz.
o branco.
os doentes.
um animal.
ratos.
uma flor.
amargo.
álcool.
doce.
na água.
barbatanas.
sobre carris.
uma ave.
quadrada.
doce.
asas.
na estrada.
ratos.
no ar.
as portas.
ovos.
o roxo.
a luz.
uma flor.
álcool.
um animal.
doce.
Sol.
amargo.
no ar.
nas
191
2. Parâmetros Utilizados na Experiência 1
1. Nome dos canais ⇒ CH0 ≡ Fz-A2
CH1 ≡ Cz-A2
CH2 ≡ Pz-A2
CH3 ≡ P4-A2
CH4 ≡ P3-A2
CH5 ≡ O2-A2
CH6 ≡ O1-A2
CH7 ≡ Não foi usado
CH8 ≡ X1-A2
CH9 ... CH15 ≡ Não foram usados
2. Ganho adicional ⇒ CH0 ... CH15 ≡ 1
3. Número de segmentos = 3
4. Tamanho máximo em caracteres permitido para um segmento = 20
5. Tempo que medeia entre a apresentação dos segmentos = 1s
6. Tempo durante o qual os segmentos de texto permanecem visíveis ⇒ 1s (Experiência 1A)
0.4s (Experiência 1B)
7. Número de sessões = 1
8. Número de ensaios por sessão = 30
9. Número de blocos por sessão = 1
10. Número de ensaios por bloco = 30
11. Tempo entre o início de ensaios consecutivos = 6s
12. Resposta física/aberta ⇒ Não há
13. Tempo permitido para se dar a resposta aberta ⇒ ---14. Sessão treino/teste ⇒ Não há
15. Tempo de aquisição = 3s
16. Início da aquisição = 20 A 1 (20cs antes do 1º segmento)
17. Frequência de aquisição = 400Hz
18. Manter ou não os segmentos ⇒ Sim (Experiência 1A)
Não (Experiência 1B)
19. Número de canais = 8 (7 de EEG e 1 de EOG)
20. Repetir a apresentação do mesmo estímulo = 1 vez
APÊNDICE
5.2 - Orações
Experiências 2
e
192
Parâmetros
Utilizados
1. Orações Utilizadas na Experiência 2
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
1º SEGMENTO
As aves
O sangue
A laranja
A Terra
A água do mar
Um jardim
Os comboios
O corpo das aves
Os peixes
O professor
O oxigénio
A cor do leite
O médico
Um cavalo
Os gatos
Uma rosa
O limão
Uma bicicleta
O mel
Os barcos
A água
As aves
O sangue
A laranja
A Terra
A água do mar
Um jardim
Os comboios
O corpo das aves
Os peixes
O professor
O oxigénio
A cor do leite
O médico
Um cavalo
Os gatos
Uma rosa
O limão
Uma bicicleta
O mel
Os barcos
A água
2º SEGMENTO
têm
circula
é
é
é
tem
andam
é coberto
vivem
ensina
é
é
trata
é
caçam
é
é
anda
é
andam
é
têm
circula
é
é
é
tem
andam
é coberto
vivem
ensina
é
é
trata
é
caçam
é
é
anda
é
andam
é
3º SEGMENTO
asas.
nas veias.
um fruto.
redonda.
salgada.
flores.
sobre carris.
com penas.
na água.
os alunos.
um gás.
o branco.
os doentes.
um animal.
ratos.
uma flor.
amargo.
a pedais.
doce.
na água.
um líquido.
barbatanas.
sobre carris.
uma ave.
quadrada.
doce.
asas.
na estrada.
com pêlos.
no ar.
as portas.
um sólido.
o roxo.
a luz.
uma flor.
álcool.
um animal.
doce.
a motor.
amargo.
no ar.
um gás.
nas
193
2. Parâmetros Utilizados na Experiência 2
1. Nome dos canais ⇒ CH0 ≡ Fz-A2
CH1 ≡ Cz-A2
CH2 ≡ Pz-A2
CH3 ≡ P4-A2
CH4 ≡ P3-A2
CH5 ≡ O2-A2
CH6 ≡ O1-A2
CH7 ≡ Não foi usado
CH8 ≡ X1-A2
CH9 ... CH15 ≡ Não foram usados
2. Ganho adicional ⇒ CH0 ... CH15 ≡ 1
3. Número de segmentos = 3
4. Tamanho máximo em caracteres permitido para um segmento = 20
5. Tempo que medeia entre a apresentação dos segmentos (nas subsessões 1, 2, 3 e 4) = 1s
6. Tempo durante o qual os segmentos de texto permanecem visíveis (nas subsessões 1, 2, 3 e 4)
= 400ms
7. Número de sessões = 1
8. Número de ensaios por sessão = 30
9. Número de blocos por sessão = 4
10. Número de ensaios por bloco ⇒ subsessão 1 = 8
subsessão 2 = 8
subsessão 3 = 7
subsessão 4 = 7
11. Tempo entre o início de ensaios consecutivos (nas subsessões 1, 2, 3 e 4) = 9s
12. Resposta física/aberta (nas subsessões 1, 2, 3 e 4) ⇒ Não há (Experiência 2A)
Há (Experiência 2B)
13. Tempo permitido para se dar a resposta aberta (nas subsessões 1, 2, 3 e 4 )
⇒ (Experiência 2A) = ---(Experiência 2B) = 1.5s
14. Sessão treino/teste ⇒ Não há
15. Tempo de aquisição = 4.6s
16. Início da aquisição = 20 A 1 (20cs antes do 1º segmento)
17. Frequência de aquisição = 400Hz
18. Manter ou não os segmentos ⇒ Não
19. Número de canais = 8 (7 de EEG e 1 de EOG)
20. Repe\tir a apresentação do mesmo estímulo (nas subsessões 1, 2, 3 e 4) = 1 vez
194
APÊNDICE 6 - Resultados da Análise de Variância Efectuada
Sobre a Amplitude e Latência das ERPs
