Evaluasi SSVEP sebagai umpan balik pasif untuk meningkatkan kinerja Antarmuka Otak Mesin

Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. Universitas California Riverside

Abstrak

Penelitian tentang antarmuka otak-komputer terutama telah berfokus pada tugas pencitraan motorik 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 potensi evoked visual keadaan stabil (SSVEP) sebagai mekanisme umpan balik untuk mengonfirmasi keadaan mental pengguna selama pencitraan motorik. Potensi ini dihasilkan ketika subjek melihat objek yang berkedip yang menarik perhatian. Empat eksperimen yang berbeda dilakukan dalam makalah ini. Subjek diminta untuk membayangkan pergerakan objek yang berkedip dalam arah tertentu. Jika subjek terlibat dalam tugas ini, sinyal SSVEP akan dapat terdeteksi di korteks visual dan oleh karena itu tugas pencitraan motorik dikonfirmasi. 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 kedipan. Hasil eksperimen menunjukkan bahwa SSVEP dapat terdeteksi bahkan dalam pencitraan motorik yang kompleks dari objek yang berkedip. Tingkat deteksi 85% dicapai sementara waktu penyegaran untuk umpan balik SSVEP diatur menjadi 0,5 detik.

Klik di sini untuk membaca laporan lengkap