Wyniki wyszukiwania - BazTech

1

Finding Optimal Frequency and Spatial Filters Accompanying Blind Signal Separation of EEG Data for SSVEP-based BCI

Jukiewicz M., Buchwald M., Cysewska-Sobusiak A.

International Journal of Electronics and Telecommunications

|

2018

|

Vol. 64, No. 4

439--444

EN

Brain-computer interface (BCI) is a device which allows paralyzed people to navigate a robot, prosthesis or wheelchair using only their own brains reactions. By creating a direct communication pathway between the human brain and a machine, without muscles contractions or activity from within the peripheral nervous system, BCI makes mapping persons intentions onto directive signals possible. One of the most commonly utilized phenomena in BCI is steady-state visually evoked potentials (SSVEP). If subject focuses attention on the flashing stimulus (with specified frequency) presented on the computer screen, a signal of the same frequency will appear in his or hers visual cortex and from there it can be measured. When there is more than one stimulus on the screen (each flashing with a different frequency) then based on the outcomes of the signal analysis we can predict at which of these objects (e.g., rectangles) subject was/is looking at that particular moment. Proper preprocessing steps have taken place in order to obtain maximally accurate stimuli recognition (as the specific frequency). In the current article, we compared various preprocessing and processing methods for BCI purposes. Combinations of spatial and temporal filtration methods and the proceeding blind source separation (BSS) were evaluated in terms of the resulting decoding accuracy. Canonical-correlation analysis (CCA) to signals classification was used.

2

Koncepcja bezprzewodowej sieci sensorowej na potrzeby monitorowania stanu pacjenta

Michalak J., Stawicki T.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2017

|

nr 8-9

1010--1015, CD

PL

Opieka zdrowotna jest jednym z najważniejszych aspektów życia ludzkiego. Tradycyjna opieka zdrowotna coraz częściej ustępuje miejsca technologiom informacyjnym. Nowoczesna opieka medyczna oparta o IT, znana pod nazwą e-Healthcare, wykorzystuje różne funkcje technologii informatycznych i sprawia, że jest to skuteczne rozwiązanie dla człowieka. Aplikacje e-Healthcare oparte o sieci WSN to jedne z najważniejszych osiągnieć w tej dziedzinie. W niniejszym artykule przedstawiono koncepcję sieci zdalnego monitorowania pacjenta w oparciu o technikę WSN. Uzasadnienie takiego rozwiązania poparte jest wynikami ankiety przeprowadzonej w środowisku medycznym.

EN

Healthcare service is one the most important aspects of human life. Traditional healthcare industry has shifted to Information Technology. Modern IT-based healthcare also known as e-Healthcare uses various features of IT and makes it a smart and effective choice for human being. EHealthcare applications based on WSN are some of the most important advancements in this field. Taking into account the results of questionnaire in medical environment, as well as basing on analysis of technical possibilities, the concept of WSN for monitoring of patient was proposed in this paper.

3

Usuwanie artefaktów z sygnałów sterujących interfejsem mózg-komputer

Jukiewicz M., Buchwald M., Cysewska-Sobusiak A.

Poznan University of Technology Academic Journals. Electrical Engineering

|

2017

|

No. 89

195--204

PL

Elektroencefalografia jest metodą pozwalającą na pomiar elektrycznej aktywności mózgu. Metoda ta jest wykorzystywana do diagnostyki pracy mózgu oraz w tzw. interfejsach mózg-komputer, czyli urządzeniach pozwalających na bezpośrednią komunikację pomiędzy mózgiem a jednostką obliczeniową. Interfejsy takie tworzone są głównie z myślą o osobach częściowo sparaliżowanych lub dotkniętych syndromem zamknięcia. Jednym ze zjawisk zachodzącym w mózgu, wykorzystywanym w interfejsach mózg-komputer, są Wzrokowe Potencjały Wywołane Stanu Ustalonego SSVEP (Steady State Visually Evoked Potentials). Jeśli osoba badana obserwuje bodziec, migający z określoną częstotliwością, to sygnał o tej samej częstotliwości (dominującej) zostanie zmierzony nad korą wzrokową. W takich urządzeniach bardzo istotne jest przetwarzanie zmierzonego sygnału w taki sposób, aby zapewnić jak największą skuteczność rozpoznania na co w danej chwili patrzy osoba badana. Jednym ze sposobów na osiągnięcie tego celu może być wykorzystanie Ślepej Separacji Sygnałów BSS (Blind Source Separation), której celem jest znalezienie i usunięcie z mierzonych sygnałów niepożądanych składowych, np. związanych z mrugnięciami oczu czy napinaniem mięśni twarzy. W prezentowanym artykule zostały umówione sposoby wykorzystania Ślepej Separacji Sygnałów w badaniach elektroencefalograficznych nad Wzrokowymi Potencjałami Wywołanymi Stanu Ustalonego. Przedstawiono także wyniki skuteczności rozpoznania intencji badanego w zależności od liczby usuniętych składowych, rodzaju algorytmu Ślepej Separacji Sygnału i sposobu klasyfikacji sygnału.

