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 "EEG signal" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 16
Tytuł:
Concept of expert system interpreting correctness of measurement and method of the EEG signal analysis for needs of the brain-computer interface
Autorzy:
Paszkiel, S.
Powiązania:
https://bibliotekanauki.pl/articles/378126.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
EEG signal
expert system
data analysis
Opis:
The concept of construction of the expert system interpreting correctness of measurement and the method of the EEG signal analysis for needs of the brain-computer interface (BCI) are described in the article. The general orientations related with the methodology of creating the expert systems based on the knowledge base (KB) are characterised. Also, the brain-computer interface technology was described, which has been recently gaining more and more popularity within the scope of its application in control processes.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 209-216
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An egg mobile device as a game controller
Autorzy:
Dawid, Aleksander
Buchwald, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/1987060.pdf
Data publikacji:
2021-12-30
Wydawca:
Politechnika Gdańska
Tematy:
EEG
EEG signal disturbance
signal processing
amplitude driven control
game controller
Opis:
In this work the real-time control of computer games was explored by a single electrode mobile electroencephalography (EEG) device with a Bluetooth interface. The amplitude variation in the two frequency bands of 4-12 Hz and 60-200 Hz was selected as the real-time control parameter. The frequency-domain of a raw EEG signal was calculated using the discrete Fourier transform. The time-dependent signal samples equal to 512, 1024, and 2048 time points in size were used in our research. The well-known classic Pong game was used to try out our controller. The developed software handles communication with the device and real-time game rendering. The .NET Framework with the C# programming language was used as a develop-ment tool. 50 game play trials were made for each controller setup. The obtained results are promising for the possible use of the device in real-time communication with computer devices for people with hand disabilities.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2021, 25, 4; 397-407
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Synchronous SSVEP Data Acquisition System
Autorzy:
Kotyra, S.
Wójcik, G. M.
Smolira, M.
Powiązania:
https://bibliotekanauki.pl/articles/106291.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:
Steady State Visually Evoked Potentials (SSVEP)
DSM51
EEG signal
Opis:
Steady State Visually Evoked Potentials have been known for several decades and they appear in the primary visual cortex of brain as a result of light stimulation of the sense of sight. In this article a simple method for electroencephalographic data acquisition is presented. The system is based on the DSM-51 unit connected to goggles with blinking diodes and Mindset-1000 EEG amplifier with 16 channels. We present self-developed hardware and method of effective synchronization for the light stimulation and brain activity recording.
Źródło:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2014, 14, 3; 15-19
1732-1360
2083-3628
Pojawia się w:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Feature selection for EEG-based discrimination between imagination of left and right hand movements
Autorzy:
Binias, B.
Palus, H.
Powiązania:
https://bibliotekanauki.pl/articles/114144.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
EEG signal
brain-computer interfaces
feature extraction
classification
lateralized brain activity
Opis:
: In this article was analyzed an influence of selected features on the accuracy of discrimination between imagination of right and left hand movements based on recorded EEG waveforms. The study showed a significant advantage that individual selection of features and a classification algorithm for analyzed data holds over the more general approach. The results were compared with the results obtained by the participants of the "BCI competition IV" and placed in the top three.
Źródło:
Measurement Automation Monitoring; 2015, 61, 4; 94-97
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of EEG signal by methods of machine learning
Autorzy:
Alyamani, Amina
Yasniy, Oleh
Powiązania:
https://bibliotekanauki.pl/articles/1837774.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
machine learning
EEG signal
classification
data balancing
feature extraction
uczenie maszynowe
sygnał EEG
klasyfikacja
równoważenie danych
ekstrakcja cech
Opis:
Electroencephalogram (EEG) signal of two healthy subjects that was available from literature, was studied using the methods of machine learning, namely, decision trees (DT), multilayer perceptron (MLP), K-nearest neighbours (kNN), and support vector machines (SVM). Since the data were imbalanced, the appropriate balancing was performed by Kmeans clustering algorithm. The original and balanced data were classified by means of the mentioned above 4 methods. It was found, that SVM showed the best result for the both datasets in terms of accuracy. MLP and kNN produce the comparable results which are almost the same. DT accuracies are the lowest for the given dataset, with 83.82% for the original data and 61.48% for the balanced data.
