نوروفون: رابط مغز و موبایل با استفاده از هدست EEG بی‌سیم

به اشتراک گذاری:

متیو کی. موکرجی. کالج دارتموث، هانوور، نیوهمپشایر، ایالات متحده

چکیده

سیگنال‌های عصبی همه‌جا وجود دارند، درست مانند تلفن‌های همراه. ما پیشنهاد می‌دهیم که از سیگنال‌های عصبی برای کنترل تلفن‌های همراه به صورت hands-free، بدون صدا و بدون تلاش برای تعامل انسان و موبایل استفاده کنیم. تا اخیراً، دستگاه‌های شناسایی سیگنال‌های عصبی هزینه‌بر، بزرگ و شکننده بودند. ما طراحی، پیاده‌سازی و ارزیابی سیستم NeuroPhone را ارائه می‌دهیم که به سیگنال‌های عصبی اجازه می‌دهد تا برنامه‌های تلفن همراه را بر روی آیفون با استفاده از هدست‌های الکتروانسفالوگرافی بی‌سیم (EEG) آماده و ارزان کنترل کنند. ما یک برنامه شماره‌گیری دفترچه تلفن کنترل شده با ذهن را نشان می‌دهیم که بر اساس اصول مشابهی با رابط‌های مغز-کامپیوتر P300 اسپیلر کار می‌کند: تلفن یک دنباله از عکس‌های مخاطبین دفترچه تلفن را فلش می‌کند و یک پتانسیل مغزی P300 در زمان تطابق عکس فلش شده با شخصی که کاربر می‌خواهد شماره‌گیری کند، ایجاد می‌شود. سیگنال‌های EEG از هدست به صورت بی‌سیم به آیفون منتقل می‌شوند، که به طور بومی یک طبقه‌بندی‌کننده سبک برای تمایز سیگنال‌های P300 از نویز اجرا می‌کند. وقتی عکس تماس یک شخص یک P300 را تحریک می‌کند، شماره تلفن او به صورت خودکار شماره‌گیری می‌شود. NeuroPhone بر اساس یک رابط گوشی مغزی برای محاسبات مستمر و همه‌جانبه زمین را می‌شکند. ما چالش‌ها در تبدیل پروتوتایپ اولیه‌ خود به یک مدل عملی‌تر، قوی‌تر و قابل اعتمادتر را به عنوان بخشی از تحقیق در حال انجام‌مان مورد بحث قرار می‌دهیم.برای خواندن گزارش کامل اینجا را کلیک کنید

متیو کی. موکرجی. کالج دارتموث، هانوور، نیوهمپشایر، ایالات متحده

چکیده

سیگنال‌های عصبی همه‌جا وجود دارند، درست مانند تلفن‌های همراه. ما پیشنهاد می‌دهیم که از سیگنال‌های عصبی برای کنترل تلفن‌های همراه به صورت hands-free، بدون صدا و بدون تلاش برای تعامل انسان و موبایل استفاده کنیم. تا اخیراً، دستگاه‌های شناسایی سیگنال‌های عصبی هزینه‌بر، بزرگ و شکننده بودند. ما طراحی، پیاده‌سازی و ارزیابی سیستم NeuroPhone را ارائه می‌دهیم که به سیگنال‌های عصبی اجازه می‌دهد تا برنامه‌های تلفن همراه را بر روی آیفون با استفاده از هدست‌های الکتروانسفالوگرافی بی‌سیم (EEG) آماده و ارزان کنترل کنند. ما یک برنامه شماره‌گیری دفترچه تلفن کنترل شده با ذهن را نشان می‌دهیم که بر اساس اصول مشابهی با رابط‌های مغز-کامپیوتر P300 اسپیلر کار می‌کند: تلفن یک دنباله از عکس‌های مخاطبین دفترچه تلفن را فلش می‌کند و یک پتانسیل مغزی P300 در زمان تطابق عکس فلش شده با شخصی که کاربر می‌خواهد شماره‌گیری کند، ایجاد می‌شود. سیگنال‌های EEG از هدست به صورت بی‌سیم به آیفون منتقل می‌شوند، که به طور بومی یک طبقه‌بندی‌کننده سبک برای تمایز سیگنال‌های P300 از نویز اجرا می‌کند. وقتی عکس تماس یک شخص یک P300 را تحریک می‌کند، شماره تلفن او به صورت خودکار شماره‌گیری می‌شود. NeuroPhone بر اساس یک رابط گوشی مغزی برای محاسبات مستمر و همه‌جانبه زمین را می‌شکند. ما چالش‌ها در تبدیل پروتوتایپ اولیه‌ خود به یک مدل عملی‌تر، قوی‌تر و قابل اعتمادتر را به عنوان بخشی از تحقیق در حال انجام‌مان مورد بحث قرار می‌دهیم.برای خواندن گزارش کامل اینجا را کلیک کنید

متیو کی. موکرجی. کالج دارتموث، هانوور، نیوهمپشایر، ایالات متحده

چکیده

سیگنال‌های عصبی همه‌جا وجود دارند، درست مانند تلفن‌های همراه. ما پیشنهاد می‌دهیم که از سیگنال‌های عصبی برای کنترل تلفن‌های همراه به صورت hands-free، بدون صدا و بدون تلاش برای تعامل انسان و موبایل استفاده کنیم. تا اخیراً، دستگاه‌های شناسایی سیگنال‌های عصبی هزینه‌بر، بزرگ و شکننده بودند. ما طراحی، پیاده‌سازی و ارزیابی سیستم NeuroPhone را ارائه می‌دهیم که به سیگنال‌های عصبی اجازه می‌دهد تا برنامه‌های تلفن همراه را بر روی آیفون با استفاده از هدست‌های الکتروانسفالوگرافی بی‌سیم (EEG) آماده و ارزان کنترل کنند. ما یک برنامه شماره‌گیری دفترچه تلفن کنترل شده با ذهن را نشان می‌دهیم که بر اساس اصول مشابهی با رابط‌های مغز-کامپیوتر P300 اسپیلر کار می‌کند: تلفن یک دنباله از عکس‌های مخاطبین دفترچه تلفن را فلش می‌کند و یک پتانسیل مغزی P300 در زمان تطابق عکس فلش شده با شخصی که کاربر می‌خواهد شماره‌گیری کند، ایجاد می‌شود. سیگنال‌های EEG از هدست به صورت بی‌سیم به آیفون منتقل می‌شوند، که به طور بومی یک طبقه‌بندی‌کننده سبک برای تمایز سیگنال‌های P300 از نویز اجرا می‌کند. وقتی عکس تماس یک شخص یک P300 را تحریک می‌کند، شماره تلفن او به صورت خودکار شماره‌گیری می‌شود. NeuroPhone بر اساس یک رابط گوشی مغزی برای محاسبات مستمر و همه‌جانبه زمین را می‌شکند. ما چالش‌ها در تبدیل پروتوتایپ اولیه‌ خود به یک مدل عملی‌تر، قوی‌تر و قابل اعتمادتر را به عنوان بخشی از تحقیق در حال انجام‌مان مورد بحث قرار می‌دهیم.برای خواندن گزارش کامل اینجا را کلیک کنید