Interface cerveau-ordinateur basée sur la génération d'images visuelles

Nuri Djavit

Mis à jour le

10 juin 2011

Interface cerveau-ordinateur basée sur la génération d'images visuelles

Nuri Djavit

Mis à jour le

10 juin 2011

Interface cerveau-ordinateur basée sur la génération d'images visuelles

Nuri Djavit

Mis à jour le

10 juin 2011

Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov

Résumé

Cet article examine la tâche de reconnaissance des profils EEG qui correspondent à la réalisation de trois tâches mentales : la relaxation et l'imagination de deux types d'images : des visages et des maisons. Les expériences ont été réalisées à l'aide de deux casques EEG : BrainProducts ActiCap et Emotiv EPOC. Le casque Emotiv est devenu largement utilisé dans les applications BCI grand public, ce qui permettra de mener à l'avenir des expériences EEG à grande échelle. Étant donné que la précision de classification a considérablement dépassé le niveau d'une classification aléatoire au cours des trois premiers jours de l'expérience avec le casque EPOC, une expérience de contrôle a été réalisée le quatrième jour à l'aide d'ActiCap. L'expérience de contrôle a montré que l'utilisation d'équipements de recherche de haute qualité peut améliorer la précision de classification (jusqu'à 68 % chez certains sujets) et que cette précision est indépendante de la présence d'artefacts EEG liés au clignement des yeux et aux mouvements oculaires. Cette étude montre également qu'un classifieur bayésien peu coûteux en calcul, basé sur l'analyse de la matrice de covariance, produit une précision de classification similaire pour ce problème à celle d'un classifieur plus sophistiqué de type Multi-class Common Spatial Patterns (MCSP).Cliquez ici pour lire le rapport complet

Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov

Résumé

Cet article examine la tâche de reconnaissance des profils EEG qui correspondent à la réalisation de trois tâches mentales : la relaxation et l'imagination de deux types d'images : des visages et des maisons. Les expériences ont été réalisées à l'aide de deux casques EEG : BrainProducts ActiCap et Emotiv EPOC. Le casque Emotiv est devenu largement utilisé dans les applications BCI grand public, ce qui permettra de mener à l'avenir des expériences EEG à grande échelle. Étant donné que la précision de classification a considérablement dépassé le niveau d'une classification aléatoire au cours des trois premiers jours de l'expérience avec le casque EPOC, une expérience de contrôle a été réalisée le quatrième jour à l'aide d'ActiCap. L'expérience de contrôle a montré que l'utilisation d'équipements de recherche de haute qualité peut améliorer la précision de classification (jusqu'à 68 % chez certains sujets) et que cette précision est indépendante de la présence d'artefacts EEG liés au clignement des yeux et aux mouvements oculaires. Cette étude montre également qu'un classifieur bayésien peu coûteux en calcul, basé sur l'analyse de la matrice de covariance, produit une précision de classification similaire pour ce problème à celle d'un classifieur plus sophistiqué de type Multi-class Common Spatial Patterns (MCSP).Cliquez ici pour lire le rapport complet

Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov

Résumé

Cet article examine la tâche de reconnaissance des profils EEG qui correspondent à la réalisation de trois tâches mentales : la relaxation et l'imagination de deux types d'images : des visages et des maisons. Les expériences ont été réalisées à l'aide de deux casques EEG : BrainProducts ActiCap et Emotiv EPOC. Le casque Emotiv est devenu largement utilisé dans les applications BCI grand public, ce qui permettra de mener à l'avenir des expériences EEG à grande échelle. Étant donné que la précision de classification a considérablement dépassé le niveau d'une classification aléatoire au cours des trois premiers jours de l'expérience avec le casque EPOC, une expérience de contrôle a été réalisée le quatrième jour à l'aide d'ActiCap. L'expérience de contrôle a montré que l'utilisation d'équipements de recherche de haute qualité peut améliorer la précision de classification (jusqu'à 68 % chez certains sujets) et que cette précision est indépendante de la présence d'artefacts EEG liés au clignement des yeux et aux mouvements oculaires. Cette étude montre également qu'un classifieur bayésien peu coûteux en calcul, basé sur l'analyse de la matrice de covariance, produit une précision de classification similaire pour ce problème à celle d'un classifieur plus sophistiqué de type Multi-class Common Spatial Patterns (MCSP).Cliquez ici pour lire le rapport complet

Continuez à lire

Interfaces cerveau-ordinateur par activité corticale électrique