Antarmuka Otak-Komputer Berdasarkan Generasi Citra Visual

Nuri Djavit

Diperbarui pada

10 Jun 2011

Antarmuka Otak-Komputer Berdasarkan Generasi Citra Visual

Nuri Djavit

Diperbarui pada

10 Jun 2011

Antarmuka Otak-Komputer Berdasarkan Generasi Citra Visual

Nuri Djavit

Diperbarui pada

10 Jun 2011

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

Abstrak

Makalah ini menguji tugas mengenali pola EEG yang sesuai dengan melakukan tiga tugas mental: relaksasi dan membayangkan dua jenis gambar: wajah dan rumah. Eksperimen dilakukan menggunakan dua headset EEG: BrainProducts ActiCap dan Emotiv EPOC. Headset Emotiv menjadi banyak digunakan dalam aplikasi BCI konsumen yang memungkinkan pelaksanaan eksperimen EEG skala besar di masa mendatang. Karena akurasi klasifikasi secara signifikan melebihi tingkat klasifikasi acak selama tiga hari pertama eksperimen dengan headset EPOC, eksperimen kontrol dilakukan pada hari keempat menggunakan ActiCap. Eksperimen kontrol telah menunjukkan bahwa penggunaan peralatan penelitian berkualitas tinggi dapat meningkatkan akurasi klasifikasi (hingga 68% pada beberapa subjek) dan bahwa akurasi tersebut tidak bergantung pada adanya artefak EEG yang terkait dengan kedipan dan gerakan mata. Studi ini juga menunjukkan bahwa klasifikasi Bayesian yang murah secara komputasi berdasarkan analisis matriks kovarians menghasilkan akurasi klasifikasi yang serupa dalam masalah ini dengan klasifikasi Multi-class Common Spatial Patterns (MCSP) yang lebih canggih.Klik di sini untuk membaca laporan lengkapnya

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

Abstrak

Makalah ini menguji tugas mengenali pola EEG yang sesuai dengan melakukan tiga tugas mental: relaksasi dan membayangkan dua jenis gambar: wajah dan rumah. Eksperimen dilakukan menggunakan dua headset EEG: BrainProducts ActiCap dan Emotiv EPOC. Headset Emotiv menjadi banyak digunakan dalam aplikasi BCI konsumen yang memungkinkan pelaksanaan eksperimen EEG skala besar di masa mendatang. Karena akurasi klasifikasi secara signifikan melebihi tingkat klasifikasi acak selama tiga hari pertama eksperimen dengan headset EPOC, eksperimen kontrol dilakukan pada hari keempat menggunakan ActiCap. Eksperimen kontrol telah menunjukkan bahwa penggunaan peralatan penelitian berkualitas tinggi dapat meningkatkan akurasi klasifikasi (hingga 68% pada beberapa subjek) dan bahwa akurasi tersebut tidak bergantung pada adanya artefak EEG yang terkait dengan kedipan dan gerakan mata. Studi ini juga menunjukkan bahwa klasifikasi Bayesian yang murah secara komputasi berdasarkan analisis matriks kovarians menghasilkan akurasi klasifikasi yang serupa dalam masalah ini dengan klasifikasi Multi-class Common Spatial Patterns (MCSP) yang lebih canggih.Klik di sini untuk membaca laporan lengkapnya

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

Abstrak

Makalah ini menguji tugas mengenali pola EEG yang sesuai dengan melakukan tiga tugas mental: relaksasi dan membayangkan dua jenis gambar: wajah dan rumah. Eksperimen dilakukan menggunakan dua headset EEG: BrainProducts ActiCap dan Emotiv EPOC. Headset Emotiv menjadi banyak digunakan dalam aplikasi BCI konsumen yang memungkinkan pelaksanaan eksperimen EEG skala besar di masa mendatang. Karena akurasi klasifikasi secara signifikan melebihi tingkat klasifikasi acak selama tiga hari pertama eksperimen dengan headset EPOC, eksperimen kontrol dilakukan pada hari keempat menggunakan ActiCap. Eksperimen kontrol telah menunjukkan bahwa penggunaan peralatan penelitian berkualitas tinggi dapat meningkatkan akurasi klasifikasi (hingga 68% pada beberapa subjek) dan bahwa akurasi tersebut tidak bergantung pada adanya artefak EEG yang terkait dengan kedipan dan gerakan mata. Studi ini juga menunjukkan bahwa klasifikasi Bayesian yang murah secara komputasi berdasarkan analisis matriks kovarians menghasilkan akurasi klasifikasi yang serupa dalam masalah ini dengan klasifikasi Multi-class Common Spatial Patterns (MCSP) yang lebih canggih.Klik di sini untuk membaca laporan lengkapnya

Lanjutkan membaca

Antarmuka Otak-Komputer berdasarkan Aktivitas Korteks Listrik