
Beyin Makine Arayüzlerinin performansını artırmak için pasif geri bildirim olarak SSVEP'nin değerlendirilmesi
Nuri Djavit
Güncelleme tarihi
16 Ağu 2012

Beyin Makine Arayüzlerinin performansını artırmak için pasif geri bildirim olarak SSVEP'nin değerlendirilmesi
Nuri Djavit
Güncelleme tarihi
16 Ağu 2012

Beyin Makine Arayüzlerinin performansını artırmak için pasif geri bildirim olarak SSVEP'nin değerlendirilmesi
Nuri Djavit
Güncelleme tarihi
16 Ağu 2012
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Özet
Beyin-bilgisayar arayüzleri üzerine yapılan araştırmalar, öncelikle bilgisayar ekranındaki bir imlecin veya diğer nesnelerin hareket ettirilmesini içeren motor imgeleme görevlerine odaklanmıştır. Bu tür uygulamalarda, kullanıcının bir nesneyi hareket ettirmeyle ne zaman ilgilendiğini ve bu görevde ne zaman aktif olmadığını tespit etmek önemlidir. Bu çalışma, motor imgeleme sırasında kullanıcının zihinsel durumunu doğrulamak için geri bildirim mekanizması olarak kararlı durum görsel uyarılmış potansiyelini (SSVEP) değerlendirmektedir. Bu potansiyeller, denek ilgilenilen yanıp sönen bir nesneye baktığında uyarılır. Bu çalışmada dört farklı deney yürütülmüştür. Deneklerden, yanıp sönen nesnenin belirli bir yöndeki hareketini hayal etmeleri istenir. Denek bu göreve dahil olursa, SSVEP sinyali görsel kortekste tespit edilebilir hale gelecek ve böylece motor imgeleme görevi doğrulanacaktır. Deney sırasında, görsel kortekse yakın 4 bölgede EEG sinyali kaydedilmiştir. Bir ağırlıklandırma şeması kullanılarak, yanıp sönme frekansının varlığını değerlendirmek için kaydedilen sinyalin en iyi kombinasyonu seçilmiştir. Deneysel sonuç, SSVEP'nin yanıp sönen nesnelerin karmaşık motor imgelemelerinde bile tespit edilebildiğini göstermektedir. SSVEP geri bildirimi için yenileme süresi 0,5 saniyeye ayarlandığında %85'lik bir tespit oranına ulaşılmıştır.
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Özet
Beyin-bilgisayar arayüzleri üzerine yapılan araştırmalar, öncelikle bilgisayar ekranındaki bir imlecin veya diğer nesnelerin hareket ettirilmesini içeren motor imgeleme görevlerine odaklanmıştır. Bu tür uygulamalarda, kullanıcının bir nesneyi hareket ettirmeyle ne zaman ilgilendiğini ve bu görevde ne zaman aktif olmadığını tespit etmek önemlidir. Bu çalışma, motor imgeleme sırasında kullanıcının zihinsel durumunu doğrulamak için geri bildirim mekanizması olarak kararlı durum görsel uyarılmış potansiyelini (SSVEP) değerlendirmektedir. Bu potansiyeller, denek ilgilenilen yanıp sönen bir nesneye baktığında uyarılır. Bu çalışmada dört farklı deney yürütülmüştür. Deneklerden, yanıp sönen nesnenin belirli bir yöndeki hareketini hayal etmeleri istenir. Denek bu göreve dahil olursa, SSVEP sinyali görsel kortekste tespit edilebilir hale gelecek ve böylece motor imgeleme görevi doğrulanacaktır. Deney sırasında, görsel kortekse yakın 4 bölgede EEG sinyali kaydedilmiştir. Bir ağırlıklandırma şeması kullanılarak, yanıp sönme frekansının varlığını değerlendirmek için kaydedilen sinyalin en iyi kombinasyonu seçilmiştir. Deneysel sonuç, SSVEP'nin yanıp sönen nesnelerin karmaşık motor imgelemelerinde bile tespit edilebildiğini göstermektedir. SSVEP geri bildirimi için yenileme süresi 0,5 saniyeye ayarlandığında %85'lik bir tespit oranına ulaşılmıştır.
Shaocheng Wang, Ehsan Tarkesh Esfahani, Sundararajan V. University of California Riverside
Özet
Beyin-bilgisayar arayüzleri üzerine yapılan araştırmalar, öncelikle bilgisayar ekranındaki bir imlecin veya diğer nesnelerin hareket ettirilmesini içeren motor imgeleme görevlerine odaklanmıştır. Bu tür uygulamalarda, kullanıcının bir nesneyi hareket ettirmeyle ne zaman ilgilendiğini ve bu görevde ne zaman aktif olmadığını tespit etmek önemlidir. Bu çalışma, motor imgeleme sırasında kullanıcının zihinsel durumunu doğrulamak için geri bildirim mekanizması olarak kararlı durum görsel uyarılmış potansiyelini (SSVEP) değerlendirmektedir. Bu potansiyeller, denek ilgilenilen yanıp sönen bir nesneye baktığında uyarılır. Bu çalışmada dört farklı deney yürütülmüştür. Deneklerden, yanıp sönen nesnenin belirli bir yöndeki hareketini hayal etmeleri istenir. Denek bu göreve dahil olursa, SSVEP sinyali görsel kortekste tespit edilebilir hale gelecek ve böylece motor imgeleme görevi doğrulanacaktır. Deney sırasında, görsel kortekse yakın 4 bölgede EEG sinyali kaydedilmiştir. Bir ağırlıklandırma şeması kullanılarak, yanıp sönme frekansının varlığını değerlendirmek için kaydedilen sinyalin en iyi kombinasyonu seçilmiştir. Deneysel sonuç, SSVEP'nin yanıp sönen nesnelerin karmaşık motor imgelemelerinde bile tespit edilebildiğini göstermektedir. SSVEP geri bildirimi için yenileme süresi 0,5 saniyeye ayarlandığında %85'lik bir tespit oranına ulaşılmıştır.

Okumaya devam et