Metodologia classifica emoções com base na atividade cerebral

Uma metodologia desenvolvida por pesquisadores da Universidade Federal de Lavras (Ufla) vai permitir classificar emoções (como tristeza, alegria, espanto e dor) com base na análise da atividade cerebral. Um sistema de inteligência artificial identificou a emoção de pacientes a partir dos sinais elétricos emitidos pelo cérebro.

Leia também:

• Biossensor detecta câncer no cérebro em gota de sangue

• Biossensores em chupeta podem detectar diabetes em crianças

Wilian Soares Lacerda, professor do Departamento de Automática da Escola de Engenharia da Ufla e orientador do estudo, conta que a pesquisa tem relevância especialmente para pacientes que não podem se comunicar. “Imagina alguém que percebe tudo o que ocorre à sua volta, mas não consegue descrever. Esse método permite captar ondas cerebrais e classificar suas emoções para ajudá-lo. Isso abre várias outras perspectivas de pesquisa futuras.”

Uma das principais formas de obter os sinais elétricos produzidos pela atividade cerebral é com o eletroencefalograma (EEG). Um sinal de EEG é composto pela soma dos pequenos impulsos elétricos emitidos pelas centenas de milhões de neurônios presentes no cérebro. Muitas aplicações utilizam sinais de EEG nas áreas da psiquiatria, psicologia, pedagogia e outras.

Apesar de permitir obter informações importantes para a identificação de doenças, o sinal de EEG tem limitações. “Uma das dificuldades para classificar emoções por meio desses sinais é encontrar as características que melhor os representam, bem como as especificidades de cada emoção”, explicam Lacerda e Vancley Oliveira Simão, mestre pelo Programa de Pós-Graduação em Engenharia de Sistemas e Automação da Ufla.

Para superar essas restrições, os pesquisadores desenvolveram modelos de aprendizado de máquina com técnicas como redes neurais artificiais (RNA), florestas aleatórias e máquinas de vetor suporte (SVM). Elas são utilizadas na inteligência computacional para tomadas de decisão. Essas técnicas buscam imitar alguma forma do pensamento humano para resolver problemas.

Por isso, foram escolhidas para identificar emoções a partir de sinais de eletroencefalograma. “Classificar uma emoção é um processo complexo. A utilização de técnicas de aprendizado de máquina, como RNA e florestas aleatórias, pode vir a apresentar bons resultados, uma vez que apresentam alta capacidade de generalização em reconhecimento de padrões.”

Lacerda conta que foram utilizados sinais obtidos de um banco de dados já existente para treinar os sistemas. “Com o suporte desse banco de dados, treinamos máquinas de aprendizado e conseguimos um índice de acerto de quase 90%”, relata Lacerda. “No trabalho, são evidenciadas as classes de emoções possíveis de identificar por meio desses sinais.”