Smartphones werden emotional: Gedankenlesende Bilder und Rekonstruktion der neuronalen Quellen
Teilen:
Michael Kai Petersen, Carsten Stahlhut, Arkadiusz Stopczynski, Jakob Eg Larsen und Lars Kai Hansen. DTU Informatik, Kognitive Systeme. Technische Universität Dänemark, Gebäude 321, DK-2800 Kgs. Lyngby, Dänemark
Zusammenfassung
Die Kombination eines drahtlosen EEG-Headsets mit einem Smartphone bietet neue Möglichkeiten, um Gehirnbilddaten zu erfassen, die unser alltägliches Sozialverhalten in einem mobilen Kontext widerspiegeln. Die Verarbeitung der Daten auf einem tragbaren Gerät erfordert jedoch neuartige Ansätze zur Analyse und Interpretation relevanter Muster, um sie für die Interaktion in Echtzeit verfügbar zu machen. Durch die Anwendung eines bayesianischen Ansatzes zur Rekonstruktion der neuronalen Quellen demonstrieren wir die Fähigkeit, zwischen emotionalen Reaktionen zu unterscheiden, die sich in verschiedenen Kopfhautpotenzialen widerspiegeln, wenn angenehme und unangenehme Bilder im Vergleich zu neutralen Inhalten betrachtet werden. Die Darstellung der Aktivierungen in einem 3D-Gehirnmodell auf einem Smartphone kann nicht nur die Unterscheidung emotionaler Reaktionen erleichtern, sondern auch eine intuitive Schnittstelle für berührungsbasierte Interaktion bieten, die es ermöglicht, sowohl den mentalen Zustand der Benutzer zu modellieren als auch eine Grundlage für neuartige Biofeedback-Anwendungen bereitzustellen.Hier klicken, um den vollständigen Bericht zu lesen
Michael Kai Petersen, Carsten Stahlhut, Arkadiusz Stopczynski, Jakob Eg Larsen und Lars Kai Hansen. DTU Informatik, Kognitive Systeme. Technische Universität Dänemark, Gebäude 321, DK-2800 Kgs. Lyngby, Dänemark
Zusammenfassung
Die Kombination eines drahtlosen EEG-Headsets mit einem Smartphone bietet neue Möglichkeiten, um Gehirnbilddaten zu erfassen, die unser alltägliches Sozialverhalten in einem mobilen Kontext widerspiegeln. Die Verarbeitung der Daten auf einem tragbaren Gerät erfordert jedoch neuartige Ansätze zur Analyse und Interpretation relevanter Muster, um sie für die Interaktion in Echtzeit verfügbar zu machen. Durch die Anwendung eines bayesianischen Ansatzes zur Rekonstruktion der neuronalen Quellen demonstrieren wir die Fähigkeit, zwischen emotionalen Reaktionen zu unterscheiden, die sich in verschiedenen Kopfhautpotenzialen widerspiegeln, wenn angenehme und unangenehme Bilder im Vergleich zu neutralen Inhalten betrachtet werden. Die Darstellung der Aktivierungen in einem 3D-Gehirnmodell auf einem Smartphone kann nicht nur die Unterscheidung emotionaler Reaktionen erleichtern, sondern auch eine intuitive Schnittstelle für berührungsbasierte Interaktion bieten, die es ermöglicht, sowohl den mentalen Zustand der Benutzer zu modellieren als auch eine Grundlage für neuartige Biofeedback-Anwendungen bereitzustellen.Hier klicken, um den vollständigen Bericht zu lesen
Michael Kai Petersen, Carsten Stahlhut, Arkadiusz Stopczynski, Jakob Eg Larsen und Lars Kai Hansen. DTU Informatik, Kognitive Systeme. Technische Universität Dänemark, Gebäude 321, DK-2800 Kgs. Lyngby, Dänemark
Zusammenfassung
Die Kombination eines drahtlosen EEG-Headsets mit einem Smartphone bietet neue Möglichkeiten, um Gehirnbilddaten zu erfassen, die unser alltägliches Sozialverhalten in einem mobilen Kontext widerspiegeln. Die Verarbeitung der Daten auf einem tragbaren Gerät erfordert jedoch neuartige Ansätze zur Analyse und Interpretation relevanter Muster, um sie für die Interaktion in Echtzeit verfügbar zu machen. Durch die Anwendung eines bayesianischen Ansatzes zur Rekonstruktion der neuronalen Quellen demonstrieren wir die Fähigkeit, zwischen emotionalen Reaktionen zu unterscheiden, die sich in verschiedenen Kopfhautpotenzialen widerspiegeln, wenn angenehme und unangenehme Bilder im Vergleich zu neutralen Inhalten betrachtet werden. Die Darstellung der Aktivierungen in einem 3D-Gehirnmodell auf einem Smartphone kann nicht nur die Unterscheidung emotionaler Reaktionen erleichtern, sondern auch eine intuitive Schnittstelle für berührungsbasierte Interaktion bieten, die es ermöglicht, sowohl den mentalen Zustand der Benutzer zu modellieren als auch eine Grundlage für neuartige Biofeedback-Anwendungen bereitzustellen.Hier klicken, um den vollständigen Bericht zu lesen