LIFTING AND ANALYSIS OF METHODOLOGIES CONCERNING THE OBTAINING AND INTERPRETATION OF ELECTRENCEPHALIC SIGNALS FOR THE CONTROL OF ELECTRONIC DEVICES
REGISTRO DOI: 10.69849/revistaft/ra10202501162302
Sérgio V. C. Ottoboni¹
Devair R. Garcia²
João R. Broggio³
RESUMO: Este estudo analisou metodologias voltadas à obtenção e interpretação de sinais eletroencefálicos (EEG), com foco em aplicações tecnológicas e clínicas. Foi realizada uma revisão bibliográfica abrangente, abordando desde a origem fisiológica dos sinais até as técnicas de aquisição, filtragem e amplificação. Os resultados destacaram o uso de métodos não invasivos, como o padrão de posicionamento de eletrodos 10-20, filtros passa-banda e amplificadores diferenciais, que aprimoram a qualidade do sinal e reduzem interferências. As frequências características dos sinais EEG foram associadas a estados cognitivos e clínicos específicos, consolidando sua relevância em diagnósticos e no desenvolvimento de interfaces cérebro-computador. Concluiu-se que o aprimoramento contínuo dessas metodologias e a integração com tecnologias avançadas, como aprendizado de máquina, podem expandir significativamente suas aplicações, especialmente em soluções para pessoas com necessidades especiais.
PALAVRAS-CHAVE: sinais eletroencefálicos; EEG; processamento de sinais neurais; eletroencefalografia; interfaces cérebro-computador.
ABSTRACT: This study analyzed methodologies for obtaining and interpreting electroencephalographic signals (EEG), focusing on technological and clinical applications. A comprehensive bibliographic review was conducted, addressing the physiological origin of signals and techniques for acquisition, filtering, and amplification. The results highlighted the use of non-invasive methods, such as the 10-20 electrode positioning system, band-pass filters, and differential amplifiers, which improve signal quality and reduce interferences. The characteristic frequencies of EEG signals were associated with specific cognitive and clinical states, consolidating their relevance in diagnostics and the development of brain-computer interfaces. It was concluded that the continuous improvement of these methodologies and their integration with advanced technologies, such as machine learning, can significantly expand their applications, particularly in solutions for people with special needs.
KEYWORDS: electroencephalographic signals; EEG; neural signal processing; electroencephalography; brain-computer interfaces.
1. INTRODUÇÃO
1.1 ORIGEM E CARACTERÍSTICAS FISIOLÓGICAS DOS SINAIS EEG
A origem dos sinais neurais remonta-se aos processos elementares de despolarização da membrana celular, sendo estas as células nervosas e gliais. As células gliais distribuem-se no córtex envolvendo os axônios, somas e dendritos (figura 1) das células nervosas, ou neurônios (ARGOUD, 2001). Os sinais são controlados pelos canais iônicos, cujo limitam – em resposta às variações de tensão e a sinais internos e externos – o fluxo de íons de uma célula através da membrana celular. Os íons são, predominantemente, sódio (Na+), potássio (K+), cálcio (Ca+2) e cloro (Cl–) (DAYAN; ABBOTT, 2001).
Figura 1 – O neurônio biológico e a sinapse
Fonte: (ARGOUD, 2001)
Os neurônios são responsáveis pelas sinapses, que são as comunicações entre um neurônio e outro. Os que recebem informação são chamados de pós-sinápticos, enquanto os que enviam são nomeados de pré-sinápticos. Entre eles há uma fenda, na qual ocorre a transmissão do impulso nervoso, como apresentado também na figura 1 (CANTARELLI; JÚNIOR J.; JÚNIOR S., 2016). Os terminais pré-sinápticos são separados do corpo celular dos terminais pós-sinápticos pelas fendas, também conhecida como fenda sináptica. Nos extremos dos axônios existem dois tipos de organelas importantes para o funcionamento da sinapse: as mitocôndrias e as vesículas transmissoras – bolsas esféricas e membranosas – contendo substâncias neurotransmissoras que, quando liberada na fenda sináptica, excita ou inibe o neurônio pós-sináptico, dependendo do receptor presente na membrana neuronal – receptor excitatório ou inibitório. Paralelo à função das vesículas transmissoras, as mitocôndrias fornecem trifosfato de adenosina (ATP) suprindo a energia necessária para sintetizar novas moléculas da substância transmissora. A figura 2 ilustra a estrutura básica de uma sinapse (GUYTON; HALL, 2011).