1 - Interacção Entre os Factores que Influenciam a Amplitude e a Latência
das ERPs
1.1 - A Variável de Teste é a Amplitude de N200
#
Interacção
Análise
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Valor Lógico - Tarefa
Valor Lógico - Colaborador
Valor Lógico - Forma
Valor Lógico - Localização
Tarefa - Colaborador
Tarefa - Forma
Tarefa - Localização
Colaborador - Forma
Colaborador - Localização
Forma - Localização
Valor Lógico - Tarefa - Colaborador
Valor Lógico - Tarefa - Forma
Valor Lógico - Tarefa - Localização
Valor Lógico - Colaborador - Forma
Valor Lógico - Colaborador - Localização
Valor Lógico - Forma - Localização
Tarefa - Colaborador - Forma
Tarefa - Colaborador - Localização
Tarefa - Forma - Localização
Colaborador - Forma - Localização
Valor Lógico - Tarefa - Colaborador - Forma
Valor Lógico - Tarefa - Colaborador - Local
Valor Lógico - Tarefa - Localização - Forma
Valor Lógico - Colaborador - Local - Forma
Colaborador - Tarefa - Localização - Forma
Valor - Colaborador - Tarefa - Forma - Local
F(3,3146) = 0.628
F(7,3142) = 11.50
F(3,3146) = 8.90
F(13,3136) = 10.00
F(5,3144) = 16.28
F(2,3147) = 12.87
F(13,3136) = 10.98
F(5,3144) = 12.68
F(27,3122) = 8.37
F(13,3136) = 12.42
F(5,3144) = 16.25
F(3,3146) = 8.74
F(27,3122) = 5.32
F(5,3144) = 12.8
F(55,3094) = 4.46
F(27,3122) = 6.06
F(5,3144) = 16.13
F(10,3139) = 21.67
F(8,3141) = 19.66
F(10,3139) = 19.80
F(6,3143) = 13.54
F(11,3138) = 19.76
F(9,3140) = 17.53
F(11,3138) = 18.06
F(11,3138) = 19.70
F(9,1790)=10.8 (*)
F(8,1341)=10.2 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.597
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
195
1.2 - A Variável de Teste é a Latência de N200
#
Interacção
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Análise
F(3,3146) = 105.45
($) F(3,1256) = 19.42
($$) F(3,1886) = 11.52
F(3,3146) = 25.20
F(13,3136) = 1.16
F(5,3144) = 243.54
Tarefa - Forma
F(2,3147) = 162.10
F(13,3136) = 27.90
Colaborador - Forma
F(5,3144) = 288.65
F(27,3122) = 54.46
F(13,3136) = 9.74
F(5,3144) = 242.33
F(3,3146) = 108.24
F(27,3122) = 13.53
F(5,3144) = 280.73
F(55,3094) = 26.93
F(27,3122) = 4.81
F(5,3144) = 280.81
F(10,3139) =123.47
F(8,3141) = 42.60
F(10,3139) =142.93
F(6,3143) = 234.22
F(11,3138) =112.41
F(9,3140) = 37.92
F(11,3138) =130.05
F(11,3138) =130.09
F(9,1790)=70.3 (*)
F(8,1341)=114 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
($) - colaboradores C1E1 e C2E1
($$) - colaboradores C1E2 e C2E2
α
0.000
0.000
0.000
0.000
0.302
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
196
1.3 - A Variável de Teste é a Amplitude de P300
#
Interacção
Análise
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Tarefa - Forma
Colaborador - Forma
F(3,3146) = 7.12
F(7,3142) = 4.46
F(3,3146) = 1.67
F(13,3136) = 1.52
F(5,3144) = 16.69
F(2,3147) = 7.17
F(13,3136) = 5.30
F(5,3144) = 6.58
F(27,3122) = 1.90
F(13,3136) = 1.54
F(5,3144) = 4.48
F(3,3146) = 6.15
F(27,3122) = 3.02
F(5,3144) = 5.27
F(55,3094) = 1.34
F(27,3122) = 0.91
F(5,3144) = 6.05
F(10,3139) = 3.37
F(8,3141) = 3.73
F(10,3139) = 3.79
F(6,3143) = 5.71
F(11,3138) = 3.45
F(9,3140) = 3.78
F(11,3138) = 3.82
F(11,3138) = 4.17
F(9,1790) =7.08 (*)
F(8,1341)=1.82 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.000
0.172
0.102
0.000
0.001
0.000
0.000
0.003
0.096
0.000
0.000
0.000
0.000
0.050
0.593
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.069
Resultado
Significativa
Significativa
Não Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Não Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Não Significativa
197
1.4 - A Variável de Teste é a Latência de P300
#
Interacção
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Análise
F(3,3146) = 37.23
($) F(3,1256) = 2.04
($$) F(3,1886) = 16.45
F(3,3146) = 12.74
F(13,3136) = 8.91
F(5,3144) = 79.29
Tarefa - Forma
F(2,3147) = 112.70
F(13,3136) = 18.48
Colaborador - Forma
F(5,3144) = 21.18
F(27,3122) = 9.59
F(13,3136) = 13.31
F(5,3144) = 79.51
F(3,3146) = 75.62
F(27,3122) = 9.20
F(5,3144) = 21.16
F(55,3094) = 5.02
F(27,3122) = 6.67
F(5,3144) = 82.59
F(10,3139) = 53.78
F(8,3141) = 44.26
F(10,3139) = 22.39
