- 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