एहसान तरकेश एस्फ़हानी, वी. सुंदरराजन

अमूर्त

ब्रेन-कंप्यूटर इंटरफेस (BCIs) यूजर इंटरैक्शन की वैकल्पिक तकनीकों में हाल के विकास हैं। इस पेपर का उद्देश्य CAD प्रणालियों के लिए यूजर इंटरफेस के रूप में BCI की क्षमता का पता लगाना है। पेपर उन प्रयोगों और एल्गोरिदम का वर्णन करता है जो उपयोगकर्ता द्वारा कल्पित किए गए आदिम आकारों के बीच अंतर करने के लिए BCI का उपयोग करते हैं। उपयोगकर्ता एक इलेक्ट्रोएन्सेफलोग्राम (EEG) हेडसेट पहनते हैं और एक घन, क्षेत्र, सिलेंडर, पिरामिड या शंकु के आकार की कल्पना करते हैं। EEG हेडसेट खोपड़ी पर 14 स्थानों से मस्तिष्क की गतिविधि को एकत्र करता है। डेटा का विश्लेषण स्वतंत्र घटक विश्लेषण (ICA) और हिल्बर्ट-हुआंग ट्रांसफॉर्म (HHT) के साथ किया जाता है। रुचि की विशेषताएं विभिन्न आवृत्ति बैंडों (थीटा, अल्फा, बीटा और गामा बैंड) के सीमांत स्पेक्ट्रा हैं जिन्हें प्रत्येक स्वतंत्र घटक के हिल्बर्ट स्पेक्ट्रम से गणना की गई है। फिर पांच जोड़ी-वार वर्गीकरणों में प्रासंगिकता के आधार पर EEG इलेक्ट्रोड चैनलों को रैंक करने के लिए मान-व्हिटनी यू-टेस्ट लागू किया जाता है। उच्चतम रैंकिंग वाले स्वतंत्र घटकों की विशेषताएं अंतिम विशेषता वेक्टर बनाती हैं जिसका उपयोग तब एक रैखिक विवेक विश्लेषक को प्रशिक्षित करने के लिए किया जाता है। परिणाम बताते हैं कि यह क्लासिफायर दस विषयों पर औसतन लगभग 44.6% की सटीकता (20% की सामान्य वर्गीकरण दर की तुलना में) के साथ पांच बुनियादी आदिम वस्तुओं के बीच अंतर कर सकता है (सटीकता सीमा 36%–54%)। जब दृश्य और मौखिक दोनों संकेतों का उपयोग किया जाता है तो सटीकता वर्गीकरण बदलकर 39.9% हो जाता है। समान प्रतिभागियों के साथ 10 अलग-अलग दिनों में प्रयोग आयोजित करके विशेषता निष्कर्षण और वर्गीकरण की दोहराव की जाँच की गई थी। इससे पता चलता है कि BCI, CAD प्रणालियों में ज्यामितीय आकार बनाने में 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।