Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Interfejsy mózg-komputer na podstawie aktywności elektrycznej kory
Udostępnij:
Interfejsy mózg-komputer na podstawie aktywności elektrycznej kory: Wyzwania w tworzeniu systemu poznawczego dla urządzeń mobilnych z wykorzystaniem potencjałów wywołanych wizualnie w stanie ustalonym
Pedro Morais, Carla Quintão, Pedro Vieira
Streszczenie
Obszar badań interfejsów mózg-komputer (BCI) powstał w próbie umożliwienia komunikacji między sparaliżowanymi pacjentami a technologią. Identyfikując stan mentalny osoby poprzez aktywność elektryczną jej mózgu, typowy system BCI przypisuje mu określoną akcję na komputerze. Wiadomo, że gdy kora wzrokowa jest stymulowana pewną częstotliwością, wykazuje aktywność o tej samej częstotliwości. Ta aktywość potencjałów wywołanych wizualnie w stanie ustalonym (SSVEP) może być używana do osiągnięcia wspomnianego celu komunikacji. W tej pracy najpierw analizujemy spontaniczną aktywność elektryczną mózgu, aby odróżnić dwa stany mentalne (koncentracja/medytacja). Następnie, zgodnie z podejściem typu SSVEP, dzielimy stymulujący ekran na cztery obszary, z których każdy migocze z inną częstotliwością. Obserwując odpowiadającą częstotliwość z płata occipitalnego badanego, możemy oszacować podjętą przez niego decyzję 2-bitową. Obserwujemy, że takie ustawienie jest efektywne dla BCI w czasie rzeczywistym i można je łatwo zintegrować z urządzeniami mobilnymi. Poza tym użytkownik może dobrowolnie zmieniać swoje decyzje, wchodząc w interakcję z systemem w naturalny sposób.
Interfejsy mózg-komputer na podstawie aktywności elektrycznej kory: Wyzwania w tworzeniu systemu poznawczego dla urządzeń mobilnych z wykorzystaniem potencjałów wywołanych wizualnie w stanie ustalonym
Pedro Morais, Carla Quintão, Pedro Vieira
Streszczenie
Obszar badań interfejsów mózg-komputer (BCI) powstał w próbie umożliwienia komunikacji między sparaliżowanymi pacjentami a technologią. Identyfikując stan mentalny osoby poprzez aktywność elektryczną jej mózgu, typowy system BCI przypisuje mu określoną akcję na komputerze. Wiadomo, że gdy kora wzrokowa jest stymulowana pewną częstotliwością, wykazuje aktywność o tej samej częstotliwości. Ta aktywość potencjałów wywołanych wizualnie w stanie ustalonym (SSVEP) może być używana do osiągnięcia wspomnianego celu komunikacji. W tej pracy najpierw analizujemy spontaniczną aktywność elektryczną mózgu, aby odróżnić dwa stany mentalne (koncentracja/medytacja). Następnie, zgodnie z podejściem typu SSVEP, dzielimy stymulujący ekran na cztery obszary, z których każdy migocze z inną częstotliwością. Obserwując odpowiadającą częstotliwość z płata occipitalnego badanego, możemy oszacować podjętą przez niego decyzję 2-bitową. Obserwujemy, że takie ustawienie jest efektywne dla BCI w czasie rzeczywistym i można je łatwo zintegrować z urządzeniami mobilnymi. Poza tym użytkownik może dobrowolnie zmieniać swoje decyzje, wchodząc w interakcję z systemem w naturalny sposób.
Interfejsy mózg-komputer na podstawie aktywności elektrycznej kory: Wyzwania w tworzeniu systemu poznawczego dla urządzeń mobilnych z wykorzystaniem potencjałów wywołanych wizualnie w stanie ustalonym
Pedro Morais, Carla Quintão, Pedro Vieira
Streszczenie
Obszar badań interfejsów mózg-komputer (BCI) powstał w próbie umożliwienia komunikacji między sparaliżowanymi pacjentami a technologią. Identyfikując stan mentalny osoby poprzez aktywność elektryczną jej mózgu, typowy system BCI przypisuje mu określoną akcję na komputerze. Wiadomo, że gdy kora wzrokowa jest stymulowana pewną częstotliwością, wykazuje aktywność o tej samej częstotliwości. Ta aktywość potencjałów wywołanych wizualnie w stanie ustalonym (SSVEP) może być używana do osiągnięcia wspomnianego celu komunikacji. W tej pracy najpierw analizujemy spontaniczną aktywność elektryczną mózgu, aby odróżnić dwa stany mentalne (koncentracja/medytacja). Następnie, zgodnie z podejściem typu SSVEP, dzielimy stymulujący ekran na cztery obszary, z których każdy migocze z inną częstotliwością. Obserwując odpowiadającą częstotliwość z płata occipitalnego badanego, możemy oszacować podjętą przez niego decyzję 2-bitową. Obserwujemy, że takie ustawienie jest efektywne dla BCI w czasie rzeczywistym i można je łatwo zintegrować z urządzeniami mobilnymi. Poza tym użytkownik może dobrowolnie zmieniać swoje decyzje, wchodząc w interakcję z systemem w naturalny sposób.