Figura 2 – Anatomia fisiológica da sinapse
Fonte: (GUYTON; HALL, 2011)
Quando um neurônio sofre algum tipo de excitação ou inibição, provocada por algum estímulo externo através dos receptores excitatórios e inibitórios, esta informação é decodificada em um potencial de ação que percorre o axônio, em direção à extremidade dele, onde encontra as sinapses, recomeçando todo o ciclo novamente (ARGOUD, 2001).
1.2 DESCOBERTA DO SINAL DE EEG
O EEG tem suas origens com dois grandes pioneiros: Richard Caton (1842-1926), que a utilizou em animais, e Hans Berger (1873-1941), que a aplicou em seres humanos. Embora Caton tenha sido o precursor, foi Berger quem registrou pela primeira vez a atividade elétrica cerebral em humanos, em 1920, usando eletrodos no couro cabeludo de pacientes com defeitos no crânio. Ele nomeou essa técnica de eletroencefalografia (BENTO, 2008; GOMES, 2015).
Desde então, o EEG passou por grande evolução, impulsionado pelos avanços tecnológicos em eletrônica e computação, o que aprimorou tanto a precisão dos equipamentos quanto às análises realizadas (DUTRA, 2012).
O EEG é uma amostragem local dos potenciais elétricos de uma área extensa, medido como a diferença de potencial entre dois eletrodos: um colocado no couro cabeludo e outro em uma região eletricamente neutra. O sinal obtido é influenciado por diversos meios condutores, como o cérebro, o líquido cefalorraquidiano e o crânio. Cada eletrodo captura sinais de aproximadamente 6 cm² do córtex subjacente, conforme mostrado na figura 3.
Figura 3 – Potenciais de EEG de superfície gerados através de eletrodos no escalpo
Fonte: (ADUR, 2008)
Devido à interação mútua entre neurônios excitatórios e inibitórios ou à flutuação espontânea dos geradores corticais, os sinais registrados no couro cabeludo apresentam padrões oscilatórios (GOMES, 2015). A forma das ondas e sua caracterização estão profundamente ligadas às condições de captação e à localização dos eletrodos, conforme ilustrado na figura 4.
Figura 4 – Localização das ondas cerebrais
Fonte: (PARREIRA, 2006)
1.3 AQUISIÇÃO DE SINAIS EEG
Os sinais de EEG podem ser medidos na superfície cortical, por meio de eletrodos no couro cabeludo, ou em profundidade, com elétrodos implantados, como no eletrocorticograma. O método mais comum é a medição na superfície, pois é não invasivo e sem riscos para o paciente (MARTINS, 2012). Esses sinais vêm dos potenciais das sinapses no tecido nervoso abaixo do eletrodo, que captura a atividade dos neurônios em sua área de influência. A posição do eletrodo determina o potencial registrado (BUENO, 2017). A figura 5 ilustra os potenciais teóricos ao redor de um neurônio.
Figura 5 – Campo elétrico gerado pela excitação das membranas de um neurônio piramidal do córtex cerebral.
Fonte: (GLOOR, 1985)
1.3.1. POSICIONAMENTO DOS ELETRODOS PARA OBTENÇÃO DE SINAIS EEG
A Sociedade Brasileira de Neurofisiologia Clínica (SBNC) recomenda o uso do Sistema Internacional 10-20 para o posicionamento dos eletrodos. Esse sistema é composto por 21 eletrodos, cada um identificado por uma letra e um número. A letra representa a região cerebral correspondente ao eletrodo, enquanto o número indica a lateralização, com números pares para o hemisfério direito (Fp2, F4, F8, C4, P4, T4, T6, O2) e ímpares para o esquerdo (Fp1, F3, F7, C3, P3, T3, T5, O1). Os eletrodos da linha média são identificados com a letra “Z” (Fz, Cz, Pz), e os eletrodos auriculares recebem os nomes A1 (esquerdo) e A2 (direito) (MARINHO, 2017).
A figura 6 ilustra a disposição desses eletrodos neste sistema.