Źródło:
Applied Computer Science; 2020, 16, 4; 56-63
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Informatics system for concentration state analysis on the basis of a device operating in the brain – computer interface technology
System informatyczny do analizy stanów skupienia na bazie urządzenia działającego w technologii interfejsów mózg – komputer
Autorzy:
Paszkiel, Sz.
Powiązania:
https://bibliotekanauki.pl/articles/407646.pdf
Data publikacji:
2016
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
concentration state analysis
brain-computer interface technology
EEG signal
Android
analiza stanów skupienia
technologia interfejsów mózg-komputer
sygnał EEG
Opis:
The informatics system designed for the needs of the workgroup working at the Faculty of Automatic Control and Computer Sciences of Opole University of Technology consisting of two applications, of which one is currently the most popular operating system in smart phones was described in the article. The objective of operation of the mobile application is connection of functionality of a device for electroencephalographic measurements with a daily used mobile phone. Thanks to applied connection in the form of an application it is possible to verify the concentration state of the particular person during execution of the particular action with the special consideration to the tasks, which require high concentration. Thanks to the elaborated mobile application we are able to determine the most effective daytime for learning and to draw the characteristics of the concentration loss time. The second application in the system is used as the synchronization server.
W artykule opisany został zaprojektowany na potrzeby grupy roboczej pracującej w ramach Instytutu Automatyki i Informatyki Politechniki Opolskiej system informatycznym składający się z dwóch aplikacji, z których jedna działa pod najpopularniejszym obecnie systemem operacyjnym na smartfonach. Celem pracy aplikacji mobilnej jest połączenie funkcjonalności urządzenia do pomiarów elektroencefalograficznych z używanym na co dzień urządzeniem telefonii mobilnej. Dzięki zastosowanemu połączeniu w postaci aplikacji, możliwa jest weryfikacja stanu skupienia danej osoby podczas wykonywania konkretnej czynności ze szczególnym uwzględnieniem tych zadań, które wymagają wysokiego skupienia. Dzięki opracowanej aplikacji mobilnej jesteśmy w stanie określić najbardziej efektywne pory dnia na naukę oraz wykreślić charakterystykę czasu utraty skupienia. Druga z aplikacji w systemie służy jako serwer synchronizacji.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2016, 2; 24-27
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of information on sleep apnoea contained in two symmetric EEG recordings
Autorzy:
Prucnal, Monika A.
Polak, Adam G.
Powiązania:
https://bibliotekanauki.pl/articles/220736.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sleep apnoea detection
EEG signal
discrete wavelet transforms
Hilbert transforms
analysis of variance
multivariate regression analysis
Opis:
Electroencephalogram (EEG) is one of biomedical signals measured during all-night polysomnography to diagnose sleep disorders, including sleep apnoea. Usually two central EEG channels (C3-A2 and C4-A1) are recorded, but typically only one of them are used. The purpose of this work was to compare discriminative features characterizing normal breathing, as well as obstructive and central sleep apneas derived from these central EEG channels. The same methodology of feature extraction and selection was applied separately for the both synchronous signals. The features were extracted by combined discrete wavelet and Hilbert transforms. Afterwards, the statistical indexes were calculated and the features were selected using the analysis of variance and multivariate regression. According to the obtained results, there is a partial difference in information contained in the EEG signals carried by C3-A2 and C4-A1 EEG channels, so data from the both channels should be preferably used together for automatic sleep apnoea detection and differentiation.
Źródło:
Metrology and Measurement Systems; 2019, 26, 2; 229-239
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Effect of Feature Extraction on Automatic Sleep Stage Classification by Artificial Neural Network
Autorzy:
Prucnal, M.
Polak, A. G.