F(6,3143) = 69.07
F(11,3138) = 49.05
F(9,3140) = 39.52
F(11,3138) = 20.50
F(11,3138) = 50.57
F(9,1790)=29.8 (*)
F(8,1341)=34.8 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.107
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
198
1.5 - A Variável de Teste é a Amplitude de N400
#
Interacção
Análise
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Tarefa - Forma
Colaborador - Forma
F(3,3146) = 34.80
F(7,3142) = 7.23
F(3,3146) = 13.91
F(13,3136) = 2.01
F(5,3144) = 20.98
F(2,3147) = 61.49
F(13,3136) = 6.54
F(5,3144) = 6.51
F(27,3122) = 1.03
F(13,3136) = 2.25
F(5,3144) = 25.72
F(3,3146) = 49.15
F(27,3122) = 4.22
F(5,3144) = 10.70
F(55,3094) = 1.46
F(27,3122) = 2.28
F(5,3144) = 26.81
F(10,3139) = 10.87
F(8,3141) = 15.85
F(10,3139) = 3.43
F(6,3143) = 26.49
F(11,3138) = 12.04
F(9,3140) = 16.81
F(11,3138) = 5.21
F(11,3138) = 12.54
F(9,1790)=12.4 (*)
F(8,1341)=6.97 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.000
0.000
0.017
0.000
0.000
0.000
0.000
0.419
0.006
0.000
0.000
0.000
0.000
0.016
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
199
1.6 - A Variável de Teste é a Latência de N400
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Interacção
Análise
F(3,3146) = 134.80
($) F(3,1256) = 17.34
($$) F(3,1886) = 26.27
F(3,3146) = 122.82
F(13,3136) = 2.30
F(5,3144) = 134.19
Tarefa - Forma
F(2,3147) = 282.06
F(13,3136) = 30.97
Colaborador - Forma
F(5,3144) = 127.13
F(27,3122) = 23.55
F(13,3136) = 28.98
F(5,3144) = 138.02
F(3,3146) = 195.35
F(27,3122) = 16.27
F(5,3144) = 132.01
F(55,3094) = 13.06
F(27,3122) = 14.74
F(5,3144) = 140.34
F(10,3139) = 68.78
F(8,3141) = 73.17
F(10,3139) = 65.66
F(6,3143) = 121.27
F(11,3138) = 64.78
F(9,3140) = 67.50
F(11,3138) = 62.03
F(11,3138) = 65.85
F(9,1790)=40.9 (*)
F(8,1341)=47.6 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.000
0.000
0.000
0.005
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
200
1.7 - A Variável de Teste é a Amplitude de P500
#
Interacção
Análise
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Tarefa - Forma
Colaborador - Forma
F(3,3146) = 13.20
F(7,3142) = 5.27
F(3,3146) = 8.20
F(13,3136) = 2.18
F(5,3144) = 8.60
F(2,3147) = 14.81
F(13,3136) = 2.83
F(5,3144) = 10.71
F(27,3122) = 3.08
F(13,3136) = 2.70
F(5,3144) = 5.73
F(3,3146) = 13.38
F(27,3122) = 2.48
F(5,3144) = 12.54
F(55,3094) = 2.06
F(27,3122) = 1.95
F(5,3144) = 11.81
F(10,3139) = 3.65
F(8,3141) = 5.96
F(10,3139) = 7.02
F(6,3143) = 11.66
F(11,3138) = 4.24
F(9,3140) = 6.48
F(11,3138) = 7.37
F(11,3138) = 7.03
F(9,1790) =6.14 (*)
F(8,1341)=8.06 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.000
0.000
0.008
0.000
0.000
0.000
0.000
0.000
0.001
0.000
0.000
0.000
0.000
0.000
0.002
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
201
1.8 - A Variável de Teste é a Latência de P500
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Interacção
Análise
F(3,3146) = 25.07
($) F(3,1256) = 37.58
($$) F(3,1886) = 8.00
F(3,3146) = 457.84
F(13,3136) = 0.59
F(5,3144) = 63.33
Tarefa - Forma
F(2,3147) = 689.60
F(13,3136) = 5.94
Colaborador - Forma
F(5,3144) = 314.55
F(27,3122) = 11.92
F(13,3136) =105.39
F(5,3144) = 63.18
F(3,3146) = 459.83
F(27,3122) = 3.11
F(5,3144) = 314.72
F(55,3094) = 6.01
F(27,3122) = 51.20
F(5,3144) = 315.52
F(10,3139) = 31.84
F(8,3141) = 172.99
F(10,3139) =157.82
F(6,3143) = 262.99
F(11,3138) = 29.05
F(9,3140) = 153.80
F(11,3138) =143.50
F(11,3138) =143.87
F(9,1790)=102.1(*)
F(8,1341)=83.0 (**)
(*) - canais 1 a 4
(**) - canais 5 a 7
α
0.000
0.000
0.000
0.000
0.860
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
Não Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
202
2.1 - Análise da Influência do Factor Forma das Orações Sobre a Amplitude e
Latência das ERPs
2.1.1 - Estudo da Influência do Factor Forma das Orações Sobre a Amplitude e Latência da
ERP N200
2.1.1.1 - Interacções
Variável Tarefa Colaborador
N200
T200
N200
T200
NR(*)
NR
NR
NR
C1E1
C1E1
C2E1
C2E1
Interacção
Análise
Forma - Valor Lógico
F(3,626) = 1.02
F(3,626) = 60.08
F(3,626) = 0.45
F(3,626) = 11.04
α
0.384
0.000
0.716
0.000
Resultado
Não Signific.
