พื้นฐานของ Event Related Potentials - Emotiv

ความรู้พื้นฐานเกี่ยวกับศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (Event-Related Potentials)

Roshini Randeniya

อัปเดตเมื่อ

22 พ.ค. 2567

พื้นฐานของ Event Related Potentials - Emotiv

ความรู้พื้นฐานเกี่ยวกับศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (Event-Related Potentials)

Roshini Randeniya

อัปเดตเมื่อ

22 พ.ค. 2567

พื้นฐานของ Event Related Potentials - Emotiv

ความรู้พื้นฐานเกี่ยวกับศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (Event-Related Potentials)

Roshini Randeniya

อัปเดตเมื่อ

22 พ.ค. 2567

1. บทนำ

ยินดีต้อนรับ! ในบทแนะนำสอนการใช้งานบทที่สองนี้ เราจะมาเรียนรู้วิธีการกำหนดเครื่องหมายการตอบสนองของสมองต่อสิ่งเร้า

สิ่งที่เราจะได้เรียนรู้:

  • คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

  • พีคและองค์ประกอบของ ERP คืออะไร?

  • ขั้นตอนทั่วไปในการรับข้อมูล ERP

  • การประยุกต์ใช้งานจริงโดยใช้อุปกรณ์และซอฟต์แวร์ Emotiv EPOC

2. คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) หรือที่เรียกว่าคลื่นไฟฟ้าสมองจากการกระตุ้น คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งเร้า (เช่น การได้ยินเสียงโทนดังๆ) โดยเฉพาะอย่างยิ่ง มันคือการเปลี่ยนแปลงแอมพลิจูดของแรงดันไฟฟ้าที่ปรากฏในการตรวจคลื่นไฟฟ้าสมอง (EEG) อันเป็นผลมาจากเหตุการณ์ทางประสาทสัมผัสหรือการรับรู้

เราสามารถสังเกต 'องค์ประกอบของ ERP' ซึ่งเป็นพีคที่เสถียรซึ่งเกิดขึ้นหลังจากการเริ่มของสิ่งเร้า ERP สามารถมีพีคบวกหรือลบได้หลายพีค แต่ไม่ใช่องค์ประกอบ ERP ที่มีลักษณะเฉพาะตัวดีทั้งหมด เช่น องค์ประกอบ N100 หรือ P300

อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา บางครั้งคุณจะเห็นเครื่องหมายลบ (–) ที่ด้านบนและเครื่องหมายบวก (+) ที่ด้านล่างของแกน โดยเฉพาะอย่างยิ่งในการตรวจ EEG ทางคลินิก

หมายเหตุ: ERP สามารถแสดงจากเหตุการณ์เดียวหรือโดยการหาค่าเฉลี่ยแอมพลิจูดจากหลายๆ การทดลองของเหตุการณ์นั้น โดยทั่วไปแล้ว ERP ที่ราบเรียบและมีองค์ประกอบที่ชัดเจนเช่นนี้ – ดังในภาพ – จะได้มาจากการหาค่าเฉลี่ยจากการทดลองเป็นร้อยๆ ครั้งเท่านั้น

รูปที่ 1 – องค์ประกอบ ERP จากการได้ยินทั่วไป

องค์ประกอบทั่วไปจะจำแนกตามขั้ว (เช่น บวก (P) หรือ ลบ (N)) และช่วงเวลาที่เกิดขึ้น (เช่น องค์ประกอบเชิงลบที่ 1 (N1)) ตัวอย่างเช่น องค์ประกอบ N1 เดียวกันนี้ยังสามารถระบุได้จากเวลาที่เกิดขึ้น (เช่น 100 มิลลิวินาทีจากการเริ่มของเสียงโทน) – N100

3. ขั้นตอนในการลงทะเบียนรับข้อมูล ERP

เฟสการทดลอง:

เราออกแบบการทดลองเพื่อรับข้อมูล ERP เฉพาะที่เราสนใจ

ตัวอย่างเช่น เราอาจเก็บรวบรวมข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียงโทนต่างๆ

เพื่อให้เข้าใจข้อมูล EEG เราต้องกำหนดเครื่องหมายช่วงเวลาที่ผู้เข้าร่วมได้ยินเสียงโทนใน EEG สิ่งเหล่านี้เรียกว่า ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดงแนวตั้งในรูปที่ 2)

