Wyniki wyszukiwania - BazTech

1

Wizualizacja rozkładu potencjałów EEG w zastosowaniu do asynchronicznego interfejsu mózg-komputer

Majkowski A., Kołodziej M., Rak R.J.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 11a

101-103

PL

Zadaniem interfejsu mózg-komputer (Brain-Computer Interface: BCI) jest umożliwienie osobom sparaliżowanym komunikacji z otoczeniem. W tym zakresie, systemy BCI umożliwiają przetworzenie "myśli" na proces sterowania urządzeniami zewnętrznymi takimi jak protezy czy wózki inwalidzkie. Opisane w artykule badania mają na celu wskazanie najlepszych miejsc do naklejenia elektrod systemu elektroencefalograficznego (EEG) na głowie pacjenta na potrzeby asynchronicznego interfejsu mózg-komputer.

EN

The main purpose of a brain-computer interface (BCI) is to allow paralyzed people to communicate with the environment. Currently, the proposed BCI systems of this type are able to process "thoughts" in order to control external devices such as prostheses or wheelchairs. The article presents results of our research how to identify the best places for EEG electrodes on the patient's head for asynchronous brain-computer interface.

2

Implementation of genetic algorithms to feature selection for the use of brain-computer interface

Kołodziej M., Majkowski A., Rak R.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 5

71-73

EN

The main goal of the article is to apply genetic algorithms to feature selection for the use of brain-computer interface (BCI). FFT coefficients of EEG signal were used as features. The best features for a BCI system depends on the person who uses the system as well as on the mental state of the person. Therefore, it is very important to apply efficient methods of feature selection. The genetic algorithm proposed by authors enables to choose the most representative features and electrodes.

PL

W artykule przedstawiono zastosowanie algorytmów genetycznych do selekcji cech na użytek interfejsów mózg-komputer (BCI). Najlepszy zestaw cech dla tego typu interfejsów jest zależny od osoby, która używa interfejsu, jak również od jej stanu psychicznego. Z tego powodu konieczne jest zastosowanie bardzo efektywnych metod selekcji cech. Jako cechy wykorzystane zostały współczynniki FFT sygnału EEG. Zaproponowany przez autorów algorytm genetyczny umożliwia wyznaczenie najbardziej reprezentatywnego zbioru cech, jak również elektrod, z których pobierany jest sygnał EEG.

3

Control of cursor movement based on EEG motor cortex rhythm using autoregressive spectral analysis

Broniec A.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2011

|

T. 15, z. 3

321-329

EN

Electroencephalography (EEG) is a study of the electrical activity of neurons from the cerebral cortex which can be used to direct communication between man and computer. Systems using the signal generated by the brain are called brain computer/machine interfaces (BCI/BMI). The main application of BCI interfaces is the communicate for patients who suffer from severe diseases, which limited or precluded any movement. In the present paper the BCI interface based on EEG motor cortex signals is presented. The differences in power spectrum in beta rhythm for left and right hand movement imaginations is used to control cursor movement in two directions. The preliminary research shows that the proposed algorithm interpret correctly the intended cursor movement at about 70 percent.

PL

Elektroencefalografia (EEG) to metoda badania elektrycznej aktywności neuronów kory mózgowej, która może być wykorzystana do bezpośredniej komunikacji pomiędzy człowiekiem a komputerem. Systemy wykorzystujące sygnał generowany przez mózg nazywa się interfejsami mózg-komputer/-maszyna (BCI/BMI). Głównym zastosowaniem interfejsów BCI jest umożliwienie komunikacji ze światem zewnętrznym pacjentom w ciężkich stadiach chorób, które poważnie ograniczają lub uniemożliwiają jakiekolwiek ruch. W niniejszym artykule opisano interfejs BCI oparty na różnicach w widmie mocy występujących po wyobrażeniu ruchu prawą i lewą ręką w paśmie beta. Wstępne badania nad interfejsem pokazują, że proponowany algorytm jest w stanie skutecznie interpretować ruch kursora w dwóch kierunkach w około 70 procentach.