Powiązania:
https://bibliotekanauki.pl/articles/220360.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sleep stage classification
EEG signal
power spectral density
discrete wavelet transform
empirical mode decomposition
artificial neural network
Opis:
EEG signal-based sleep stage classification facilitates an initial diagnosis of sleep disorders. The aim of this study was to compare the efficiency of three methods for feature extraction: power spectral density (PSD), discrete wavelet transform (DWT) and empirical mode decomposition (EMD) in the automatic classification of sleep stages by an artificial neural network (ANN). 13650 30-second EEG epochs from the PhysioNet database, representing five sleep stages (W, N1-N3 and REM), were transformed into feature vectors using the aforementioned methods and principal component analysis (PCA). Three feed-forward ANNs with the same optimal structure (12 input neurons, 23 + 22 neurons in two hidden layers and 5 output neurons) were trained using three sets of features, obtained with one of the compared methods each. Calculating PSD from EEG epochs in frequency sub-bands corresponding to the brain waves (81.1% accuracy for the testing set, comparing with 74.2% for DWT and 57.6% for EMD) appeared to be the most effective feature extraction method in the analysed problem.
Źródło:
Metrology and Measurement Systems; 2017, 24, 2; 229-240
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie pomiarów elektroencefalograficznych EEG w procesie uwierzytelniania biometrycznego użytkowników
Application of electroencephalographic (EEG) measurements in biometrics-based users authenticating system process
Autorzy:
Paszkiel, S.
Kawala, A.
Zmarzły, D.
Szmechta, M.
Powiązania:
https://bibliotekanauki.pl/articles/158388.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
uwierzytelniania
EEG
elektroencefalografia
analiza sygnałów
authenticating
electroencephalography
signal analysis
Opis:
W niniejszym artykule opisano podstawy projektowanego systemu uwierzytelniania w oparciu o biometrię, który w przyszłości ma na celu rozbudowanie opisanej koncepcji w zastosowaniach praktycznych. EEG jako zapis neurofizjologicznej aktywności elektrycznej mózgu może znaleźć zastosowanie w szeroko pojętej biometryce. Pomimo, iż sygnał EEG jest zmienny w czasie i zależny od psychicznego i fizycznego stanu osoby badanej, możliwa jest identyfikacja osób na podstawie pomiarów sygnału EEG. Biometryczne badania na podstawie sygnałów EEG są utrudnione zarówno przez brak bezpośredniego kontaktu z mózgiem człowieka, w wyniku czego sygnał posiada bardzo niski potencjał, jak i poprzez pojawiające się w badanym sygnale artefakty, których ekstrema pokrywają się ze spektrum samej czynności mózgu, utrudniajśc ich usunięcie. EEG znajdowało do tej pory zastosowanie głównie w diagnostyce chorób, co polegało na identyfikacji pewnych wspólnych cech u osób badanych o tych samych przypadłościach. Możliwe jest, więc zastosowanie z powodzeniem sygnału EEG w celu identyfikacji osób, niezależnie od ich stanu. Prowadzone badania naukowe przy użyciu EEG mają na celu udowodnić, że elektroencefalogram może służyć do identyfikacji użytkowników w sieci. Sygnał EEG po aktywizacji podlega technikom wstępnej obróbki, z której wyliczone zostaną cechy modelu auto regresyjnego (ang. auto regressive). Uzyskane w wyniku obliczeń cechy, zostaną przekazane do klasyfikatora, który rozróżni na tej podstawie daną osobę od pozostałych.