รูปที่ 2 – ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ

การจัดวางตำแหน่งเวลาการทำเครื่องหมายเหตุการณ์ให้สอดคล้องกับจุดเริ่มต้นของเสียงโทนอย่างแม่นยำเป็นสิ่งสำคัญมาก เพื่อให้เราสามารถมองเห็น ERP ได้! ดังนั้น จึงเป็นเรื่องสำคัญที่จะต้องเลือกฮาร์ดแวร์และซอฟต์แวร์ที่เหมาะสมเพื่อช่วยให้เราได้การประทับเวลาที่แม่นยำ

การเลือกจุดอ้างอิง

โปรดจำไว้ว่ากิจกรรมทางไฟฟ้าจะวัดระหว่างสองจุดเสมอ ในอุปกรณ์ EEG ศักย์ไฟฟ้าที่เซนเซอร์แต่ละตัวจะวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS)

ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง

รูปที่ 3 – ตัวเลือกจุดอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC

อุปกรณ์สวมศีรษะประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:

  • การอ้างอิงแบบ Mastoid – ในการใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ P3/P4 และแผ่นสักหลาดเปียกบนเซนเซอร์ที่กระดูกหลังหู (mastoid)

  • การอ้างอิงแบบ P3/P4 – ในการใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ Mastoid M1/M2 และแผ่นสักหลาดเปียกบนเซนเซอร์ P3/P4

โดยทั่วไปจะใช้การอ้างอิงแบบ Mastoid สำหรับการทดลอง ERP แต่คุณสามารถใช้การอ้างอิงแบบ P3/P4 ได้ เนื่องจากคุณสามารถกำหนดจุดอ้างอิงข้อมูลใหม่ทางออนไลน์ได้ในภายหลัง เมื่อจัดเตรียมข้อมูลล่วงหน้าก่อนการวิเคราะห์ ข้อมูลทั่วไปคือการอ้างอิงข้อมูลใหม่เป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนที่จะวิเคราะห์ข้อมูล

สำหรับการทดลองของเรา เราจะเก็บรวบรวมข้อมูลโดยใช้การอ้างอิงแบบ Mastoid ข้อสมมติฐานที่ดีที่มักใช้กันที่นี่คือ ปุ่มกระดูกหลังหู (mastoid process) จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่นๆ บนศีรษะ ดังนั้นจึงเป็นจุดอ้างอิงที่ดี

การจัดเตรียมข้อมูลล่วงหน้า:

เราไม่สามารถมองเห็น ERP ใน EEG ดิบได้ทันทีเนื่องจากมันมีผลกระทบน้อยมาก (~ ±5uV) เมื่อเทียบกับสิ่งอื่นๆ ทั้งหมดที่เกิดขึ้นในและรอบๆ สมองของเรา (~ ±40uV)!

ดังนั้น เพื่อที่จะเห็นผลกระทบของสมองที่เป็นการตอบสนองต่อเสียงโทนของเราโดยเฉพาะ เราจำเป็นต้องทำความสะอาดข้อมูลเพื่อกำจัดสัญญาณรบกวนหรือสิ่งแปลกปน จากนั้นเราจะทำ

1. บทนำ

ยินดีต้อนรับ! ในบทแนะนำสอนการใช้งานบทที่สองนี้ เราจะมาเรียนรู้วิธีการกำหนดเครื่องหมายการตอบสนองของสมองต่อสิ่งเร้า

สิ่งที่เราจะได้เรียนรู้:

  • คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

  • พีคและองค์ประกอบของ ERP คืออะไร?

  • ขั้นตอนทั่วไปในการรับข้อมูล ERP

  • การประยุกต์ใช้งานจริงโดยใช้อุปกรณ์และซอฟต์แวร์ Emotiv EPOC

2. คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) หรือที่เรียกว่าคลื่นไฟฟ้าสมองจากการกระตุ้น คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งเร้า (เช่น การได้ยินเสียงโทนดังๆ) โดยเฉพาะอย่างยิ่ง มันคือการเปลี่ยนแปลงแอมพลิจูดของแรงดันไฟฟ้าที่ปรากฏในการตรวจคลื่นไฟฟ้าสมอง (EEG) อันเป็นผลมาจากเหตุการณ์ทางประสาทสัมผัสหรือการรับรู้