Significativa
Não Signific.
Significativa
(*) NR - não se exige uma resposta aberta
2.1.1.2 - Influência do Factor Forma das Orações sobre a ERP N200
Variável Tarefa
N200
T200
N200
T200
N200
T200
N200
T200
NR
NR
NR
NR
NR
NR
NR
NR
Colab.
Valor
Análise
C1E1
C1E1
C1E1
C1E1
C2E1
C2E1
C2E1
C2E1
F(*)
F(1,306) = 0.00
F
F(1,306) = 45.34
V(**) F(1,320) = 0.00
V
F(1,320) = 129.61
F
F(1,306) = 0.29
F
F(1,306) = 23.32
V
F(1,320) = 0.57
V
F(1,320) = 6.04
α
Resultado
0.992
0.000
0.999
0.000
0.593
0.000
0.450
0.015
Não Signific.
Significativa
Não Signific.
Significativa
Não Signific.
Significativa
Não Signific.
Significativa
Σ(MS)
Σ(NMS)
-30.2
182
-27.1
192
-27.5
177
-28.3
165
-30.2
157
-27.1
149
-28.8
159
-26.8
157
(*) V - Orações verdadeiras
(**) F- Orações Falsas
Σ(MS) - média da variável em causa quando a forma = Manter os Segmentos
Σ(NMS) - média da variável em causa quando a forma = Não Manter os Segmentos
203
ERP P300
Variáv
el
P300
T300
P300
T300
Tarefa Colaborador
NR
NR
NR
NR
C1E1
C1E1
C2E1
C2E1
Interacção
Análise
F(3,626) = 8.74
F(3,626) = 1.53
F(3,626) = 1.06
F(3,626) = 7.54
α
0.000
0.207
0.368
0.000
Resultado
Significativa
Não Signific.
Não Signific.
Significativa
2.1.2.2 - Influência do Factor Forma das Orações sobre a ERP P300
Variável Tarefa
P300
T300
P300
T300
P300
T300
P300
T300
NR
NR
NR
NR
NR
NR
NR
NR
Colab.
Valo
r
Análise
α
Resultado
C1E1
C1E1
C1E1
C1E1
C2E1
C2E1
C2E1
C2E1
F
F
V
V
F
F
V
V
F(1,306) = 2.03
F(1,306) = 1.64
F(1,320) = 20.79
F(1,320) = 1.42
F(1,306) = 0.00
F(1,306) = 1.20
F(1,320) = 0.05
F(1,320) = 21.19
0.156
0.202
0.000
0.234
0.954
0.274
0.817
0.000
Não Signific.
Não Signific.
Significativa
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Significativa
Σ(MS) Σ(NMS)
17.9
262
15.4
266
14.6
259
17.3
249
21.2
267
27.9
271
14.7
264
17.8
266
ERP N400
Variável Tarefa Colaborador
N400
T400
N400
T400
(*)NR
NR
NR
NR
C1E1
C1E1
C2E1
C2E1
Interacção
Análise
F(3,626) = 14.64
F(3,626) = 15.43
F(3,626) = 4.12
F(3,626) = 11.85
α
0.000
0.000
0.007
0.000
Resultado
Significativa
Significativa
Significativa
Significativa
204
2.1.3.2 - Influência do Factor Forma das Orações sobre a ERP N400
Variável Tarefa
N400
T400
N400
T400
N400
T400
N400
T400
NR
NR
NR
NR
NR
NR
NR
NR
Colab.
Valor
Análise
α
Resultado
Σ(MS) Σ(NMS)
C1E1
C1E1
C1E1
C1E1
C2E1
C2E1
C2E1
C2E1
F
F
V
V
F
F
V
V
F(1,306) = 8.02
F(1,306) = 6.51
F(1,320) = 11.23
F(1,320) = 7.37
F(1,306) = 5.67
F(1,306) = 1.60
F(1,320) = 2.48
F(1,320) = 30.70
0.005
0.011
0.001
0.007
0.018
0.207
0.116
0.000
Significativa
Significativa
Significativa
Significativa
Significativa
Não Signific.
Não Signific.
Significativa
-34.6
411
-24.6
399
-34.0
396
-28.4
409
-26.1
403
-14.8
390
-27.2
391
-24.5
389
ERP P500
Variável Tarefa
P500
T500
P500
T500
NR
NR
NR
NR
Colaborador
Interacção
Análise
C1E1
C1E1
C2E1
C2E1
F(3,626) = 12.25
F(3,626) = 265.56
F(3,626) = 5.36
F(3,626) = 245.97
α
Resultado
0.000
0.000
0.001
0.000
Significativa
Significativa
Significativa
Significativa
2.1.4.2 - Influência do Factor Forma das Orações sobre a ERP P500
Variável Tarefa
P500
T500
P500
T500
P500
T500
P500
T500
NR
NR
NR
NR
NR
NR
NR
NR
Colab.
