Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "mózg" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Stanowisko laboratoryjne do pomiaru i analizy potencjałów wywołanych
    Laboratory stand for acquisition and analysis of evoked potentials
    Autorzy:
    Jukiewicz, M.
    Cysewska-Sobusiak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/376058.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    interfejs mózg-komputer
    potencjały wywołane
    stanowisko laboratoryjne
    MATLAB
    Opis:
    Elektryczna aktywność mózgu to między innymi potencjały wywołane, które są mierzalne na powierzchni głowy w wyniku zarejestrowania przez człowieka zewnętrznego bodźca (np. obrazu, dźwięku). Są one wykorzystywane zwykle w diagnostyce medycznej, ale trwają także intensywne prace nad wykorzystaniem ich w tak zwanych interfejsach mózg-komputer. W artykule opisano stanowisko laboratoryjne do pomiaru i analizy potencjałów wywołanych, utworzone na bazie oprogramowania MATLAB. Do akwizycji sygnału z powierzchni czaszki wykorzystano elektroencefalograf (EEG). Ponadto stanowisko jest wyposażone w fotostymulator, zbudowany z szesnastu diod LED i mikrokontrolera ATmega 328. Przygotowane oprogramowanie pozwala na: ustanowienie połączenia pomiędzy EEG, fotostymulatorem oraz komputerem, sterowanie bodźcami (w zależności od oczekiwanego potencjału wywołanego), filtrację zebranego sygnału i jego klasyfikację za pomocą algorytmów statystycznego uczenia maszynowego. Stanowisko wspomaga projektowanie prostych interfejsów-mózg komputer.
    One type of brain's electrical activity are evoked potentials. They appear on the scalp as a result of a registration of an external stimulus (e.g. an appearance or a change of a sound, a flashing light or an image). Generally they are used in medical diagnosis, but they are also used in brain computer-interfaces. In this article laboratory stand for acquisition and analysis of evoked potentials is described. One of the main part of this stand is a stimulator (consisting of sixteen LEDs and a microcontroller ATmega 328). The software created by the authors allows: connection between EEG device, stimulator and computer, stimulus control, signal filtering and its classification. The presented laboratory stand may support brain-computer interface design process.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2015, 82; 261-266
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja sterowania małym pojazdem za pomocą interfejsu mózg-komputer
    Concept of small vehicle control by brain-computer interface
    Autorzy:
    Jukiewicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/376881.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    interfejs mózg-komputer
    BCI
    interfejs asynchroniczny
    sterowanie małym pojazdem
    Opis:
    Interfejs mózg-komputer to system pozwalający na bezpośrednią komunikację pomiędzy mózgiem a urządzeniem zewnętrznym. Każda aktywność mózgu przejawia się w postaci pojawiającego się w nim potencjału elektrycznego. Jego pomiar możliwy jest za pomocą elektroencefalografu wyposażonego w elektrody zamontowane na powierzchni czaszki. Jest to rozwiązanie najczęściej obecnie stosowane w interfejsach mózg-komputer. Poza prezentacją aktualnego stanu wiedzy, celem niniejszej pracy jest prezentacja prostego interfejsu mózg-komputer. W tym rozwiązaniu sygnał z powierzchni czaszki jest mierzony za pomocą jednoelektrodowego urządzenia MindWave firmy NeuroSky, a następnie bezprzewodowo przekazywany do układu Arduino. Układ Arduino, na podstawie otrzymanego sygnału, steruje jeżdżącą platformą. U użytkownika skupiającego uwagę (np. na wspomnianej platformie) w sygnale pomierzonym z powierzchni czaszki, pojawiają się tzw. fale beta. Na podstawie wartości ich amplitudy (czyli przekroczenia określonego progu), układ Arduino decyduje o ewentualnym ruchu platformy.
    The brain-computer interface makes possible to do the direct connection between brain and an external device. Every brain activity causes a rise in electrical potential. Measurement of that potential is possible by electrodes mounted on the surface of the skull. This method is the most popular and is called electroencephalography. This article presents brain-computer interface technology overview and its simple implementation. In this implementation, signal is measured by one-electrode device MindWave from NeuroSky, and then it is wirelessly transmitted to Arduino board. Microcontroller controls the mobile platform based on the received signal. When the user is focusing his attention, for example, on a mobile platform, it is possible to measure the beta waves from the surface of the skull. If the threshold value is exceeded, Arduino moves of the mobile platform.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2013, 75; 223-229
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Usuwanie artefaktów z sygnałów sterujących interfejsem mózg-komputer
    Artifact Removal from Brain–Computer Interface Signals
    Autorzy:
    Jukiewicz, M.
    Buchwald, M.
    Cysewska-Sobusiak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/377614.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    interfejs mózg-komputer
    potencjały wywołane
    SSVEP
    BSS
    FastICA
    AMUSE
    Infomax
    MATLAB
    Python
    Opis:
    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.
    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.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2017, 89; 195-204
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie maszyny wektorów nośnych oraz liniowej analizy dyskryminacyjnej jako klasyfikatorów cech w interfejsach mózg-komputer
    Using support vector machine and linear discriminant analysis for features classification in brain-computer interfaces
    Autorzy:
    Jukiewicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/376916.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    interfejs mózg-komputer
    Maszyna Wektorów Nośnych
    Liniowa Analiza Dyskryminacyjna
    brain-computer interface
    support vector machine (SVM)
    linear discriminant analysis
    Opis:
    Głównym celem artykułu jest porównanie skuteczności klasyfikacji cech dwóch algorytmów klasyfikujących wykorzystywanych w interfejsach mózg-komputer: SVM (ang. Support Vector Machine, Maszyna Wektorów Nośnych) oraz LDA (ang. Linear Discriminant Analysis, Liniowa Analiza Dyskryminacyjna). W artykule przedstawiono interfejs, w którym użytkownikowi prezentowane są dwa bodźce migające z różną częstotliwością (10 i 15 Hz), a następnie za pomocą elektrod elektroencefalografu mierzona jest odpowiedź elektryczna mózgu. W takich interfejsach sygnał zbierany jest zwykle w okolicach potylicznych (nad korą wzrokową). W prezentowanym rozwiązaniu sygnał mierzony jest z okolic czołowych. W przetwarzaniu i analizie sygnału zastosowano algorytmy statystycznego uczenia maszynowego. Do ekstrakcji cech sygnału wykorzystano Szybką Transformatę Fouriera, do selekcji cech: test t-Welcha, a do klasyfikacji cech: SVM oraz DLA. Na podstawie odpowiedzi uzyskanej z klasyfikatora możliwe jest np. wysterowanie kierunku skrętu robota mobilnego lub włączenie czy wyłączenie oświetlenia.
    The main aim of this article is to compare the effectiveness of the classification of the two classifiers used in brain-computer interfaces: SVM (Support Vector Machine) and LDA (Linear Discriminant Analysis). The article presents an interface in which the subject is presented the two stimuli flashing at different frequencies (10 and 15 Hz) and then by using EEG electrodes electrical response of the brain is measured. In these interfaces, the signal is typically collected in the occipital area (on the visual cortex). In the presented solution the signal is measured form the prefrontal cortex. For signal processing and analysis statistical machine learning algorithms were used. For features’ extraction Fast Fourier Transform was used. For features’ selection Welch’s t test was used. For features’ classification was used SVM and DLA. Based on the responses obtained from the classifier it is possible to control the direction of a mobile robot’s movement or turning the lights on and off.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 79; 25-30
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies