Atzingen / EEG_cofee_alert

MIT License
2 stars 0 forks source link

README - Projeto EEG_coffee_alert

Introdução ao projeto

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.

Coleta de Dados EEG

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

Estrutura do repositório

src

Neste diretório, você encontrará os seguintes arquivos e pastas:

  • 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)

explorer.ipynb

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.

environment.yml

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.

requirements.txt

Arquivo que lista os requisitos de software necessários para o projeto, como o google-cloud. Tenha certeza de possuir cada um deles.

Detalhamento dos dados EEG

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.

Montando o ambiente virtual

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

Trabalhando com os dados no bucket

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)

Executando o projeto

(fazer)