Valor
Análise
α
Resultado
Σ(MS)
Σ(NMS)
C1E1
C1E1
C1E1
C1E1
C2E1
C2E1
C2E1
C2E1
F
F
V
V
F
F
V
V
F(1,306) = 10.57
F(1,306) = 217.51
F(1,320) = 11.38
F(1,320) = 576.38
F(1,306) = 6.35
F(1,306) = 299.38
F(1,320) = 6.70
F(1,320) = 444.23
0.001
0.000
0.001
0.000
0.012
0.000
0.010
0.000
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
9.5
566
17.5
574
8.7
565
12.1
568
19.6
515
28.1
491
15.6
501
18.9
497
205
2.2 - Análise da Influência do Factor Tarefa a Realizar Sobre a Amplitude e
Latência das ERPs
2.2.1 - Estudo da Influência do Factor Tarefa a Realizar Sobre a Amplitude e Latência da ERP
N200
Variável
Forma Colaborador
Interacção
Análise
α
Resultado
C1E2
Tarefa - Valor Lógico
F(3,1046) = 12.26
0.000
Significativa
T200
(*)NM
S
NMS
C1E2
F(3,1046) = 2.11
0.097
N200
T200
NMS
NMS
C2E2
C2E2
F(3,836) = 11.16
F(3,836) = 8.96
0.000
0.000
Não
Signific.
Significativa
Significativa
N200
(*) NMS - Não Manter visíveis os Segmentos já apresentados
2.2.1.2 - Influência do Factor Tarefa a Realizar sobre a ERP N200
Variável Forma
Colab.
Valor
Análise
α
Resultado
Σ(NR)
Σ(R)
NMS
NMS
NMS
NMS
NMS
NMS
NMS
NMS
C1E2
C1E2
C1E2
C1E2
C2E2
C2E2
C2E2
C2E2
F
F
V
V
F
F
V
V
F(1,551) = 28.83
F(1,551) = 1.48
F(1,495) = 0.23
F(1,495) = 4.97
F(1,551) = 1.51
F(1,551) = 5.49
F(1,495) = 27.51
F(1,495) = 16.60
0.000
0.224
0.632
0.026
0.220
0.020
0.000
0.000
Significativa
Não Signific.
Não Signific.
Significativa
Não Signific.
Significativa
Significativa
Significativa
-18.8
204
-22.3
202
-21.8
209
-20.5
224
-27.6
208
-21.6
210
-19.5
216
-28.4
212
N200
T200
N200
T200
N200
T200
N200
T200
Σ(R) - média da variável em causa quando a Tarefa = Exige-se uma Resposta Aberta
Σ(NR) - média da variável em causa quando a Tarefa = Não se Exige uma Resposta Aberta
206
P300
Variável Forma Colaborador
NMS
NMS
NMS
NMS
P300
T300
P300
T300
C1E2
C1E2
C2E2
C2E2
α
Interacção
Análise
F(3,1046) = 22.29
F(3,1046) = 61.21
F(3,836) = 16.27
F(3,836) = 39.77
Resultado
0.000
0.000
0.000
0.000
Significativa
Significativa
Significativa
Significativa
2.2.2.2 - Influência do Factor Tarefa a Realizar sobre a ERP P300
Variável Forma
NMS
NMS
NMS
NMS
NMS
NMS
NMS
NMS
P300
T300
P300
T300
P300
T300
P300
T300
Colab.
Valor
Análise
α
Resultado
Σ(NR)
Σ(R)
C1E2
C1E2
C1E2
C1E2
C2E2
C2E2
C2E2
C2E2
F
F
V
V
F
F
V
V
F(1,551) = 40.92
F(1,551) = 74.65
F(1,495) = 20.63
F(1,495) = 103.10
F(1,551) = 28.42
F(1,551) = 64.58
F(1,495) = 0.61
F(1,495) = 54.87
0.000
0.000
0.000
0.000
0.000
0.000
0.437
0.000
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
Não Signific.
Significativa
24.4
285
20.2
284
13.9
293
13.1
291
13.6
258
12.6
251
23.7
265
14.4
265
N400
N400
T400
N400
T400
NMS
NMS
NMS
NMS
C1E2
C1E2
C2E2
C2E2
Interacção
Análise
α
Resultado
F(3,1046) = 23.34
F(3,1046) = 30.62
F(3,836) = 20.10
F(3,836) = 4.88
0.000
0.000
0.000
0.002
Significativa
Significativa
Significativa
Significativa
207
2.2.3.2 - Influência do Factor Tarefa a Realizar sobre a ERP N400
Variável Tarefa
NMS
NMS
NMS
NMS
NMS
NMS
NMS
NMS
N400
T400
N400
T400
N400
T400
N400
T400
Colab. Valor
C1E2
C1E2
C1E2
C1E2
C2E2
C2E2
C2E2
C2E2
F
F
V
V
F
F
V
V
Análise
α
Resultado
Σ(NR)
Σ(R)
F(1,551) = 25.71
F(1,551) = 3.77
F(1,495) = 35.33
F(1,495) = 51.31
F(1,551) = 15.68
F(1,551) = 4.60
F(1,495) = 47.95
F(1,495) = 7.73
0.000
0.067
0.000
0.000
0.000
0.033
0.000
0.006
Significativa
Não Signific.
Significativa
Significativa
Significativa
Significativa
Significativa
Significativa
-24.3
375
-19.0
374
-21.9
378
-21.5
382
-34.5
370
-30.5
350
-31.1
371
-33.9
373
P500
P500
T500
P500
T500
NMS
NMS
NMS
NMS
C1E2
C1E2
C2E2
C2E2
Interacção
Análise
F(3,1046) = 15.69
F(3,1046) = 1.02
F(3,836) = 4.49
F(3,836) = 3.52
α
0.000
0.385
0.004
0.015
Resultado
Significativa
Não Signific.