เราสามารถสังเกต 'องค์ประกอบของ ERP' ซึ่งเป็นพีคที่เสถียรซึ่งเกิดขึ้นหลังจากการเริ่มของสิ่งเร้า ERP สามารถมีพีคบวกหรือลบได้หลายพีค แต่ไม่ใช่องค์ประกอบ ERP ที่มีลักษณะเฉพาะตัวดีทั้งหมด เช่น องค์ประกอบ N100 หรือ P300

อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา บางครั้งคุณจะเห็นเครื่องหมายลบ (–) ที่ด้านบนและเครื่องหมายบวก (+) ที่ด้านล่างของแกน โดยเฉพาะอย่างยิ่งในการตรวจ EEG ทางคลินิก

หมายเหตุ: ERP สามารถแสดงจากเหตุการณ์เดียวหรือโดยการหาค่าเฉลี่ยแอมพลิจูดจากหลายๆ การทดลองของเหตุการณ์นั้น โดยทั่วไปแล้ว ERP ที่ราบเรียบและมีองค์ประกอบที่ชัดเจนเช่นนี้ – ดังในภาพ – จะได้มาจากการหาค่าเฉลี่ยจากการทดลองเป็นร้อยๆ ครั้งเท่านั้น

รูปที่ 1 – องค์ประกอบ ERP จากการได้ยินทั่วไป

องค์ประกอบทั่วไปจะจำแนกตามขั้ว (เช่น บวก (P) หรือ ลบ (N)) และช่วงเวลาที่เกิดขึ้น (เช่น องค์ประกอบเชิงลบที่ 1 (N1)) ตัวอย่างเช่น องค์ประกอบ N1 เดียวกันนี้ยังสามารถระบุได้จากเวลาที่เกิดขึ้น (เช่น 100 มิลลิวินาทีจากการเริ่มของเสียงโทน) – N100

3. ขั้นตอนในการลงทะเบียนรับข้อมูล ERP

เฟสการทดลอง:

เราออกแบบการทดลองเพื่อรับข้อมูล ERP เฉพาะที่เราสนใจ

ตัวอย่างเช่น เราอาจเก็บรวบรวมข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียงโทนต่างๆ

เพื่อให้เข้าใจข้อมูล EEG เราต้องกำหนดเครื่องหมายช่วงเวลาที่ผู้เข้าร่วมได้ยินเสียงโทนใน EEG สิ่งเหล่านี้เรียกว่า ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดงแนวตั้งในรูปที่ 2)

รูปที่ 2 – ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ

การจัดวางตำแหน่งเวลาการทำเครื่องหมายเหตุการณ์ให้สอดคล้องกับจุดเริ่มต้นของเสียงโทนอย่างแม่นยำเป็นสิ่งสำคัญมาก เพื่อให้เราสามารถมองเห็น ERP ได้! ดังนั้น จึงเป็นเรื่องสำคัญที่จะต้องเลือกฮาร์ดแวร์และซอฟต์แวร์ที่เหมาะสมเพื่อช่วยให้เราได้การประทับเวลาที่แม่นยำ

การเลือกจุดอ้างอิง

โปรดจำไว้ว่ากิจกรรมทางไฟฟ้าจะวัดระหว่างสองจุดเสมอ ในอุปกรณ์ EEG ศักย์ไฟฟ้าที่เซนเซอร์แต่ละตัวจะวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS)

ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง

รูปที่ 3 – ตัวเลือกจุดอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC

อุปกรณ์สวมศีรษะประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:

  • การอ้างอิงแบบ Mastoid – ในการใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ P3/P4 และแผ่นสักหลาดเปียกบนเซนเซอร์ที่กระดูกหลังหู (mastoid)

  • การอ้างอิงแบบ P3/P4 – ในการใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ Mastoid M1/M2 และแผ่นสักหลาดเปียกบนเซนเซอร์ P3/P4

โดยทั่วไปจะใช้การอ้างอิงแบบ Mastoid สำหรับการทดลอง ERP แต่คุณสามารถใช้การอ้างอิงแบบ P3/P4 ได้ เนื่องจากคุณสามารถกำหนดจุดอ้างอิงข้อมูลใหม่ทางออนไลน์ได้ในภายหลัง เมื่อจัดเตรียมข้อมูลล่วงหน้าก่อนการวิเคราะห์ ข้อมูลทั่วไปคือการอ้างอิงข้อมูลใหม่เป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนที่จะวิเคราะห์ข้อมูล

สำหรับการทดลองของเรา เราจะเก็บรวบรวมข้อมูลโดยใช้การอ้างอิงแบบ Mastoid ข้อสมมติฐานที่ดีที่มักใช้กันที่นี่คือ ปุ่มกระดูกหลังหู (mastoid process) จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่นๆ บนศีรษะ ดังนั้นจึงเป็นจุดอ้างอิงที่ดี

การจัดเตรียมข้อมูลล่วงหน้า:

เราไม่สามารถมองเห็น ERP ใน EEG ดิบได้ทันทีเนื่องจากมันมีผลกระทบน้อยมาก (~ ±5uV) เมื่อเทียบกับสิ่งอื่นๆ ทั้งหมดที่เกิดขึ้นในและรอบๆ สมองของเรา (~ ±40uV)!

