رابط مغز-کامپیوتر مبتنی بر تولید تصاویر بصری
به اشتراک گذاری:
پاول بوبروف، الکساندر فرولوف، چارلز کانتور، ایrina فدووا، میخائیل باخنیان، الکساندر ژاورونکوف
چکیده
این مقاله به بررسی وظیفه شناسایی الگوهای EEG میپردازد که به انجام سه کار ذهنی مربوط میشود: آرامش و تصور دو نوع تصویر: چهرهها و خانهها. آزمایشها با استفاده از دو هدست EEG انجام شدند: BrainProducts ActiCap و Emotiv EPOC. هدست Emotiv به طور گستردهای در کاربردهای BCI مصرفکننده مورد استفاده قرار میگیرد و امکان انجام آزمایشهای EEG در مقیاس بزرگ را در آینده فراهم میکند. از آنجا که دقت طبقهبندی به طور قابل توجهی فراتر از سطح طبقهبندی تصادفی در طول سه روز اول آزمایش با هدست EPOC بود، یک آزمایش کنترل در روز چهارم با استفاده از ActiCap انجام شد. آزمایش کنترل نشان داده است که استفاده از تجهیزات تحقیقاتی با کیفیت بالا میتواند دقت طبقهبندی را افزایش دهد (تا ۶۸٪ در برخی از شرکتکنندگان) و اینکه دقت به وجود آثار EEG مربوط به پلک زدن و حرکت چشم وابسته نیست. این مطالعه همچنین نشان میدهد که طبقهبند بیزی با هزینه محاسباتی کم بر اساس تحلیل ماتریس کوواریانس، دقت طبقهبندی مشابهی را در این مشکل به عنوان طبقهبند الگوهای فضایی مشترک چندکلاسه (MCSP) پیچیدهتر برآورده میکند.برای خواندن گزارش کامل اینجا کلیک کنید
پاول بوبروف، الکساندر فرولوف، چارلز کانتور، ایrina فدووا، میخائیل باخنیان، الکساندر ژاورونکوف
چکیده
این مقاله به بررسی وظیفه شناسایی الگوهای EEG میپردازد که به انجام سه کار ذهنی مربوط میشود: آرامش و تصور دو نوع تصویر: چهرهها و خانهها. آزمایشها با استفاده از دو هدست EEG انجام شدند: BrainProducts ActiCap و Emotiv EPOC. هدست Emotiv به طور گستردهای در کاربردهای BCI مصرفکننده مورد استفاده قرار میگیرد و امکان انجام آزمایشهای EEG در مقیاس بزرگ را در آینده فراهم میکند. از آنجا که دقت طبقهبندی به طور قابل توجهی فراتر از سطح طبقهبندی تصادفی در طول سه روز اول آزمایش با هدست EPOC بود، یک آزمایش کنترل در روز چهارم با استفاده از ActiCap انجام شد. آزمایش کنترل نشان داده است که استفاده از تجهیزات تحقیقاتی با کیفیت بالا میتواند دقت طبقهبندی را افزایش دهد (تا ۶۸٪ در برخی از شرکتکنندگان) و اینکه دقت به وجود آثار EEG مربوط به پلک زدن و حرکت چشم وابسته نیست. این مطالعه همچنین نشان میدهد که طبقهبند بیزی با هزینه محاسباتی کم بر اساس تحلیل ماتریس کوواریانس، دقت طبقهبندی مشابهی را در این مشکل به عنوان طبقهبند الگوهای فضایی مشترک چندکلاسه (MCSP) پیچیدهتر برآورده میکند.برای خواندن گزارش کامل اینجا کلیک کنید
پاول بوبروف، الکساندر فرولوف، چارلز کانتور، ایrina فدووا، میخائیل باخنیان، الکساندر ژاورونکوف
چکیده
این مقاله به بررسی وظیفه شناسایی الگوهای EEG میپردازد که به انجام سه کار ذهنی مربوط میشود: آرامش و تصور دو نوع تصویر: چهرهها و خانهها. آزمایشها با استفاده از دو هدست EEG انجام شدند: BrainProducts ActiCap و Emotiv EPOC. هدست Emotiv به طور گستردهای در کاربردهای BCI مصرفکننده مورد استفاده قرار میگیرد و امکان انجام آزمایشهای EEG در مقیاس بزرگ را در آینده فراهم میکند. از آنجا که دقت طبقهبندی به طور قابل توجهی فراتر از سطح طبقهبندی تصادفی در طول سه روز اول آزمایش با هدست EPOC بود، یک آزمایش کنترل در روز چهارم با استفاده از ActiCap انجام شد. آزمایش کنترل نشان داده است که استفاده از تجهیزات تحقیقاتی با کیفیت بالا میتواند دقت طبقهبندی را افزایش دهد (تا ۶۸٪ در برخی از شرکتکنندگان) و اینکه دقت به وجود آثار EEG مربوط به پلک زدن و حرکت چشم وابسته نیست. این مطالعه همچنین نشان میدهد که طبقهبند بیزی با هزینه محاسباتی کم بر اساس تحلیل ماتریس کوواریانس، دقت طبقهبندی مشابهی را در این مشکل به عنوان طبقهبند الگوهای فضایی مشترک چندکلاسه (MCSP) پیچیدهتر برآورده میکند.برای خواندن گزارش کامل اینجا کلیک کنید