Significativa
Significativa
2.2.4.2 - Influência do Factor Tarefa a Realizar sobre a ERP P500
Variável Forma
P500
T500
P500
T500
P500
T500
P500
T500
NMS
NMS
NMS
NMS
NMS
NMS
NMS
NMS
Colab. Valor
C1E2
C1E2
C1E2
C1E2
C2E2
C2E2
C2E2
C2E2
F
F
V
V
F
F
V
V
Análise
α
Resultado
Σ(NR)
Σ(R)
F(1,551) = 9.55
F(1,551) = 0.00
F(1,495) = 34.84
F(1,495) = 0.13
F(1,551) = 9.74
F(1,551) = 10.07
F(1,495) = 1.05
F(1,495) = 0.02
0.002
0.990
0.000
0.719
0.002
0.002
0.307
0.897
Significativa
Não Signific.
Significativa
Não Signific.
Significativa
Significativa
Não Signific.
Não Signific.
17.3
512
22.3
516
9.7
526
13.4
522
12.3
512
12.1
515
17.4
515
11.5
522
3 - Análise da Influência do Factor Valor
208
Lógico das Orações Sobre a
Amplitude e Latência das ERPs
3.1 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de N200
Forma
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
Colab. Tarefa
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
Análise
α
Resultado
Σv
Σf
F(1,208) = 0.98
F(1,418) = 1.32
F(1,418) = 3.42
F(1,418) = 0.65
F(1,418) = 2.07
F(1,208) = 0.09
F(1,628) = 20.75
F(1,418) = 23.56
0.323
0.251
0.065
0.419
0.151
0.766
0.000
0.000
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Significativa
Significativa
-27.1
-26.8
-22.3
-20.5
-27.1
-28.3
-21.6
-28.4
-30.2
-28.8
-18.8
-21.8
-30.2
-27.5
-27.6
-19.5
MS - Mantêm-se os Segmentos Já Apresentados Da Oração
NMS - Não se Mantêm os Segmentos Já Apresentados Da Oração
NR - Não se Exige uma Resposta Aberta
R - Exige-se uma Resposta Aberta
Σv - Média correspondente ás Oracões Verdadeiras
Σf - Média correspondente ás Oracões falsas
3.2 - Influência do Factor Valor Lógico das Orações sobre a Latência de N200
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 4.56
F(1,418) = 0.54
F(1,418) = 0.18
F(1,418) = 20.25
F(1,418) = 9.37
F(1,208) = 4.89
F(1,628) = 0.40
F(1,418) = 2.66
0.034
0.463
0.670
0.000
0.002
0.028
0.529
0.104
Significativa
Não Signific.
Não Signific.
Significativa
Significativa
Significativa
Não Signific.
Não Signific.
149
157
202
224
192
165
210
212
157
159
204
209
182
177
208
216
209
3.3 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de P300
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 3.72
F(1,418) = 2.39
F(1,418) = 4.63
F(1,418) = 0.23
F(1,418) = 1.83
F(1,208) = 0.78
F(1,628) = 0.46
F(1,418) = 29.5
0.055
0.122
0.032
0.635
0.177
0.376
0.499
0.000
Não Signific.
Não Signific.
Significativa
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Significativa
21.2
17.8
20.2
13.1
15.4
17.3
12.6
14.4
27.9
14.7
24.4
13.9
17.9
14.6
13.6
23.7
3.4 - Influência do Factor Valor Lógico das Orações sobre a Latência de P300
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 0.82
F(1,418) = 0.77
F(1,418) = 0.09
F(1,418) = 0.54
F(1,418) = 0.92
F(1,208) = 3.88
F(1,628) = 5.41
F(1,418) = 0.02
0.367
0.382
0.767
0.464
0.339
0.050
0.020
0.904
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Não Signific.
Significativa
Não Signific.
271
267
284
291
266
249
250
265
267
264
285
293
262
260
258
265
3.5 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de N400
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 9.02
F(1,418) = 1.48
F(1,418) = 5.69
F(1,418) = 0.06
F(1,418) = 18.96
F(1,208) = 3.66
F(1,628) = 5.23
F(1,418) = 3.06
0.003
0.225
0.017
0.810
0.000
0.047
0.023
0.081
Significativa
Não Signific.
Significativa
Não Signific.
Significativa
Significativa
Significativa
Não Signific.
-14.8
-24.5
-19.0
-21.5
-24.6
-28.4
-30.5
-33.9
-26.1
-27.2
-24.3
-21.9
-34.6
-34.0
-34.4
-30.1
210
3.6 - Influência do Factor Valor Lógico das Orações sobre a Latência de N400
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 9.68
F(1,418) = 0.77
F(1,418) = 0.31
F(1,418) = 3.11
F(1,418) = 20.90
F(1,208) = 12.40
F(1,628) = 39.51
F(1,418) = 0.28
0.002
0.382
0.577
0.078
0.000
0.001
0.000
0.595
Significativa
Não Signific.
Não Signific.
Não Signific.
Significativa
Significativa
Significativa
Não Signific.
390
389
373
382
399
408
349
373
403
391
375
378
411
395
369
371
3.7 - Influência do Factor Valor Lógico das Orações sobre a Amplitude de P500
Forma
Colab.
Tarefa
Análise
α
Resultado
Σv
Σf
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
F(1,208) = 3.89
F(1,418) = 2.27
F(1,418) = 6.73
F(1,418) = 3.52
F(1,418) = 12.59
F(1,208) = 1.16
F(1,628) = 0.02
F(1,418) = 6.06
0.050
0.132
0.010
0.061
0.000
0.283
0.877
0.014
Não Signific.
Não Signific.
Significativa
Não Signific.
Significativa
Não Signific.
Não Signific.
