Desafie sua memória! Jogue o novo jogo N-Back no aplicativo Emotiv
Desafie sua memória! Jogue o novo jogo N-Back no aplicativo Emotiv
Desafie sua memória! Jogue o novo jogo N-Back no aplicativo Emotiv
Interface Cérebro-Computador Baseada na Geração de Imagens Visuais
Compartilhar:
Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov
Resumo
Este artigo examina a tarefa de reconhecer padrões de EEG que correspondem à realização de três tarefas mentais: relaxamento e imaginação de dois tipos de imagens: rostos e casas. Os experimentos foram realizados utilizando dois fones de ouvido EEG: BrainProducts ActiCap e Emotiv EPOC. O fone de ouvido Emotiv tornou-se amplamente utilizado em aplicações de BCI para consumidores, permitindo a realização de experimentos EEG em larga escala no futuro. Como a precisão de classificação superou significativamente o nível de classificação aleatória durante os primeiros três dias do experimento com o fone de ouvido EPOC, um experimento de controle foi realizado no quarto dia usando ActiCap. O experimento de controle mostrou que a utilização de equipamentos de pesquisa de alta qualidade pode melhorar a precisão da classificação (até 68% em alguns sujeitos) e que a precisão é independente da presença de artefatos de EEG relacionados a piscadas e movimentos oculares. Este estudo também mostra que um classificador Bayesiano computacionalmente barato, baseado na análise da matriz de covariância, produz uma precisão de classificação semelhante neste problema em comparação com um classificador mais sofisticado de Padrões Espaciais Comuns Multiclasse (MCSP).Clique aqui para ler o relatório completo
Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov
Resumo
Este artigo examina a tarefa de reconhecer padrões de EEG que correspondem à realização de três tarefas mentais: relaxamento e imaginação de dois tipos de imagens: rostos e casas. Os experimentos foram realizados utilizando dois fones de ouvido EEG: BrainProducts ActiCap e Emotiv EPOC. O fone de ouvido Emotiv tornou-se amplamente utilizado em aplicações de BCI para consumidores, permitindo a realização de experimentos EEG em larga escala no futuro. Como a precisão de classificação superou significativamente o nível de classificação aleatória durante os primeiros três dias do experimento com o fone de ouvido EPOC, um experimento de controle foi realizado no quarto dia usando ActiCap. O experimento de controle mostrou que a utilização de equipamentos de pesquisa de alta qualidade pode melhorar a precisão da classificação (até 68% em alguns sujeitos) e que a precisão é independente da presença de artefatos de EEG relacionados a piscadas e movimentos oculares. Este estudo também mostra que um classificador Bayesiano computacionalmente barato, baseado na análise da matriz de covariância, produz uma precisão de classificação semelhante neste problema em comparação com um classificador mais sofisticado de Padrões Espaciais Comuns Multiclasse (MCSP).Clique aqui para ler o relatório completo
Pavel Bobrov, Alexander Frolov, Charles Cantor, Irina Fedulova, Mikhail Bakhnyan, Alexander Zhavoronkov
Resumo
Este artigo examina a tarefa de reconhecer padrões de EEG que correspondem à realização de três tarefas mentais: relaxamento e imaginação de dois tipos de imagens: rostos e casas. Os experimentos foram realizados utilizando dois fones de ouvido EEG: BrainProducts ActiCap e Emotiv EPOC. O fone de ouvido Emotiv tornou-se amplamente utilizado em aplicações de BCI para consumidores, permitindo a realização de experimentos EEG em larga escala no futuro. Como a precisão de classificação superou significativamente o nível de classificação aleatória durante os primeiros três dias do experimento com o fone de ouvido EPOC, um experimento de controle foi realizado no quarto dia usando ActiCap. O experimento de controle mostrou que a utilização de equipamentos de pesquisa de alta qualidade pode melhorar a precisão da classificação (até 68% em alguns sujeitos) e que a precisão é independente da presença de artefatos de EEG relacionados a piscadas e movimentos oculares. Este estudo também mostra que um classificador Bayesiano computacionalmente barato, baseado na análise da matriz de covariância, produz uma precisão de classificação semelhante neste problema em comparação com um classificador mais sofisticado de Padrões Espaciais Comuns Multiclasse (MCSP).Clique aqui para ler o relatório completo