อินเทอร์เฟซระหว่างสมองและคอมพิวเตอร์ด้วยกิจกรรมของเปลือกสมองส่วนนอกด้วยไฟฟ้า
มาเวอริค เหงียน
อัปเดตเมื่อ
28 พ.ค. 2561
อินเทอร์เฟซระหว่างสมองและคอมพิวเตอร์ด้วยกิจกรรมของเปลือกสมองส่วนนอกด้วยไฟฟ้า
มาเวอริค เหงียน
อัปเดตเมื่อ
28 พ.ค. 2561
อินเทอร์เฟซระหว่างสมองและคอมพิวเตอร์ด้วยกิจกรรมของเปลือกสมองส่วนนอกด้วยไฟฟ้า
มาเวอริค เหงียน
อัปเดตเมื่อ
28 พ.ค. 2561
อินเทอร์เฟซสมองกับคอมพิวเตอร์ด้วยการทำงานของเปลือกสมองส่วนนอกด้วยไฟฟ้า: ความท้าทายในการสร้างระบบการรับรู้สำหรับอุปกรณ์เคลื่อนที่โดยใช้ศักย์ไฟฟ้ากระตุ้นทางสายตาในสภาวะคงที่
Pedro Morais, Carla Quintão, Pedro Vieira
บทคัดย่อ
สาขาวิจัยเรื่อง Brain–Computer Interfaces (BCI) เกิดขึ้นจากความพยายามที่จะช่วยให้ผู้ป่วยที่เป็นอัมพาตสามารถสื่อสารกับเทคโนโลยีได้ ด้วยการระบุสภาวะทางจิตของแต่ละบุคคลผ่านการทำงานของกระแสไฟฟ้าในสมอง ระบบ BCI ทั่วไปจะกำหนดการทำงานเฉพาะอย่างในคอมพิวเตอร์ให้กับสภาวะนั้น เป็นที่ทราบกันดีว่าเมื่อเปลือกสมองส่วนการมองเห็นถูกกระตุ้นด้วยความถี่ระดับหนึ่ง มันจะแสดงการทำงานด้วยความถี่เดียวกันนั้น การทำงานของ Steady–State Visually Evoked Potential (SSVEP) นี้สามารถนำมาใช้เพื่อบรรลุเป้าหมายการสื่อสารดังกล่าวข้างต้น ในงานวิจัยนี้ ขั้นแรกเราจะวิเคราะห์การทำงานของกระแสไฟฟ้าที่เกิดขึ้นเองตามธรรมชาติของสมอง เพื่อแยกแยะสภาวะทางจิตสองสถานะ (การมีสมาธิ/การทำสมาธิ) จากนั้น ด้วยการใช้วิธีการแบบ SSVEP เราจะแบ่งหน้าจอกระตุ้นออกเป็นสี่พื้นที่ ซึ่งแต่ละพื้นที่จะกะพริบด้วยความถี่ที่ต่างกัน การสังเกตความถี่ในการตอบสนองจากกลีบสมองส่วนท้ายทอยของกลุ่มตัวอย่าง ทำให้เราสามารถประมาณการตัดสินใจขนาด 2 บิตที่เขาเลือกได้ เราพบว่าการจัดเตรียมดังกล่าวมีประสิทธิภาพสำหรับ BCI แบบเรียลไทม์ และสามารถรวมเข้ากับอุปกรณ์เคลื่อนที่ได้อย่างง่ายดาย นอกจากนี้ ผู้ใช้ยังสามารถเปลี่ยนการตัดสินใจของตนเองได้ตามความสมัครใจ ช่วยให้มีปฏิสัมพันธ์กับระบบได้อย่างเป็นธรรมชาติ
อินเทอร์เฟซสมองกับคอมพิวเตอร์ด้วยการทำงานของเปลือกสมองส่วนนอกด้วยไฟฟ้า: ความท้าทายในการสร้างระบบการรับรู้สำหรับอุปกรณ์เคลื่อนที่โดยใช้ศักย์ไฟฟ้ากระตุ้นทางสายตาในสภาวะคงที่
Pedro Morais, Carla Quintão, Pedro Vieira
บทคัดย่อ