Significativa
28.1
19.0
22.3
13.4
17.5
12.1
12.1
11.5
19.5
15.6
17.3
9.7
9.5
8.7
12.3
17.4
3.8 - Influência do Factor Valor Lógico das Orações sobre a Latência de P500
Forma
NMS
NMS
NMS
NMS
MS
MS
NMS
NMS
Colab. Tarefa
C1E1
C2E1
C1E2
C2E2
C1E1
C2E1
C1E2
C2E2
NR
NR
NR
NR
NR
NR
R
R
Análise
α
Resultado
Σv
Σf
F(1,208) = 40.10
F(1,418) = 1.82
F(1,418) = 1.56
F(1,418) = 1.57
F(1,418) = 9.60
F(1,208) = 0.65
F(1,628) = 1.42
F(1,418) = 4.50
0.000
0.178
0.217
0.211
0.002
0.422
0.233
0.035
Significativa
Não Signific.
Não Signific.
Não Signific.
Significativa
Não Signific.
Não Signific.
Significativa
491
497
516
522
575
568
515
522
515
501
512
526
565
565
512
515
211
4 - Influência do Factor Localização de Recolha do EEG sobre a Amplitude e
Latência das ERPs
Análise
α
Resultado
Σ1
Σ2
Σ3
Σ4
Σ5
Σ6
Σ7
F(6,308) = 3.38
F(6,308) = 2.68
F(6,308) = 3.84
F(6,308) = 1.79
F(6,308) = 0.30
F(6,308) = 0.66
F(6,308) = 0.87
F(6,308) = 3.01
F(6,308) = 0.14
F(6,308) = 0.07
F(6,308) = 0.58
F(6,308) = 0.20
F(6,308) = 0.09
F(6,308) = 0.68
F(6,308) = 0.39
F(6,308) = 0.85
0.003
0.015
0.001
0.101
0.937
0.684
0.513
0.007
0.991
0.999
0.747
0.977
0.998
0.664
0.883
0.534
Significa.
Significa.
Significa.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
Significa.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
Não Signi.
-30.0
-32.5
162
160
22.6
18.7
270
270
-21.9
-28.2
391
395
23.8
19.8
495
509
-33.2
-35.4
162
164
23.0
19.8
271
274
-22.2
-27.5
390
396
21.7
17.6
494
505
-27.4
-31.3
155
160
19.4
14.4
270
269
-21.9
-27.0
392
398
21.4
15.5
491
499
-26.3
-27.3
156
160
21.4
17.5
264
265
-21.2
-25.1
387
394
23.0
20.6
499
508
-30.4
-32.6
155
159
23.5
19.0
272
266
-21.0
-26.6
392
397
20.6
15.7
495
505
-20.1
-23.9
140
150
19.5
12.6
269
261
-18.4
-26.9
390
394
22.5
10.8
494
503
-20.9
-21.9
148
151
19.0
16.1
261
250
-22.2
-26.3
382
392
21.1
18.5
498
511
ERP Valor
N200
N200
T200
T200
P300
P300
T300
T300
N400
N400
T400
T400
P500
P500
T500
T500
V
F
V
F
V
F
V
F
V
F
V
F
V
F
V
F
Os resultados são válidos para os colaboradores C1E1 e C2E1, quando não se exige uma resposta
aberta sobre as orações apresentadas (NR) e as orações são apresentadas sem manter os segmentos
já apresentados dessas orações (NMS).
V - Orações Verdadeiras
F - Orações Falsas
Σi (i = 1 até 7) - Média para o iésimo canal.
Bibliografia
212
BIBLIOGRAFIA
1. Polich, J. and Donchin, E. - "P300 and the word frequency effect". Electroencephalography and
clinical Neurophysiology, Vol. 70, Pag.s 33-45, 1988.
2. Childers, D. G. , Bloom, P. A. , Arroyo, A. A. , Roucos, S. E. , Fischler, I. S. , Achariyapaopan,
T. and Perry Jr, N. W. - "Classification of cortical responses using features from single EEG
records". IEEE Transactions on Biomedical Engineering, , Vol. BME-29, Pag.s 423-438,
1982.
3. "Falar Melhor, Escrever Melhor." - Selecções do Reader´s Digest, Pag.s 29-30.
4. Fischler, I. S. ; Bloom, P. A. ; Childers, D. G. ; Roucos, S. E. & Perry Jr, N. W. - "Brain
potentials related to stages of sentence verification". Psychophysiology, Vol. 20, Pag.s 400409, 1983.
5. Fischler, I. & Bloom, P. A. - "Automatic and attentional processes in the effects of sentence
contexts on word recognition". Journal of Verbal Learning and Verbal Behavior, Vol. 18,
Pag.s 1-20, 1979.
6. Brown, W. S. ; Lehmann, D. & Marsh, J. T. - "Linguistic meaning related to differences in evoked
potential topography: English, Swiss German and imagined". Brain Language, Vol. 11, Pag.s
340-353, 1980.
7. Polich, J. ; Vanasse, L. & Donchin, E. - "Category expectancy and the N200". Psychophysiology,
Vol. 18, Pag. 42, 1981.
8. Bentin, S. ; McCarthy, G. & Wood, C. C. - "Event-related potentials, lexical decision and
semantic priming". Electroencephalography and clinical Neurophysiology, Vol. 60, Pag.s
343-355, 1985.
9. Bloom, P. A. & Fischler, I. - "Completion norms for 329 sentence contexts". Memory &
Cognition, Vol. 8, Pag.s 631-642, 1980.
10. Fischler, I. S. ; Childers, D. G. ; Achariyapaopan, T. & Perry Jr, N. W. - "Brain potentials during
sentence verification: automatic aspects of comprehension". Biological Psychology, Vol. 21,
Pag.s 83-105, 1985.