Figura 6 – Distribuição sistemática dos eletrodos conforme padrão 10-20
Fonte: (BUENO, 2017)
A figura 7 retrata, de maneira análoga a figura 3, o circuito correspondente à interface eletrodo-gel-pele:
Figura 6 – Modelo da interface eletrodo-gel-pele
Fonte: (DUTRA, 2012)
1.3.2. FREQUÊNCIAS CARACTERÍSTICAS
As frequências características dos sinais cerebrais são utilizadas como ferramentas de diagnóstico desde o início da utilização da eletroencefalografia, sendo que a caracterização das bandas de frequência e a sua associação com algumas situações clínicas, como a epilepsia, são ferramentas importantes para o diagnóstico precoce de algumas doenças e para o controle de pacientes sob efeito de anestesia em cirurgias.
Estas bandas de frequências estão divididas em conjuntos que apresentam características próprias e estão associadas a algumas atividades mentais (BUENO, 2017). O quadro 1 relaciona as características das bandas de frequências. A onda Gama (γ) não aparece nos registros EEG, pois é filtrada.
Quadro 1 – Relação dos tipos de banda, frequência e localização dos eletrodos para o sinal de EEG.
| Banda | Frequência (Hz) | Posição dos Eletrodos | Condições para visualização |
| Alfa (α) | 8 a 13 | Região parietal e occipital | Adulto em repouso, acordado, porém de olhos fechados |
| Beta (β) | 13 a 30 | Região parietal e frontal | Estado de concentração |
| Gama (γ) | 30 a 50 | Não aparece nos registros EEG, pois éfiltrada | Estado de atenção e conscientes em geral |
| Delta (δ) | 0,5 a 4 | Todas as regiões | Comum nos adultos em sono profundo ou estado de transe. Está relacionado a doenças graves no cérebro |
| Teta (θ) | 4 a 8 | Regiões parietais e temporais | Processos cognitivos de memória, imaginação e aprendizagem. Frequente em crianças, sono inicial, estresse emocional em adultos |
| Mi (μ) | Próximo dos 13Hz | Região sensorimotora | Atividade motora, real ou imaginada, mas sua onda é confundida com a atividade da onda Beta |
Fonte: (BUENO, 2017; CANTARELLI e colab., 2016; MARTINS, 2012)
2. OBJETIVOS
O objetivo principal desta pesquisa é coletar e analisar informações sobre os diversos métodos usados para a leitura e interpretação de sinais neurais, com aplicação no controle de dispositivos eletrônicos.
Os objetivos específicos são:
• Realizar uma revisão bibliográfica sobre as metodologias atuais e os filtros aplicados para o isolamento de sinais.
• Compreender as características e propriedades dos sinais neurais.
• Estabelecer critérios para avaliação das metodologias identificadas.
3. MATERIAL E MÉTODOS
A pesquisa baseia-se em levantamento bibliográfico, utilizando materiais como computador com acesso à internet, livros, periódicos institucionais e de outras fontes, além de impressora para relatórios e artigos finais. Os equipamentos serão fornecidos pelo aluno, professor e instituição.
O estudo iniciará com a revisão bibliográfica sobre sinais neurais, destacando suas propriedades e características, bem como técnicas de leitura. Em seguida, serão investigados os tipos de filtros aplicados no processo e as metodologias para decodificação e interpretação dos sinais eletroencefalográficos. Por fim, será realizada uma seleção e análise comparativa dessas metodologias.
A etapa final apresentará uma visão abrangente e crítica das técnicas estudadas, com foco na aplicação prática para controle de dispositivos eletrônicos.
4. RESULTADOS E DISCUSSÃO
4.1 PROCESSAMENTO DO SINAL DE EEG
Após a obtenção dos dados através dos eletrodos, a aquisição dos sinais de EEG é realizada por meio de amplificadores diferenciais, e podem ser classificados em quatro tipos diferentes: monopolar, bipolar, monopolar com referência unida e bipolar unida (CANTARELLI; JÚNIOR J.; JÚNIOR S., 2016), apresentados na figura 7. A derivação monopolar registra a diferença de potencial entre um eletrodo ativo, estando em uma área com atividade neuronal, e um eletrodo de referência, em uma área sem atividade neuronal; nessa derivação há muita aquisição de artefatos. A derivação bipolar registra a diferença de potencial entre dois eletrodos ativos, ou seja, posicionados sobre regiões em que ocorrem atividades elétricas neuronais. Na derivação bipolar unida, pode-se acompanhar a evolução e transmissão do sinal de EEG por entre as regiões do escalpo. Existem ainda amplificadores em que um resistor é acoplado em seu eletrodo de referência para oferecer proteção ao indivíduo (ADUR, 2008; CANTARELLI; JÚNIOR J.; JÚNIOR S., 2016).
