Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Brain hemisphere synchronization using biofeedback techniques
Języki publikacji
Abstrakty
W niniejszej pracy zaproponowane zostały dwa indywidualne podejścia do budowy systemu wspomagającego synchronizację półkul mózgowych przy pomocy mechanizmu biofeedback. Dla obu rozwiązań wykorzystane zostało urządzenie wykorzystujące bezprzewodowy system rejestracji sygnałów EEG. W pierwszym podejściu sprawdzono wpływ dudnień różnicowych na stan synchronizacji z zastosowaniem statystycznych metod analizy. W drugiej metodzie zbadane zostały możliwości stworzenia systemu działającego w czasie rzeczywistym. Ze względu na duże zakłócenia przy rejestracji sygnałów EEG, w obu przypadkach zastosowano metody przetwarzania wstępnego pozyskanych sygnałów. We wnioskach oceniono skuteczność obu metod do realizacji omawianego systemu oraz przedstawiono możliwości jego rozwoju.
In the paper two individual attempts to build hemisphere synchronization system based on biofeedback techniques are presented. For both concepts a unique wireless EEG recording system was applied. In order to minimize the EOG artefacts from EEG signal, methods of signal preprocessing and analysis are applied and described. The first approach examines how binaural sounds influent synchronization state by using statistical analysis. The second methodology is based on analyzing wavelet coefficients calculated for different time windows. In conclusion both methods effectiveness in case of building the system is evaluated. Also the possibilities of system development are included.
Rocznik
Tom
Strony
195--201
Opis fizyczny
Bibliogr. 11 poz., rys., tab
Twórcy
autor
autor
autor
autor
- Politechnika Gdańska Katedra Systemów Multimedialnych
Bibliografia
- [1] Kemp B., Varri A., da Rosa A., Nielsen K. D., Gade J., Penzel T., Analysis of brain synchronization based on noise-driven feedback models, Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 1991.
- [2] http://www.hemi-sync.pl (in Polish)
- [3] http://starlab.es/products/enobio
- [4] Senthil K. P., Arumuganathan R., Sivakumar K., Vimal C., An adaptive method to remove ocular artifacts from EEG signals using wavelet transform, Journal of Applied Sciences Research, 741745, 2009.
- [5] http://www.eeg-biofeedback.com.pl/index.php?mod=vademecum
- [6] Settapat S., Ohkura M., An Alpha-Wave-Based Binaural Beat Sound Control System using Fuzzy Logic and Autoregressive Forecasting Mode, SICE Annual Conference 2008.
- [7] Samar V.J., Bopardikar A., Rao R., Schwarz K., Wavelet Analysis of Neuroelectric Waveforms: A conceptual tutorial, Brain and Language, 66, 760, 1999.
- [8] Landwehr N., Hall M., Frank E. (2004). Logistic Model Tree, Department of computer Science University of Freiburg, Freiburg, Germany, Department of Computer Science, University of Waikato, Hamilton, New Zeland.
- [9] Khemakhem R., Zouch W., Hamida B. A., Taleb-Ahmed A, Feki I., Source Localization Using the Inverse Problem Methods, IJCSNS, International Journal of Computer Science and Network Security, vol. 0, No.4, April 2009.
- [10] Sanei S., Chambers J.A., EEG Signal Processing, Centre of Digital Proccesing, Cardiff University, UK, 2008.
- [11] Zunairah Hj., Murat N., Mohd T., Hanafiah Z. M., Lias S., Shilawani R. S., Kadir A., Rahman H. A., Initial Investigation of Brainwave Synchronization After Five Sessions of Horizontal Rotation Intervention Using EEG, 5th International Colloquium on Signal Processing & Its Applications (CSPA), 2009.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPG8-0032-0029