
Antarmuka Otak-Komputer berdasarkan Aktivitas Korteks Listrik
Maverick Nguyen
Diperbarui pada
28 Mei 2018

Antarmuka Otak-Komputer berdasarkan Aktivitas Korteks Listrik
Maverick Nguyen
Diperbarui pada
28 Mei 2018

Antarmuka Otak-Komputer berdasarkan Aktivitas Korteks Listrik
Maverick Nguyen
Diperbarui pada
28 Mei 2018
Antarmuka Otak-Komputer Berdasarkan Aktivitas Korteks Listrik: Tantangan dalam Membuat Sistem Kognitif untuk Perangkat Seluler Menggunakan Steady-State Visually Evoked Potentials
Pedro Morais, Carla Quintão, Pedro Vieira
Abstrak
Bidang penelitian Brain–Computer Interfaces (BCI) muncul sebagai upaya untuk memungkinkan komunikasi antara pasien lumpuh dan teknologi. Mengidentifikasi keadaan mental seseorang melalui aktivitas listrik otaknya, sistem BCI yang khas menetapkan tindakan tertentu di komputer untuk aktivitas tersebut. Diketahui bahwa ketika korteks visual dirangsang dengan frekuensi tertentu, ia menunjukkan aktivitas dengan frekuensi yang sama. Aktivitas Steady–State Visually Evoked Potential (SSVEP) ini dapat digunakan untuk mencapai tujuan komunikasi yang disebutkan di atas. Dalam karya ini, pertama-tama kami menganalisis aktivitas listrik spontan otak untuk membedakan dua keadaan mental (konsentrasi/meditasi). Kemudian, dengan mengikuti pendekatan jenis SSVEP, kami membagi layar stimulasi menjadi empat area, masing-masing berkedip pada frekuensi yang berbeda. Dengan mengamati frekuensi respons dari lobus oksipital subjek, kami kemudian dapat memperkirakan keputusan 2 bit yang dibuatnya. Kami mengamati bahwa pengaturan seperti itu efisien untuk BCI waktu nyata, dan dapat dengan mudah diintegrasikan dalam perangkat seluler. Selain itu, pengguna dapat mengubah keputusannya secara sukarela, berinteraksi dengan sistem secara alami.
Antarmuka Otak-Komputer Berdasarkan Aktivitas Korteks Listrik: Tantangan dalam Membuat Sistem Kognitif untuk Perangkat Seluler Menggunakan Steady-State Visually Evoked Potentials
Pedro Morais, Carla Quintão, Pedro Vieira
Abstrak
Bidang penelitian Brain–Computer Interfaces (BCI) muncul sebagai upaya untuk memungkinkan komunikasi antara pasien lumpuh dan teknologi. Mengidentifikasi keadaan mental seseorang melalui aktivitas listrik otaknya, sistem BCI yang khas menetapkan tindakan tertentu di komputer untuk aktivitas tersebut. Diketahui bahwa ketika korteks visual dirangsang dengan frekuensi tertentu, ia menunjukkan aktivitas dengan frekuensi yang sama. Aktivitas Steady–State Visually Evoked Potential (SSVEP) ini dapat digunakan untuk mencapai tujuan komunikasi yang disebutkan di atas. Dalam karya ini, pertama-tama kami menganalisis aktivitas listrik spontan otak untuk membedakan dua keadaan mental (konsentrasi/meditasi). Kemudian, dengan mengikuti pendekatan jenis SSVEP, kami membagi layar stimulasi menjadi empat area, masing-masing berkedip pada frekuensi yang berbeda. Dengan mengamati frekuensi respons dari lobus oksipital subjek, kami kemudian dapat memperkirakan keputusan 2 bit yang dibuatnya. Kami mengamati bahwa pengaturan seperti itu efisien untuk BCI waktu nyata, dan dapat dengan mudah diintegrasikan dalam perangkat seluler. Selain itu, pengguna dapat mengubah keputusannya secara sukarela, berinteraksi dengan sistem secara alami.
Antarmuka Otak-Komputer Berdasarkan Aktivitas Korteks Listrik: Tantangan dalam Membuat Sistem Kognitif untuk Perangkat Seluler Menggunakan Steady-State Visually Evoked Potentials
Pedro Morais, Carla Quintão, Pedro Vieira
Abstrak
Bidang penelitian Brain–Computer Interfaces (BCI) muncul sebagai upaya untuk memungkinkan komunikasi antara pasien lumpuh dan teknologi. Mengidentifikasi keadaan mental seseorang melalui aktivitas listrik otaknya, sistem BCI yang khas menetapkan tindakan tertentu di komputer untuk aktivitas tersebut. Diketahui bahwa ketika korteks visual dirangsang dengan frekuensi tertentu, ia menunjukkan aktivitas dengan frekuensi yang sama. Aktivitas Steady–State Visually Evoked Potential (SSVEP) ini dapat digunakan untuk mencapai tujuan komunikasi yang disebutkan di atas. Dalam karya ini, pertama-tama kami menganalisis aktivitas listrik spontan otak untuk membedakan dua keadaan mental (konsentrasi/meditasi). Kemudian, dengan mengikuti pendekatan jenis SSVEP, kami membagi layar stimulasi menjadi empat area, masing-masing berkedip pada frekuensi yang berbeda. Dengan mengamati frekuensi respons dari lobus oksipital subjek, kami kemudian dapat memperkirakan keputusan 2 bit yang dibuatnya. Kami mengamati bahwa pengaturan seperti itu efisien untuk BCI waktu nyata, dan dapat dengan mudah diintegrasikan dalam perangkat seluler. Selain itu, pengguna dapat mengubah keputusannya secara sukarela, berinteraksi dengan sistem secara alami.

Lanjutkan membaca