The article describes the processing foundations of the designed biometrics-based users authenticating system, the said system to be extended and employed in practice in the future. EEG as a recording of neurophysiologic electric activity of the brain may be used in broadly understood biometrics. Despite the fact that the EEG signal varies in time and is dependent on the physical and mental condition of the testee, individuals may be identified based on measurements of the EEG signals. Biometric investigations based on the EEG signals are hindered by lack of direct contact with the human brain, resulting in the signal having a very low potential, as well as by artifacts that appear in the investigated signal itself, with their peaks overlapping the spectrum of cerebral activity, rendering their eradication difficult. To date, EEG has been employed chiefly for diagnostic purposes as a tool for identifying common features in individuals suffering from the same diseases. Thus, it is possible to employ EEG in identification of individuals irrespectively of their condition. Research carried out employing EEG aim at proving that an electroencephalogram may serve to identify users of a network. Following activation, the EEG signal undergoes preliminary processing, which allows for calculating the properties of an auto regressive model. The thus calculated properties are relayed to a classifying device, which will differentiate a given individual from any other persons.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 433-436
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Low-cost evoked potentials detection for brain computer-interfaces
Autorzy:
Jukiewicz, M.
Cysewska-Sobusiak, A.
Powiązania:
https://bibliotekanauki.pl/articles/97604.pdf
Data publikacji:
2015
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
brain-computer interface
detection of evoked potentials
EEG
signal processing
MATLAB
Opis:
Evoked potentials are one of the brain's electrical activity types. They appear on the human scalp as a result of a registration of an external stimulus (e.g. an appearance or a change of a sound, a flash of light or an image). Generally, they are used in medical diagnosis, but they also may be used in brain-computer interfaces. In this chapter a laboratory set for the acquisition and analysis of evoked potentials is described. The main part of this set is a photostimulator consisting of sixteen LEDs and the ATmega 328 microcontroller. The software created by the authors allows for: connection between EEG device, stimulator and computer, input stimulus control, output signal filtering and its classification. The presented set may support a process of brain-computer interface design.
Źródło:
Computer Applications in Electrical Engineering; 2015, 13; 102-110
1508-4248
Pojawia się w:
Computer Applications in Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
EEG signal analysis for monitoring concentration of operators
Autorzy:
Rykała, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/27314223.pdf
Data publikacji:
2023
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
electroencephalography
EEG
signal processing
Fourier analysis
LabVIEW
biofeedback
operator concentration
UGV
Opis:
Often, operators of machines, including unmanned ground vehicles (UGVs) or working machines, are forced to work in unfavorable conditions, such as high tem‐ peratures, continuously for a long period of time. This has a huge impact on their concentration, which usu‐ ally determines the success of many tasks entrusted to them. Electroencephalography (EEG) allows the study of the electrical activity of the brain. It allows the determination, for example, of whether the operator is able to focus on the realization of his tasks. The main goal of this article was to develop an algorithm for determining the state of brain activity by analyzing the EEG signal. For this purpose, methods of EEG sig‐ nal acquisition and processing were described, including EEG equipment and types and location of electrodes. Particular attention was paid to EEG signal acquisition, EEG signal artifacts, and disturbances, and elements of the adult’s correct EEG recording were described in detail. In order to develop the algorithm mentioned, basic types of brain waves were discussed, and exem‐ plary states of brain activity were recorded. The influ‐ ence of technical aspects on the recording of EEG sig‐ nals was also emphasized. Additionally, a block diagram was created which is the basis for the operation of the said algorithm. The LabVIEW environment was used to implement the created algorithm. The results of the research showing the operation of the developed EEG signal analyzer were also presented. Based on the results of the study, the EEG analyzer was able to accurately determine the condition of the examined person and could be used to study the concentration of machine operators.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2023, 17, 1; 30--39
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Usuwanie artefaktów z danych EEG przy użyciu analizy składowych niezależnych
Removal of artifacts from EEG data by means of Independent Component Analysis
Autorzy:
Górecka, J.
Kaszyński, R.
Powiązania:
https://bibliotekanauki.pl/articles/158376.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
ślepa separacja sygnałów
analiza składowych niezależnych (ICA)
sygnały EEG
artefakt
blind signal separation
independent component analysis
EEG data
artifacts
Opis:
Celem przedstawionych wyników badań jest eliminacja wybranych niepożądanych sygnałów przy użyciu analizy składowych niezależnych. W artykule przedstawiono następujące algorytmy BSS (z ang. Blind Signal Separation): HJ oraz Infomax jako narzędzia do separacji i usuwania wybranej grupy artefaktów (mruganie powiek, artefakty mięśniowe) z przebiegów EEG. Jak udowodniono w eksperymentach proponowane algorytmy adaptacyjne mogą efektywnie wykrywać i usuwać wybrane artefakty z przebiegów EEG.
