Evaluasi SSVEP sebagai umpan balik pasif untuk meningkatkan kinerja Antarmuka Otak Mesin
Nuri Djavit
Diperbarui pada
16 Agu 2012
Evaluasi SSVEP sebagai umpan balik pasif untuk meningkatkan kinerja Antarmuka Otak Mesin
Nuri Djavit
Diperbarui pada
16 Agu 2012
Evaluasi SSVEP sebagai umpan balik pasif untuk meningkatkan kinerja Antarmuka Otak Mesin
Nuri Djavit
Diperbarui pada
16 Agu 2012
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Abstrak
Penelitian dalam antarmuka otak-komputer sebagian besar berfokus pada tugas-tugas motor imagery seperti yang melibatkan pergerakan kursor atau objek lain di layar komputer. Dalam aplikasi semacam itu, penting untuk mendeteksi kapan pengguna tertarik untuk memindahkan objek dan kapan pengguna tidak aktif dalam tugas ini. Makalah ini mengevaluasi steady state visual evoked potential (SSVEP) sebagai mekanisme umpan balik untuk mengonfirmasi keadaan mental pengguna selama motor imagery. Potensi ini dibangkitkan ketika subjek melihat objek berkedip yang menarik perhatian. Empat eksperimen berbeda dilakukan dalam makalah ini. Subjek diminta untuk membayangkan pergerakan objek berkedip ke arah tertentu. Jika subjek terlibat dalam tugas ini, sinyal SSVEP akan dapat dideteksi di korteks visual dan oleh karena itu tugas motor imagery terkonfirmasi. Selama eksperimen, sinyal EEG direkam di 4 lokasi dekat korteks visual. Menggunakan skema pembobotan, kombinasi terbaik dari sinyal yang direkam dipilih untuk mengevaluasi keberadaan frekuensi berkedip. Hasil eksperimen menunjukkan bahwa SSVEP dapat dideteksi bahkan dalam motor imagery kompleks dari objek yang berkedip-kedip. Tingkat deteksi sebesar 85% dicapai sementara waktu penyegaran untuk umpan balik SSVEP diatur ke 0,5 detik.
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Abstrak
Penelitian dalam antarmuka otak-komputer sebagian besar berfokus pada tugas-tugas motor imagery seperti yang melibatkan pergerakan kursor atau objek lain di layar komputer. Dalam aplikasi semacam itu, penting untuk mendeteksi kapan pengguna tertarik untuk memindahkan objek dan kapan pengguna tidak aktif dalam tugas ini. Makalah ini mengevaluasi steady state visual evoked potential (SSVEP) sebagai mekanisme umpan balik untuk mengonfirmasi keadaan mental pengguna selama motor imagery. Potensi ini dibangkitkan ketika subjek melihat objek berkedip yang menarik perhatian. Empat eksperimen berbeda dilakukan dalam makalah ini. Subjek diminta untuk membayangkan pergerakan objek berkedip ke arah tertentu. Jika subjek terlibat dalam tugas ini, sinyal SSVEP akan dapat dideteksi di korteks visual dan oleh karena itu tugas motor imagery terkonfirmasi. Selama eksperimen, sinyal EEG direkam di 4 lokasi dekat korteks visual. Menggunakan skema pembobotan, kombinasi terbaik dari sinyal yang direkam dipilih untuk mengevaluasi keberadaan frekuensi berkedip. Hasil eksperimen menunjukkan bahwa SSVEP dapat dideteksi bahkan dalam motor imagery kompleks dari objek yang berkedip-kedip. Tingkat deteksi sebesar 85% dicapai sementara waktu penyegaran untuk umpan balik SSVEP diatur ke 0,5 detik.
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Abstrak
Penelitian dalam antarmuka otak-komputer sebagian besar berfokus pada tugas-tugas motor imagery seperti yang melibatkan pergerakan kursor atau objek lain di layar komputer. Dalam aplikasi semacam itu, penting untuk mendeteksi kapan pengguna tertarik untuk memindahkan objek dan kapan pengguna tidak aktif dalam tugas ini. Makalah ini mengevaluasi steady state visual evoked potential (SSVEP) sebagai mekanisme umpan balik untuk mengonfirmasi keadaan mental pengguna selama motor imagery. Potensi ini dibangkitkan ketika subjek melihat objek berkedip yang menarik perhatian. Empat eksperimen berbeda dilakukan dalam makalah ini. Subjek diminta untuk membayangkan pergerakan objek berkedip ke arah tertentu. Jika subjek terlibat dalam tugas ini, sinyal SSVEP akan dapat dideteksi di korteks visual dan oleh karena itu tugas motor imagery terkonfirmasi. Selama eksperimen, sinyal EEG direkam di 4 lokasi dekat korteks visual. Menggunakan skema pembobotan, kombinasi terbaik dari sinyal yang direkam dipilih untuk mengevaluasi keberadaan frekuensi berkedip. Hasil eksperimen menunjukkan bahwa SSVEP dapat dideteksi bahkan dalam motor imagery kompleks dari objek yang berkedip-kedip. Tingkat deteksi sebesar 85% dicapai sementara waktu penyegaran untuk umpan balik SSVEP diatur ke 0,5 detik.