Análise Comparativa de Algoritmos de ICA para Correção de Artefatos de Sinais de EEG em Pacientes com Doença de Parkinson

Este trabalho apresenta uma análise comparativa de quatro algoritmos de Análise de Componentes Independentes (ICA - Independent Component Analysis) aplicados na correção de artefatos de sinais de eletroencefalografia (EEG) de pacientes com Doença de Parkinson em estado de repouso. Foram avaliados SOBI, FastICA, Infomax Estendido e AMICA, em que foram verificados custo computacional, tempo de execução, qualidade de separação, estimada pela (Mutual Information Reduction - MIR), e distribuição de componentes classificados utilizando o módulo ICLabel, seguido de refinamento manual. Adicionalmente, é discutido um refinamento dos artefatos realizado a partir da geração de conjuntos de dados de pós-processamento, motivado pela elevada quantidade de componentes classificados como Other. Essa etapa teve como objetivo investigar possíveis ambiguidades na separação dos sinais e reavaliar componentes sem classificação claramente definida, permitindo uma análise complementar da qualidade da decomposição obtida pelos algoritmos de ICA. Os resultados mostram que o SOBI apresenta a melhor relação entre tempo de processamento e desempenho de separação. Também se observou que o aumento do número de canais de EEG selecionados tende a melhorar os valores de MIR, embora ao custo de um aumento de tempo de execução.