สาขาวิจัยเรื่อง Brain–Computer Interfaces (BCI) เกิดขึ้นจากความพยายามที่จะช่วยให้ผู้ป่วยที่เป็นอัมพาตสามารถสื่อสารกับเทคโนโลยีได้ ด้วยการระบุสภาวะทางจิตของแต่ละบุคคลผ่านการทำงานของกระแสไฟฟ้าในสมอง ระบบ BCI ทั่วไปจะกำหนดการทำงานเฉพาะอย่างในคอมพิวเตอร์ให้กับสภาวะนั้น เป็นที่ทราบกันดีว่าเมื่อเปลือกสมองส่วนการมองเห็นถูกกระตุ้นด้วยความถี่ระดับหนึ่ง มันจะแสดงการทำงานด้วยความถี่เดียวกันนั้น การทำงานของ Steady–State Visually Evoked Potential (SSVEP) นี้สามารถนำมาใช้เพื่อบรรลุเป้าหมายการสื่อสารดังกล่าวข้างต้น ในงานวิจัยนี้ ขั้นแรกเราจะวิเคราะห์การทำงานของกระแสไฟฟ้าที่เกิดขึ้นเองตามธรรมชาติของสมอง เพื่อแยกแยะสภาวะทางจิตสองสถานะ (การมีสมาธิ/การทำสมาธิ) จากนั้น ด้วยการใช้วิธีการแบบ SSVEP เราจะแบ่งหน้าจอกระตุ้นออกเป็นสี่พื้นที่ ซึ่งแต่ละพื้นที่จะกะพริบด้วยความถี่ที่ต่างกัน การสังเกตความถี่ในการตอบสนองจากกลีบสมองส่วนท้ายทอยของกลุ่มตัวอย่าง ทำให้เราสามารถประมาณการตัดสินใจขนาด 2 บิตที่เขาเลือกได้ เราพบว่าการจัดเตรียมดังกล่าวมีประสิทธิภาพสำหรับ BCI แบบเรียลไทม์ และสามารถรวมเข้ากับอุปกรณ์เคลื่อนที่ได้อย่างง่ายดาย นอกจากนี้ ผู้ใช้ยังสามารถเปลี่ยนการตัดสินใจของตนเองได้ตามความสมัครใจ ช่วยให้มีปฏิสัมพันธ์กับระบบได้อย่างเป็นธรรมชาติ
อินเทอร์เฟซสมองกับคอมพิวเตอร์ด้วยการทำงานของเปลือกสมองส่วนนอกด้วยไฟฟ้า: ความท้าทายในการสร้างระบบการรับรู้สำหรับอุปกรณ์เคลื่อนที่โดยใช้ศักย์ไฟฟ้ากระตุ้นทางสายตาในสภาวะคงที่
Pedro Morais, Carla Quintão, Pedro Vieira
บทคัดย่อ
สาขาวิจัยเรื่อง Brain–Computer Interfaces (BCI) เกิดขึ้นจากความพยายามที่จะช่วยให้ผู้ป่วยที่เป็นอัมพาตสามารถสื่อสารกับเทคโนโลยีได้ ด้วยการระบุสภาวะทางจิตของแต่ละบุคคลผ่านการทำงานของกระแสไฟฟ้าในสมอง ระบบ BCI ทั่วไปจะกำหนดการทำงานเฉพาะอย่างในคอมพิวเตอร์ให้กับสภาวะนั้น เป็นที่ทราบกันดีว่าเมื่อเปลือกสมองส่วนการมองเห็นถูกกระตุ้นด้วยความถี่ระดับหนึ่ง มันจะแสดงการทำงานด้วยความถี่เดียวกันนั้น การทำงานของ Steady–State Visually Evoked Potential (SSVEP) นี้สามารถนำมาใช้เพื่อบรรลุเป้าหมายการสื่อสารดังกล่าวข้างต้น ในงานวิจัยนี้ ขั้นแรกเราจะวิเคราะห์การทำงานของกระแสไฟฟ้าที่เกิดขึ้นเองตามธรรมชาติของสมอง เพื่อแยกแยะสภาวะทางจิตสองสถานะ (การมีสมาธิ/การทำสมาธิ) จากนั้น ด้วยการใช้วิธีการแบบ SSVEP เราจะแบ่งหน้าจอกระตุ้นออกเป็นสี่พื้นที่ ซึ่งแต่ละพื้นที่จะกะพริบด้วยความถี่ที่ต่างกัน การสังเกตความถี่ในการตอบสนองจากกลีบสมองส่วนท้ายทอยของกลุ่มตัวอย่าง ทำให้เราสามารถประมาณการตัดสินใจขนาด 2 บิตที่เขาเลือกได้ เราพบว่าการจัดเตรียมดังกล่าวมีประสิทธิภาพสำหรับ BCI แบบเรียลไทม์ และสามารถรวมเข้ากับอุปกรณ์เคลื่อนที่ได้อย่างง่ายดาย นอกจากนี้ ผู้ใช้ยังสามารถเปลี่ยนการตัดสินใจของตนเองได้ตามความสมัครใจ ช่วยให้มีปฏิสัมพันธ์กับระบบได้อย่างเป็นธรรมชาติ
อ่านต่อ