Bem-vindo ao projeto EEG_coffee_alert! Este é um repositório dedicado a um projeto de análise de dados EEG utilizando Inteligência Artificial. Aqui você encontrará informações sobre a coleta de dados, a estrutura do repositório, detalhes sobre a base de dados utilizada e instruções para montar o ambiente virtual necessário para desenvolver e executar o projeto.
Os dados utilizados neste projeto foram coletados de 17 voluntários que foram submetidos a 6 momentos distintos de amostragem. Os testes aplicados foram os seguintes:
- alpha: Somente um estado de relaxamento dos voluntários.
- cafe-1: Os voluntários consumiram um café de má qualidade.
- cafe-2: Os voluntários consumiram um café de boa qualidade.
- chimp: Os voluntários realizaram um teste cognitivo chamado "Chimp Test" do Human Benchmark.
- seq: Os voluntários realizaram um teste cognitivo chamado "Sequence Memory" do Human Benchmark.
- react: Os voluntário realizam um teste de velocidade de reação chamado "Reaction Time" no Human Benchmark.
Plataforma utilizada: Human Benchmark
- data: Pasta que contém scripts necessários para puxar os dados e que também irá armazenar os dados coletados. Esses scripts são responsáveis por obter os sinais EEG de uma fonte externa, o google-cloud, e armazená-los localmente para processamento e análise posterior.
- filter: Diretório que contém scripts para processar os dados EEG. Esses scripts são responsáveis por aplicar filtros e técnicas de pré-processamento nos sinais EEG, visando formatar os dados e prepará-los para as etapas posteriores envolvendo IA.
- setup.sh: (Fazer)
O notebook "EEG Explorer" é uma ferramenta de análise de dados de eletroencefalografia (EEG) que permite visualizar e plotar sinais de diferentes canais cerebrais. Ele utiliza bibliotecas como pandas, numpy, scipy, matplotlib e plotly para processar e exibir os dados. O usuário pode importar arquivos CSV contendo informações do EEG e selecionar os canais que deseja visualizar. A ferramenta também possui interatividade, permitindo ajustar o tamanho da janela móvel e selecionar diferentes arquivos e canais para análise. Isso possibilita uma análise mais detalhada dos sinais EEG, com gráficos de média móvel e primeira derivada para uma melhor compreensão dos dados.
Arquivo yaml que permite a criação do ambiente Anaconda necessário para reproduzir o projeto. Mais adiante, na seção Montando o ambiente virtual será explicado como utilizar esse arquivo.
Arquivo que lista os requisitos de software necessários para o projeto, como o google-cloud. Tenha certeza de possuir cada um deles.
Os dados estão separados em diversos arquivos, cada um representando um momento específico de um voluntário. O formato do nome do arquivo segue o padrão:
<nome do teste>_<ID do voluntário> (por exemplo, arquivo referente ao voluntário 1 durante o teste alpha: alpha_1).
Cada arquivo CSV possui as seguintes colunas:
Index: Índice do dado no arquivo.Fp1: Sinal EEG próximo do lobo frontal do cérebro.Fp2: Sinal EEG próximo do lobo frontal do cérebro.C3: Sinal EEG próximo do lobo pariental do cérebro.C4: Sinal EEG próximo do lobo pariental do cérebro.P7: Sinal EEG próximo do lobo temporal do cérebro.P8: Sinal EEG próximo do lobo temporal do cérebro.O1: Sinal EEG próximo do lobo occiptal do cérebro.O2: Sinal EEG próximo do lobo occiptal do cérebro.Timestamp: Registro do tempo da coleta em segundos.
Este projeto utiliza a distribuição do Anaconda para criar o ambiente virtual em Python. No entanto, para uma instalação mais enxuta, recomendamos o uso do Miniconda.
Para reproduzir o ambiente Python necessário para este projeto, acesse o diretório que contém este projeto e execute o seguinte comando no terminal:
conda env create -f environment.yml
Os dados EEG utilizados neste projeto irão armazenados na pasta src/data. Esses dados são fundamentais para os processos realizados nos scripts Python presentes em src e no notebook explorer.ipynb.
(continuar)