Klasifikasi bentuk primitif menggunakan antarmuka otak-komputer

Ehsan Tarkesh Esfahani, V. Sundararajan

Ringkasan

Antarmuka otak–komputer (BCI) adalah perkembangan terbaru dalam teknologi alternatif untuk interaksi pengguna. Tujuan dari makalah ini adalah untuk mengeksplorasi potensi BCI sebagai antarmuka pengguna untuk sistem CAD. Makalah ini menggambarkan eksperimen dan algoritma yang menggunakan BCI untuk membedakan antara bentuk-bentuk primitif yang dibayangkan oleh pengguna. Pengguna mengenakan headset elektroensefalogram (EEG) dan membayangkan bentuk kubus, bola, silinder, piramida atau kerucut. Headset EEG mengumpulkan aktivitas otak dari 14 lokasi di kulit kepala. Data dianalisis dengan analisis komponen independen (ICA) dan Transformasi Hilbert–Huang (HHT). Fitur yang menarik adalah spektrum marjinal dari berbagai pita frekuensi (theta, alpha, beta, dan gamma) yang dihitung dari spektrum Hilbert setiap komponen independen. Uji Mann–Whitney U kemudian diterapkan untuk memberi peringkat saluran elektroda EEG berdasarkan relevansi dalam lima klasifikasi berpasangan. Fitur dari komponen independen dengan peringkat tertinggi membentuk vektor fitur akhir yang kemudian digunakan untuk melatih pengklasifikasi diskriminan linier. Hasil menunjukkan bahwa pengklasifikasi ini dapat membedakan antara lima objek primitif dasar dengan akurasi rata-rata sekitar 44,6% (dibandingkan dengan tingkat klasifikasi naif sebesar 20%) dari sepuluh subjek (rentang akurasi 36%–54%). Akurasi klasifikasi berubah menjadi 39,9% ketika menggunakan petunjuk visual dan verbal. Keterulangan ekstraksi fitur dan klasifikasi diperiksa dengan melakukan eksperimen pada 10 hari berbeda dengan peserta yang sama. Ini menunjukkan bahwa BCI menjanjikan dalam menciptakan bentuk geometri dalam sistem CAD dan dapat digunakan sebagai cara interaksi pengguna yang baru.Klik di sini untuk laporan lengkap.