ดังนั้น เพื่อที่จะเห็นผลกระทบของสมองที่เป็นการตอบสนองต่อเสียงโทนของเราโดยเฉพาะ เราจำเป็นต้องทำความสะอาดข้อมูลเพื่อกำจัดสัญญาณรบกวนหรือสิ่งแปลกปน จากนั้นเราจะทำ

1. บทนำ

ยินดีต้อนรับ! ในบทแนะนำสอนการใช้งานบทที่สองนี้ เราจะมาเรียนรู้วิธีการกำหนดเครื่องหมายการตอบสนองของสมองต่อสิ่งเร้า

สิ่งที่เราจะได้เรียนรู้:

  • คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

  • พีคและองค์ประกอบของ ERP คืออะไร?

  • ขั้นตอนทั่วไปในการรับข้อมูล ERP

  • การประยุกต์ใช้งานจริงโดยใช้อุปกรณ์และซอฟต์แวร์ Emotiv EPOC

2. คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) คืออะไร?

คลื่นไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ (ERP) หรือที่เรียกว่าคลื่นไฟฟ้าสมองจากการกระตุ้น คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งเร้า (เช่น การได้ยินเสียงโทนดังๆ) โดยเฉพาะอย่างยิ่ง มันคือการเปลี่ยนแปลงแอมพลิจูดของแรงดันไฟฟ้าที่ปรากฏในการตรวจคลื่นไฟฟ้าสมอง (EEG) อันเป็นผลมาจากเหตุการณ์ทางประสาทสัมผัสหรือการรับรู้

เราสามารถสังเกต 'องค์ประกอบของ ERP' ซึ่งเป็นพีคที่เสถียรซึ่งเกิดขึ้นหลังจากการเริ่มของสิ่งเร้า ERP สามารถมีพีคบวกหรือลบได้หลายพีค แต่ไม่ใช่องค์ประกอบ ERP ที่มีลักษณะเฉพาะตัวดีทั้งหมด เช่น องค์ประกอบ N100 หรือ P300

อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา บางครั้งคุณจะเห็นเครื่องหมายลบ (–) ที่ด้านบนและเครื่องหมายบวก (+) ที่ด้านล่างของแกน โดยเฉพาะอย่างยิ่งในการตรวจ EEG ทางคลินิก

หมายเหตุ: ERP สามารถแสดงจากเหตุการณ์เดียวหรือโดยการหาค่าเฉลี่ยแอมพลิจูดจากหลายๆ การทดลองของเหตุการณ์นั้น โดยทั่วไปแล้ว ERP ที่ราบเรียบและมีองค์ประกอบที่ชัดเจนเช่นนี้ – ดังในภาพ – จะได้มาจากการหาค่าเฉลี่ยจากการทดลองเป็นร้อยๆ ครั้งเท่านั้น

รูปที่ 1 – องค์ประกอบ ERP จากการได้ยินทั่วไป

องค์ประกอบทั่วไปจะจำแนกตามขั้ว (เช่น บวก (P) หรือ ลบ (N)) และช่วงเวลาที่เกิดขึ้น (เช่น องค์ประกอบเชิงลบที่ 1 (N1)) ตัวอย่างเช่น องค์ประกอบ N1 เดียวกันนี้ยังสามารถระบุได้จากเวลาที่เกิดขึ้น (เช่น 100 มิลลิวินาทีจากการเริ่มของเสียงโทน) – N100

3. ขั้นตอนในการลงทะเบียนรับข้อมูล ERP

เฟสการทดลอง:

เราออกแบบการทดลองเพื่อรับข้อมูล ERP เฉพาะที่เราสนใจ

ตัวอย่างเช่น เราอาจเก็บรวบรวมข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียงโทนต่างๆ

