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 BrainComputer 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 SteadyState 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.

Akses Artikel di Sini

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 BrainComputer 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 SteadyState 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.

Akses Artikel di Sini

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 BrainComputer 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 SteadyState 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.

Akses Artikel di Sini

Sinkronisasi Otak-ke-Otak Memantau Interaksi Kelompok Dinamis Nyata di dalam Kelas - Emotiv

Lanjutkan membaca

Sinkronisasi Antar-Otak Memantau Interaksi Kelompok Dinamis Dunia Nyata di Kelas