Figura 7 – Configurações dos amplificadores usados para aquisição de EEG, sendo a) bipolar, b) monopolar, c) bipolar unida e d) monopolar com referência unida
Fonte: (CANTARELLI; JÚNIOR J.; JÚNIOR S., 2016)
O circuito equivalente de um par de eletrodos conectados à entrada de um amplificador de EEG pode ser modelado conforme a figura 8. Na representação o cérebro é representado pela conexão série da fonte G com as impedâncias Rg e Rt; o escalpo é modelado pelas resistências Rs, e os eletrodos pelas fontes E1 e Z1 para o primeiro e E2 e Z2 para o segundo. As resistências Rin1 e Rin2 fazem referências às resistências das entradas inversoras e não inversoras do amplificador (ADUR, 2008).
Figura 8 – Circuito equivalente de um par de eletrodos conectados a entrada de um amplificador de EEG
Fonte: (ADUR, 2008)
Na saída do amplificador espera-se sair somente a representação da atividade cerebral, no entanto, na prática, junto ao sinal de saída do amplificador, há ruídos e interferências que podem deteriorar a integridade do sinal de EEG. Estes sinais são denominados artefatos e podem ter origens diversas, tanto fisiologicamente, ou seja, do próprio organismo, quanto não fisiológicas, são alguns tipos (ADUR, 2008; DUTRA, 2012):
• Interferência da rede elétrica: sinal senoidal com frequência em torno de 50/60Hz.
Essa interferência pode ser causada por indução magnética ou efeito eletrostático.
• Artefatos de movimento: mudanças transientes na linha de base do sinal, causada por mudanças na interface eletrodo-pele devido a movimentação do indivíduo ou vibração. A amplitude e a duração do artefato são variáveis.
• Ruído eletromiográfico: são ruídos causados pelas contrações musculares do indivíduo. Geralmente estão na ordem de milivolts.
Além desses artefatos, há ainda interferência de córtex vizinhos, pois o EEG coleta atividades de grandes grupos neurais, e não pontual. Uma solução possível é a filtragem desses sinais, podendo suavizá-los ou separá-los com a intenção de obter somente os potenciais relacionados às atividades motoras. No geral, filtros são algoritmos que permitem eliminar componentes indesejáveis, por isso são utilizados para resolver tais problemas (SANTOS, 2015).
4.1.1 Filtro Temporal
São filtros que atuam em eventos distribuídos no tempo, eles atuam registrando valores a cada determinado intervalo de tempo, gerando uma sequência temporal. Os filtros mais básicos são os passa-baixa, permitindo a passagem de ondas com frequência abaixo daquela especificada. A partir da inversão e combinação pode-se obter os passa-alta, passa-banda e nega-banda (SANTOS, 2015).
4.1.2 Filtro Espacial
Filtros espaciais atuam realizando uma ponderação entre dois eletrodos ativos e vizinhos, de acordo com a sua posição no couro cabeludo, podendo eliminar potenciais comuns a um determinado grupo de eletrodos. Sua aplicação serve para eliminar componentes comuns (ruídos) aos pontos onde estão conectados os eletrodos, antes mesmo de mostrar os sinais. A utilização desses filtros em sinais já digitalizados também pode ser realizado, melhorando igualmente a relação sinal/ruído (BUENO, 2017).
NOTA: Entre todos os filtros, o mais comum a ser utilizado é o passa-banda, pois são atenuados tanto os componentes de baixa frequência (de corrente contínua, artefatos de movimentos) como os de alta frequência (artefatos de equipamentos), bem como para evitar aliasing (serrilhamento) do canal (CANTARELLI; JÚNIOR J.; JÚNIOR S., 2016).