เพื่อให้เข้าใจข้อมูล EEG เราต้องกำหนดเครื่องหมายช่วงเวลาที่ผู้เข้าร่วมได้ยินเสียงโทนใน EEG สิ่งเหล่านี้เรียกว่า ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดงแนวตั้งในรูปที่ 2)

รูปที่ 2 – ตัวทำเครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ

การจัดวางตำแหน่งเวลาการทำเครื่องหมายเหตุการณ์ให้สอดคล้องกับจุดเริ่มต้นของเสียงโทนอย่างแม่นยำเป็นสิ่งสำคัญมาก เพื่อให้เราสามารถมองเห็น ERP ได้! ดังนั้น จึงเป็นเรื่องสำคัญที่จะต้องเลือกฮาร์ดแวร์และซอฟต์แวร์ที่เหมาะสมเพื่อช่วยให้เราได้การประทับเวลาที่แม่นยำ

การเลือกจุดอ้างอิง

โปรดจำไว้ว่ากิจกรรมทางไฟฟ้าจะวัดระหว่างสองจุดเสมอ ในอุปกรณ์ EEG ศักย์ไฟฟ้าที่เซนเซอร์แต่ละตัวจะวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS)

ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง

รูปที่ 3 – ตัวเลือกจุดอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC

อุปกรณ์สวมศีรษะประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:

  • การอ้างอิงแบบ Mastoid – ในการใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ P3/P4 และแผ่นสักหลาดเปียกบนเซนเซอร์ที่กระดูกหลังหู (mastoid)

  • การอ้างอิงแบบ P3/P4 – ในการใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่ตัวหยุดยางบนเซนเซอร์ Mastoid M1/M2 และแผ่นสักหลาดเปียกบนเซนเซอร์ P3/P4

โดยทั่วไปจะใช้การอ้างอิงแบบ Mastoid สำหรับการทดลอง ERP แต่คุณสามารถใช้การอ้างอิงแบบ P3/P4 ได้ เนื่องจากคุณสามารถกำหนดจุดอ้างอิงข้อมูลใหม่ทางออนไลน์ได้ในภายหลัง เมื่อจัดเตรียมข้อมูลล่วงหน้าก่อนการวิเคราะห์ ข้อมูลทั่วไปคือการอ้างอิงข้อมูลใหม่เป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนที่จะวิเคราะห์ข้อมูล

สำหรับการทดลองของเรา เราจะเก็บรวบรวมข้อมูลโดยใช้การอ้างอิงแบบ Mastoid ข้อสมมติฐานที่ดีที่มักใช้กันที่นี่คือ ปุ่มกระดูกหลังหู (mastoid process) จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่นๆ บนศีรษะ ดังนั้นจึงเป็นจุดอ้างอิงที่ดี

การจัดเตรียมข้อมูลล่วงหน้า:

เราไม่สามารถมองเห็น ERP ใน EEG ดิบได้ทันทีเนื่องจากมันมีผลกระทบน้อยมาก (~ ±5uV) เมื่อเทียบกับสิ่งอื่นๆ ทั้งหมดที่เกิดขึ้นในและรอบๆ สมองของเรา (~ ±40uV)!

ดังนั้น เพื่อที่จะเห็นผลกระทบของสมองที่เป็นการตอบสนองต่อเสียงโทนของเราโดยเฉพาะ เราจำเป็นต้องทำความสะอาดข้อมูลเพื่อกำจัดสัญญาณรบกวนหรือสิ่งแปลกปน จากนั้นเราจะทำ

แผนภาพแสดงการรวบรวมข้อมูลประสาทวิทยาศาสตร์แบบซิงโครไนซ์โดยใช้ Lab Streaming Layer (LSL) โดยที่ชุดหูฟัง Emotiv EEG, แหล่งกำเนيدเสียง และตัวกระตุ้นเหตุการณ์ (event trigger) จะสตรีมสัญญาณ EEG, รูปคลื่นเสียง และเครื่องหมายระบุเวลา (timed markers) ไปยังไทม์ไลน์ที่จัดเรียงอย่างสอดคล้องกัน ซึ่งจะมารวมกันที่อินเตอร์เฟสการบันทึกส่วนกลางเพื่อการวิเคราะห์ข้อมูลหลากรูปแบบ (multimodal data) แบบซิงโครไนซ์

อ่านต่อ

Lab Streaming Layer (LSL) สำหรับการซิงโครไนซ์สตรีมข้อมูลหลายแหล่ง