Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: interfejsy mózg-komputer

Sortuj według:

Ogranicz wyniki do:

Połączenie mózg-komputer jako metoda komunikacji z niereagującymi pacjentami - przegląd literatury

Kucharski P., Rybicki A., Kopaczyńska M.

Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna

2015

Vol. 21, nr 3

148--157

Artykuł dotyczy nowatorskiej i szybko rozwijającej się techniki, jaką są interfejsy mózg komputer (ang. Brain-Computer Interfaces, BCI). BCI umożliwiają zmianę sygnału bioelektrycznego mózgu na sygnał cyfrowy, który wysyłany jest do różnego rodzaju urządzeń, pozwalających sterować aplikacjami komputerowymi oraz sprzętem elektronicznym bez udziału mięśni. W pewnym sensie urządzenia te „odgadują” intencje użytkownika, a tym samym zwalniają go z konieczności wyrażania swych zamierzeń za pomocą gestów i ruchów. W pracy opisano zastosowania BCI w komunikacji z pacjentami znajdującymi się w stanie neurologicznymi, uniemożliwiającym kontaktowanie się ze światem zewnętrznym. Opisano inwazyjne i nieinwazyjne techniki obrazowania mózgu, takie jak: funkcjonalny rezonans magnetyczny (ang. Functional Magnetic Resonance Imaging, fMRI), funkcjonalna spektroskopia bliskiej podczerwieni (ang. Functional Near-Infrared Spectroscopy, fNIRS), elektroencefalografia (ang. Electroencephalography, EEG), elektro-kortykografia (ang. Electrocorticography, ECoG) i inne, które są stosowane obecnie w BCI. Pokazano wady i zalety opisywanych technik obrazowania medycznego. Przedstawiono także propozycje rozwiązań zwiększających efektywność wymienionych metod obrazowania w systemach BCI. Opisano przyszłe kierunki rozwoju systemów BCI. Mimo wielu zalet, interfejsów mózg-komputer, trzeba również brać pod uwagę aspekty bioetyczne.

This paper describes an innovative technology known as Brain-Computer Interfaces (BCI). This method uses converts brain bioelectrical signals into digital forms these signals are used to interact with computer applications or devices like e.g. wheelchairs. Systems used for communication with patients whose neurological condition does not allow communication with the outside world, are described. Published results of studies, experiments and reports dealing with brain imaging techniques: either invasive such as Electrocorticography (ECoG) or noninvasive like Functional Magnetic Resonance (fMRI), Functional Near-Infrared Spectroscopy (fNIRS), Electroencephalography (EEG), are discussed. Advantages and disadvantages of described imaging techniques are presented along with solutions for better imaging. The future trends in the development of BCI are pointed out. The controversial aspects of BCI in respect to bioethical issues are discussed as well.

Applying algorithms for inverse solutions in classifying EEG signals

Jagodzińska U.

Elektronika : konstrukcje, technologie, zastosowania

2013

Vol. 54, nr 9

144-147

The article presents selected algorithms in inverse solutions in the EEG signal. When undertaking the calculations, it was assumed that the data obtained from electrodes on the surface of the head were preprocessed. As a result of using these algorithms it is possible to specify both the areas of the brain that the signals come from and the current density of the signals read by means of electrodes placed on the surface of the head. On the basis of knowing the solution to the inverse problem, an attempt was made to select the features of the signals. Then t-statistics was used to differentiate and order them.

W artykule przedstawiono wybrane algorytmy rozwiązywania zagadnień odwrotnych w sygnale EEG. Przystępując do obliczeń założono, że dane uzyskane z elektrod rozmieszczonych na powierzchni głowy zostały wstępnie przetworzone. Wynikiem działania tych algorytmów jest lokalizacja obszarów mózgu, z których pochodzą sygnały oraz natężenia tych sygnałów odczytywanych za pomocą elektrod rozmieszczonych na powierzchni głowy. Znając rozwiązania zagadnienia odwrotnego podjęto też próbę selekcji cech. Wykorzystano t-statystykę do ich zróżnicowania i uszeregowania.