11. Kirsner, K. ; Smith, M. C. ; Lockhart, R. S. ; King, M. L. & Jain, M. - "The bilingual lexicon:
language-specific units in an integrated network". Journal of Verbal Learning and Verbal
Behavior, Vol. 23, Pag.s 519-539, 1984.
12. Fischler, I. ; Boaz, T. L. ; McGovern, J. & Ransdell, S. - "An ERP analysis of repetition priming
in Bilinguals". Electroencephalography and clinical Neurophysiology, suppl. 40, Pag.s 388393, 1987.
Bibliografia
213
13. Posner, M. I. & Snyder, C. R. R. - "Attention and cognitive control". In R.L. Solso (Ed.),
Information processing and cognition: The Loyola Symposium, Hillsdale, N.J: Erlbaum, 1975.
14. Posner, M. I. & Snyder, C. R. R. - "Facilitation and inhibition in the processing of signals". In
P.M.A.Rabbit & S.Dornic (Eds.), Attention and performance V. New York: Academic Press,
1975.
15. Stanovich, K. E. & West, R. F. - "Mechanisms of sentence context effects in reading: automatic
activation and conscious attention". Memory & Cognition, Vol. 7, Pag.s 77-85, 1979.
16. Cromer, W. - "The difference model: a new explanation for some reading difficulties". Journal of
Educational Psychology, Vol. 61, Pag.s 471-483, 1970.
17. Fischler, I. S. ; Bloom, P. A. ; Childers, D. G. ; Arroyo, A. A. & Perry Jr, N. W. - "Brain
potentials during sentence verification: late negativity and long-term memory strength".
Neuropsychologia, Vol. 22, Pag.s 559-568, 1984.
18. Kutas, M. & Hillyard, S. A. - "Reading senseless sentences: brain potentials reflect semantic
incongruity". Science, Vol. 207, Pag.s 203-205, 1980.
19. Rugg, M. D. - "Event-related potentials and the phonological processing of words and nonwords". Neuropsychologia, Vol. 22, Pag.s 435-443, 1984.
20. Kutas, M. ; Van Petten, C. & Besson, M. - "Event-related potential asymmetries during the
reading of sentences". Electroencephalography and clinical Neurophysiology, Vol. 69, Pag.s
218-233, 1988.
21. Trimmel, M. - "Contingent negative variation (CNV) influenced by preceding slow potentials
shifts (pSPSs)". Electroencephalography and clinical Neurophysiology, Vol. 66, Pag.s 71-74,
1987.
22. West, R. F. & Stanovich, K. E. - "Automatic contextual facilitation in readers of three ages".
Child Development, Vol. 49, Pag.s 717-727, 1978.
23. "User Manual for DT2821 series".
24. Alan V. Oppenhein & Ronald W. Schafer - "Digital Signal Processing". Prentice-Hall Inc., 1975,
Cap. 11.
25. Notas do Curso de Estatistica do Instituto de Ciências Biomédias Abel Salasar do Porto, Prof.
Drª. Denisa Mendonça.
26. Simon Haykin - "Adaptive Filter Theory". Prentice-Hall International Editions, 2nd Edition,
Cap. 11.
27. Virginia C. Klema & Alan J. Laub - "The Singular Value decomposition: It´s Computation and
Some Applications". IEEE Transactions on Automatic Control, Vol. AC-25, Nº 2, Abril 1992.
28. Donald W. Tufts & Ramdas Kumaresan - "Singular Value Decomposition and Improved
Frequency Estimation using Linear Prediction". IEEE Transactions on Acoustics, Speech and
Signal Processing, Vol. ASSP-30, Nº 4, Agosto 1982.
Bibliografia
214
29. J. C. Principe ; Hui-Huang Hsu & Steven A. Reid - "Construction and Visualization of EEG
State Space Portraits". Proc. of The Conference on "Measuring Chaos from The Human
Brain".
30. William H. Press, Brian P. Flannery, Saul A. TeuKolsky & William T. Vetterling - "Numerical
Recipes - The Art of Scientific Computing". Cambridge University Press, 1986, Cap. 2.9.
31. George E. Forsythe, Michael A. Malcolm & Cleve B. Moler - "Computer Methods for
Mathematical Computatios". Prentice-Hall, 1977, Cap.9.
32. J. Stoer & R. Bulirsch - "Introduction to Numerical Analysis". New York: Springer-Verlag,
1980, Cap. 6.7.
33. "Reconhecimento Automático de Ondas Carcteristicas no EEG de Doentes Epilépticos:
Realização Baseada num Microcomputador", tese de Doutoramento apresentada pelo Prof. Dr.
Pedro H. H. Guedes de Oliveira, Universidade de Aveiro, 1981, Cap. VI.
34. Richard O. Duda & Peter E. Hart - "Pattern Classification and Scene Analysis". Ed. John Wiley
& Sons Inc., 1975, Cap.s 2 e 4.10.
35. C. Ray Wylie & Louis C. Barrett - "Advanced Engineering Mathematics". 5th edition, McGraw
Hill, 1982.
36. Jose C. Principe - "Cortical Mouse: a new way of communicating with computers". Department
of Electrical Engineering, University of Florida, Gainsville, Florida

potenciais cerebrais relacionados com a verificação de orações

Transcrição

Documentos relacionados

Electroencefalograma (EEG)

Electroencefalograma (EEG) - Clínica Sra. da Conceição

GOL revisa sua projeção para 2016

Medicina Popular do Nordeste

carolina colin lima - Academia Brasileira de Audiologia

comissão de electroencefalografia

Relatório das Ações de Extensão do LIGH

Rosh Hashanah