The aim of the performed investigations is to remove selected undesired signals by means of ICA approach. In the paper there are presented the following algorithms BSS (Blind Signal Separation): HJ and Infomax for separation and removal of selected group of artifacts (eye blinks, muscle activity) from EEG recordings. It has been proved in the experiments which are described in the paper that the proposed adaptive algorithms can effectively detect and remove these selected artifacts from EEG recordings.
Źródło:
Pomiary Automatyka Kontrola; 2008, R. 54, nr 12, 12; 827-830
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Single-channel EEG processing for sleep apnea detection and differentiation
Autorzy:
Prucnal, Monika A.
Polak, Adam G.
Powiązania:
https://bibliotekanauki.pl/articles/27311744.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
single-channel EEG
sleep apnea detection
optimization of signal processing
medical decision support
Opis:
Sleep apnea syndrome is a common sleep disorder. Detection of apnea and differentiation of its type: obstructive (OSA), central (CSA) or mixed is important in the context of treatment methods, however, it typically requires a great deal of technical and human resources. The aim of this research was to propose a quasi-optimal procedure for processing single-channel electroencephalograms (EEG) from overnight recordings, maximizing the accuracy of automatic apnea or hypopnea detection, as well as distinguishing between the OSA and CSA types. The proposed methodology consisted in processing the EEG signals divided into epochs, with the selection of the best methods at the stages of preprocessing, extraction and selection of features, and classification. Normal breathing was unmistakably distinguished from apnea by the k-nearest neighbors (kNN) and an artificial neural network (ANN), and with 99.98% accuracy by the support vector machine (SVM). The average accuracy of multinomial classification was: 82.29%, 83.26%, and 82.25% for the kNN, SVM and ANN, respectively. The sensitivity and precision of OSA and CSA detection ranged from 55 to 66%, and the misclassification cases concerned only the apnea type.
Źródło:
Metrology and Measurement Systems; 2023, 30, 2; 323--336
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Amplitude-time characteristics of women’s brain activity associated with the motor response in the stop-signal task paradigm
Charakterystyka amplitudowo-czasowa aktywności mózgu kobiet związanej z reakcją motoryczną w paradygmacie zadania stop-signal
Autorzy:
Morenko, Alevtyna
Korzhyk, Olha
Morenko, Olena
Powiązania:
https://bibliotekanauki.pl/articles/2056609.pdf
Data publikacji:
2022
Wydawca:
Akademia Bialska Nauk Stosowanych im. Jana Pawła II w Białej Podlaskiej
Tematy:
Stop-Signal task
manual movements
brain activity
event-related potentials
EEG
zadanie Stop-Signal
ruchy manualne
aktywność mózgu
potencjały wywołane
Opis:
Background. The amplitude-temporal characteristics of the event-related potentials of the cortex associated with the motor response were studied in women using the Stop-Signal task paradigm. Material and methods. The research involved 48 healthy, right-handed female volunteers between the ages of 18 and 23 years. Event-related potentials in the frontal, central, and parietal cortices were analyzed. The latency periods of the N2 and P3 components as well as the amplitudes of the N2 and P3 waves were determined. Results. The performance of the motor task in the Stop-Signal task paradigm was accompanied by a predominance of the N2 latency component in the parietal cortex areas, primarily in the right hemisphere, and the P3 component amplitude in the frontal area of the left hemisphere. A bilateral cortex response was revealed in the P3 latency component and the inter-peak amplitude of the P2N2 event-related potential interval. The local potential shift in the N2P3 peak interval was recorded in the right central and parietal areas, with a higher amplitude in the left hemisphere. Conclusions. The established characteristics of induced brain activity in women may support the idea of the multistage inhibitory process, which can require additional reassessment and categorization of the stimulus at the time of transition from the stage of an action’s “suspension” to its complete “cancellation.”