4.2 SELEÇÃO DAS METODOLOGIAS
A escolha dos trabalhos para estudo de comparação foi realizada com base em convergência de tema e afinidade ao projeto deste relatório. Os trabalhos escolhidos foram:
a) Desenvolvimento de instrumentação eletrônica para estudos de codificações neurais no duto óptico em moscas, do autor Lirio Onofre Baptista de Almeida – Dissertação para obtenção do título de Mestre em Física Aplicada – Universidade de São Paulo (2006)
b) Desenvolvimento de um sistema embarcado para aquisição de sinais biomédicos, do autor Renato Zanetti – Dissertação para obtenção do título de Mestre em
Engenharia Elétrica – Universidade Federal de Minas Gerais (2013)
c) Monitoramento de EEG, do autor Fernando M. Alcantara – Monografia para obtenção do título de Bacharel em Engenharia da Computação – Centro Universitário Positivo
(2006)
d) Sistema de processamento de sinais biomédicos: módulo didático de eletroencefalograma, do autor Robson Adur – Dissertação para obtenção do título de Mestre em Engenharia Elétrica – Universidade Federal de Santa Catarina (2008)
4.3 COMPARAÇÃO DE METODOLOGIAS
Os quadros 2 a 5 apresentam a sequência utilizada por cada autor para aquisição, filtragem e amplificação dos sinais EEG.
Quadro 2 – Sequência para aquisição, filtragem e amplificação dos sinais EEG adotada por (ALMEIDA, 2006)
Fonte: Autoria própria
Quadro 3 – Sequência para aquisição, filtragem e amplificação dos sinais EEG adotada por (ZANETTI, 2013)
Fonte: Autoria própria
Quadro 4 – Sequência para aquisição, filtragem e amplificação dos sinais EEG adotada por (ALCANTARA, 2006)
Fonte: Autoria própria
Quadro 5 – Sequência para aquisição, filtragem e amplificação dos sinais EEG adotada por (ADUR, 2008)
Fonte: Autoria própria
5. CONCLUSÕES
O presente estudo destacou a complexidade dos sinais eletroencefálicos (EEG) e sua relevância para o avanço de interfaces cérebro-computador. Desde sua descoberta até os desenvolvimentos mais recentes, o EEG provou ser uma ferramenta poderosa para capturar a atividade elétrica cerebral, possibilitando aplicações em diagnóstico clínico e no controle de dispositivos eletrônicos.
Os resultados apontaram que a medição não invasiva, realizada por meio de eletrodos posicionados no couro cabeludo conforme o padrão 10-20, é o método mais utilizado devido à sua segurança e acessibilidade. Contudo, a interpretação dos sinais enfrenta desafios significativos relacionados à presença de artefatos e ruídos, que comprometem a qualidade dos dados. O uso de filtros passa-banda e amplificadores diferenciais mostrou-se essencial para mitigar esses problemas e melhorar a relação sinal/ruído.
Além disso, as frequências características dos sinais EEG foram associadas a diferentes estados mentais e clínicos, evidenciando seu potencial diagnóstico e terapêutico. A análise comparativa das metodologias empregadas revelou a eficácia de abordagens específicas para a aquisição e processamento de sinais, contribuindo para a padronização e melhoria contínua dessas técnicas.
Futuros desenvolvimentos devem se concentrar na integração de métodos de aprendizado de máquina para aprimorar a decodificação dos sinais e expandir suas aplicações. Além disso, a criação de bancos de dados robustos permitirá a análise comparativa e facilitará o desenvolvimento de dispositivos eletrônicos mais eficazes, especialmente para pessoas com necessidades especiais.
Portanto, este estudo reforça a importância da pesquisa em sinais eletroencefálicos como uma ponte entre a neurociência e a tecnologia, promovendo avanços que podem transformar a interação humano-máquina e beneficiar a sociedade como um todo
6. REFERÊNCIAS
ADUR, R. Sistema de processamento de sinais biomédicos: módulo didático de eletroencefalograma. 2008. 120 f. Dissertação (Mestrado em Engenharia Biomédica) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Santa Catarina, Florianópolis, 2008.
ALCANTARA, F. M. Monitoramento de EEG. 2006. 52 f. Monografia (Bacharelado em Engenharia da Computação) – Núcleo de Ciências Exatas e Tecnológicas, Centro Universitário Positivo, Curitiba, 2006.
ALMEIDA, L. O. B. Desenvolvimento de Instrumentação Eletrônica para estudos de codificações neurais no duto óptico em moscas. 2006. 86 f. Dissertação (Mestrado em Física Aplicada) – Instituto de Física de São Carlos, Universidade de São Paulo, São Carlos, 2006.
ARGOUD, F. I. M. Contribuição à automatização da detecção e análise de eventos epileptiformes em Eletroencefalograma. 2001. 185 f. Tese (Doutorado em Engenharia Biomédica) – Curso de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Santa Catarina, Florianópolis, 2001.