EN

Electroencephalography allows recording the electrical activity of the brain. This method is used for diagnosis purposes as well as in brain–computer interfaces. Focusing on the brain–computer interface, it can be used to let the direct communication between the brain and a computing unit. This device is particularly useful for paralyzed patients or people suffering from a lock–in syndrome. Of the phenomena used in such systems, steady state visually evoked potentials (SSVEP) are probably the most common ones. If a subject is asked to focus on the flashing stimulus, a signal of the same frequency may be measured from the subject’s visual cortex. Proper preprocessing steps has to be taken in order to obtain maximally accurate stimuli recognition (as the specific frequency). One way to achieve this might be by applying the Blind Source Separation algorithms (BSS). BSS are designed to find and remove artifacts from the measured signal, e.g. noises associated with eye blinks or facial muscles contraction. In the present article an utilization of the BSS algorithms in the SSVEP–based EEG study was described. Additionally we report the accuracy of the stimuli categorization as depending on the number of removed components, kind of the blind source separation procedure and the type of the classification algorithm.

4

EEG of game players - detecting involvement with and without ICA preprocessing

Górski P., Rejer I.

Przegląd Elektrotechniczny

|

2016

|

R. 92, nr 12

237--240

EN

The aim of this paper is to analyze the differences in the classification accuracy obtained with raw EEG data and with data preprocessed with Independent Components Analysis (ICA). Our main research question is whether ICA is able to improve the classification accuracy not only in the case of a multichannel recording but also when EEG data are recorded only from a few channels. In order to answer this question we performed an experiment with 6 game players and gathered EEG data during Dota 2 game session. We analyzed the EEG data separately for 19, 7, and 3 channels with and without ICA preprocessing. With all three number of channels and for each of the six players we obtained more precise classifiers, classifying the seconds of the game as involving or boring, after applying ICA (mean accuracy averaged over subjects: 19 channels - 0.87 (raw signals), 0.91 (after ICA); 7 channels - 0.8 (raw signals), 0.85 (after ICA); 3 channels - 0.75 (raw signals), 0.8 (after ICA)).

PL

Celem artykułu jest analiza różnic w dokładności klasyfikacji otrzymanej przy wykorzystaniu surowego sygnału EEG oraz sygnału poddanego preprocessingowi z wykorzystaniem analizy składowych niezależnych (ICA). Naszym głównym pytaniem badawczym jest to, czy ICA jest w stanie zwiększyć dokładność klasyfikacji nie tylko w przypadku wielokanałowego EEG, ale również wtedy, kiedy dane EEG są nagrywane tylko z kilku kanałów. W celu udzielenia odpowiedzi na to pytanie przeprowadziliśmy eksperyment z sześcioma graczami i zgromadziliśmy dane EEG podczas gry w grę Dota 2. Przeanalizowaliśmy dane oddzielnie dla 19, 7 i 3 kanałów z oraz bez zastosowania algorytmu ICA. Dla wszystkich trzech liczb kanałów i dla każdego z sześciu graczy otrzymaliśmy bardziej dokładne klasyfikatory, dokonujące klasyfikacji poszczególnych sekund gry jako angażujących i nudnych, po przeprowadzeniu preprocessingu z wykorzystaniem ICA (średnia dokładność dla wszystkich podmiotów: 19 kanałów - 0.87 (surowe sygnały), 0.91 (po ICA); 7 kanałów - 0.8 (surowe sygnały), 0.85 (po ICA); 3 kanały - 0.75 (surowe sygnały), 0.8 (po ICA)).

5

Evolium - nowa generacja zespołu stacji bazowych BSS systemu Alcatel 900/1800

Danecki J., Trzciński R.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

1998

|

nr 7

487-493

PL

Przedstawiono nową generację zespołu stacji bazowych systemu GSM/DCS oferowaną przez Alcatel pod nazwą Evolium BSS. Szczególną uwagę zwrócono na nowe funkcje oferowane w ramach Evolium BSS oraz na nową generację stacji bazowych.

EN

The article describes Evolium BSS a new generation of the Base Station Subsystem for GSM/DCS system provided by Alcatel. In particular, the new functionalities and the new family of Base Transreceiver Stations BTS are presented.