एहसान तारकेश इस्फहानी, वी. सुंदरराजन

अमूर्त (Abstract)

ब्रेन-कंप्यूटर इंटरफेस (BCIs) उपयोगकर्ता के इंटरैक्शन की वैकल्पिक तकनीकों में हाल के विकास हैं। इस शोध पत्र का उद्देश्य CAD प्रणालियों के लिए उपयोगकर्ता इंटरफेस के रूप में BCI की क्षमता का पता लगाना है। यह पत्र उन प्रयोगों और एल्गोरिदम का वर्णन करता है जो उपयोगकर्ता द्वारा कल्पित किए गए मूल आकारों (primitive shapes) के बीच अंतर करने के लिए BCI का उपयोग करते हैं। उपयोगकर्ता एक इलेक्ट्रोएन्सेफालोग्राम (EEG) हेडसेट पहनते हैं और एक घन, गोला, बेलन, पिरामिड या शंकु के आकार की कल्पना करते हैं। EEG हेडसेट खोपड़ी के 14 स्थानों से मस्तिष्क की गतिविधि को एकत्रित करता है। इस डेटा का विश्लेषण इंडिपेंडेंट कॉम्पोनेंट एनालिसिस (ICA) और हिल्बर्ट-हुआंग ट्रांसफॉर्म (HHT) के साथ किया जाता है। रुचि के लक्षण प्रत्येक स्वतंत्र घटक के हिल्बर्ट स्पेक्ट्रम से गणना किए गए विभिन्न आवृत्ति बैंड (थीटा, अल्फा, बीटा और गामा बैंड) के सीमांत स्पेक्ट्रा (marginal spectra) हैं। इसके बाद मैन-व्हिटनी यू-टेस्ट लागू किया जाता है ताकि पांच जोड़ीदार वर्गीकरणों में प्रासंगिकता के आधार पर EEG इलेक्ट्रोड चैनलों को रैंक किया जा सके। उच्चतम रैंकिंग वाले स्वतंत्र घटकों के लक्षण अंतिम फीचर वेक्टर बनाते हैं जिसका उपयोग फिर एक रैखिक विभेदक क्लासिफायर (linear discriminant classifier) को प्रशिक्षित करने के लिए किया जाता है। परिणाम बताते हैं कि यह क्लासिफायर दस विषयों पर लगभग 44.6% की औसत सटीकता (20% की सामान्य वर्गीकरण दर की तुलना में) के साथ पांच बुनियादी मूल वस्तुओं के बीच अंतर कर सकता है (सटीकता की सीमा 36%–54% है)। जब विजुअल और वर्बल दोनों संकेतों का उपयोग किया जाता है तो वर्गीकरण सटीकता बदलकर 39.9% हो जाती है। समान प्रतिभागियों के साथ 10 अलग-अलग दिनों में प्रयोग आयोजित करके फीचर निष्कर्षण और वर्गीकरण की दोहराव क्षमता की जांच की गई थी। इससे पता चलता है कि CAD प्रणालियों में ज्यामितीय आकार बनाने में BCI आशाजनक है और इसका उपयोग उपयोगकर्ता इंटरैक्शन के एक नए साधन के रूप में किया जा सकता है।पूरी रिपोर्ट के लिए यहां क्लिक करें।