Wprowadzenie. Stosując paradygmat zadania stop-signal, zbadano charakterystykę amplitudowo-czasową potencjałów wywołanych kory mózgowej związanych z odpowiedzią ruchową u kobiet. Materiał i metody. W badaniu uczestniczyło 48 zdrowych, praworęcznych ochotniczek w wieku od 18 do 23 lat. Analizie poddano poznawcze potencjały wywołane w korze czołowej, środkowej i ciemieniowej. Określano okresy latencji składowych N2 i P3 oraz amplitudy fal N2 i P3. Wyniki. Wykonaniu zadania motorycznego w paradygmacie zadania stop-signal towarzyszyła przewaga składowej latencji N2 w obszarach kory ciemieniowej, głównie w prawej półkuli oraz amplitudy składowej P3 w obszarze czołowym lewej półkuli. Obustronna odpowiedź kory mózgowej ujawniła się w komponencie latencji P3 i amplitudzie międzyszczytowej interwału potencjału wywołanego P2N2. Lokalne przesunięcie potencjału w odstępie między szczytami N2P3 odnotowano w prawej okolicy środkowej i ciemieniowej, z większą amplitudą w lewej półkuli. Wnioski. Ustalone cechy indukowanej aktywności mózgu u kobiet mogą potwierdzać ideę wieloetapowego procesu hamowania, który może wymagać dodatkowej ponownej oceny i kategoryzacji bodźca w momencie przejścia od etapu „zawieszenia” działania do jego całkowitego „anulowania”.
Źródło:
Health Problems of Civilization; 2022, 16, 2; 181-189
2353-6942
2354-0265
Pojawia się w:
Health Problems of Civilization
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using BCI and EEG to process and analyze driver’s brain activity signals during VR simulation
Autorzy:
Nader, Mirosław
Jacyna-Gołda, Ilona
Nader, Stanisław
Nehring, Karol
Powiązania:
https://bibliotekanauki.pl/articles/2067410.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
signal processing
EEG
BCI
emotion recognition
driver
virtual reality
przetwarzanie sygnałów
rozpoznawanie emocji
kierowca
symulacja wirtualna
Opis:
The use of popular brain–computer interfaces (BCI) to analyze signals and the behavior of brain activity is a very current problem that is often undertaken in various aspects by many researchers. This comparison turns out to be particularly useful when studying the flows of information and signals in the human-machine-environment system, especially in the field of transportation sciences. This article presents the results of a pilot study of driver behavior with the use of a pro-prietary simulator based on Virtual Reality technology. The study uses the technology of studying signals emitted by the human mind and its specific zones in response to given environmental factors. A solution based on virtual reality with the limitation of external stimuli emitted by the real world was proposed, and computational analysis of the obtained data was performed. The research focused on traffic situations and how they affect the subject. The test was attended by representatives of various age groups, both with and without a driving license. This study presents an original functional model of a research stand in VR technology that we designed and built. Testing in VR conditions allows to limit the influence of undesirable external stimuli that may distort the results of readings. At the same time, it increases the range of road events that can be simulated without generating any risk for the participant. In the presented studies, the BCI was used to assess the driver's behavior, which allows for the activity of selected brain waves of the examined person to be registered. Electro-encephalogram (EEG) was used to study the activity of brain and its response to stimuli coming from the Virtual Reality created environment. Electrical activity detection is possible thanks to the use of electrodes placed on the skin in selected areas of the skull. The structure of the proprietary test-stand for signal and information flow simulation tests, which allows for the selection of measured signals and the method of parameter recording, is presented. An important part of this study is the presentation of the results of pilot studies obtained in the course of real research on the behavior of a car driver.
Źródło:
Archives of Transport; 2021, 60, 4; 137--153
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 16

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