BENTO, V. A. F. Desenvolvimento de Interface Cérebro-Computador baseada em sinais
EEG. 2008. 96 f. Dissertação (Mestrado em Engenharia Eletrônica e Telecomunicações) – Departamento de Eletrônica, Telecomunicações e Informática, Universidade de Aveiro, [S.l.], 2
BUENO, L. Interface cérebro-computador baseada em EEG utilizando Redes Neurais auto-organizadas. 2017. 144 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal do Espírito Santo, Vitória, 2017.
CANTARELLI, T. L.; JÚNIOR, J. J. A. M.; JÚNIOR, S. L. S. Fundamentos da medição do EEG: uma introdução. In: SEA – SEMINÁRIO DE ELETRÔNICA E AUTOMAÇÃO, 1, 2016, Ponta Grossa. Seminário. Ponta Grossa: Universidade Tecnológica Federal do Paraná, 2016. Disponível em: <https://www.researchgate.net/profile/Jose_Mendes_Junior/publication/308400572_FUNDAMENTOS_DA_MEDICAO_DO_EEG_UMA_INTRODUCAO/links/57e2c45d08aecd0198dd808b/FUNDAMENTOS-DA-MEDICAO-DO-EEG-UMA-INTRODUCAO.pdf?_sg%5B0%5D=D1938ZLSZ4Y_lPbQZOX5avmTlXvOE2uxlXWdcv1e3>. Acesso em: 2 jun 2019.
DAYAN, P.; ABBOTT, L. F. Theoretical neuroscience: computacional and mathematical modeling of neural systems. 1. ed. Cambridge: The MIT Press, 2001. 460 p.
DUTRA, O. O. Um amplificador neural de baixo ruído e baixa potência utilizando uma topologia Folded Cascode OTA com malha de realimentação PID e ganho ajustável para EEG SoC Arrays. 2012, 84 f. Dissertação (Mestrado em Microeletrônica) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Itajubá, Itajubá, 2012.
GOMES, M. M. Bases fisiológicas do eletroencefalograma. Revista Brasileira de Neurologia, v. 51, n. 1, p. 12–17, 2015.
GUYTON, A. C.; HALL, J. E. Tratado de Fisiologia Médica. 2. ed. Rio de Janeiro: Elsevier, 2011. 1151 p.
MARTINS, A. C. O. Desenvolvimento de biossensores não invasivos para captação de sinais eletroencefálicos baseados em alginato, com potencial utilização em recémnascidos. 2012. 76 f. Dissertação (Mestrado em Engenharia Biomédica) – Faculdade de Ciências e Tecnologias, Universidade de Coimbra, Coimbra, 2012.
PARREIRA, F. J. Detecção de Crises Epilépticas a partir de Sinais Eletroencefalográficos. 2006. 85 f. Tese (Doutorado em Ciências) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Uberlândia, [S.l.], 2006.
SANTOS, F. C. dos. Detecção de potenciais corticais antecipatórios em sinais de eletroencefalografia (EEG) durante a condução de carros. 2015. 398 f. Dissertação (Mestrado em Biotecnologia) – Programa de Pós Graduação em Biotecnologia, Universidade Federal do Pará, [S.l.], 2015.
PIFFER, I.; SCHUH, Â. R.; MOSSMANN, J. B.; BEZ, M. R. Sistema computacional aplicado à aquisição de medidas neurofisiológicas. In: SEMINÁRIO DE GAMES E TECNOLOGIA: GAMEPAD, 7, 2014, [S.l.]. Seminário. [S.l.]: Universidade de Feevale, 2014. p. 1-21.
ZANGEROLAME, F. M. Monitoramento analógico e digital de sinais elétricos cerebrais. 2009. 57 f. Dissertação (Mestrado em Tecnologia) – Programa de Pós-Graduação em Tecnologia, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, Rio de Janeiro, 2009.
ZANETTI, R. Desenvolvimento de um sistema embarcado para aquisição de sinais biomédicos. 2013. 91 f. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Minas Gerais, Belo Horizonte, 2013.
¹Graduando em Engenharia Elétrica, IFSP, Campus Votuporanga, sergio.v@aluno.ifsp.edu.br
²Mestre em Engenharia Elétrica, Docente, IFSP, Campus Votuporanga, devarios@ifsp.edu.br
³Mestre em Bioengenharia, Docente, IFSP, Campus Votuporanga, jrbroggio@ifsp.edu.br