Jak już co niektórzy wiedzą w swojej pracy zajmuje sie interfejsami mózg-komputer. To dośc ciekawy i obszerny temat. Istnieje wiele metod komunikacji człowieka z maszyną najpopularniejsze sa oczywiście mysz i klawiatura. Jednak istnieje cała gamma takich metod . Znany wszytkim jest Steaven Hawking, który choruje na stwardnienie rozsiane zanikowe boczne i komunikuje się ze światem zewnętrznym za pomoca metod okulograficznych (pisze ksiązki za pomoca ruchu gałek ocznych!). Właśnie to dla osób sparalizowanych przeznaczone są interfejsy mózg-komputer. Wiele osób choruje na wymyślne choroby których nazw nawet wole nie przytaczać lub uległy wypatkowi. Czesto nie moga nawet poruszyć oczami lub placem. Dlaczego dla osób sparaliżowanych przeznaczony jest interfejs? Problem stanowi prędkość interfejsów BCI. Na chwilę obecną (i raczej nic nie wróży że będzie szybciej) predkośc przekazania informacji maszynie wynosi zaledwie kilka (około 8) znaków na minutę!
Istnieje wiele metod rejestracji sygnału pochodzącego z mózgu jednak najczęściej wykorzystywany jest sygnał EEG (stosunkowo tania i nieinwazyjna metoda). Interfejsy mózg-komputer wykorzystuje kilka tak zwanych potencjałów. Najczęsciej sa to potencjały wywołane: P300 , SSVEP lub potencjał skojarzony z ruchem tzw. ERD/ERS. Ja zajmuję sie konkretnie analizą sygnału EEG a dokładniej, generowaniem cech (inaczej ekstrakcją cech) oraz slekecja cech (wybraniem najlepszych cech), które potem interpretuje komputer. Interfejsy BCI wykorzystuja potencjały wywołane, które moga być wielokrotnie uśredniane. Celem mojej pracy jest analiza zaledwie jednej sekundy sygnału EEG. Osoba sparaliżowana wyobraża sobie pewien ruch i na podstawie tylko 1 sekundy sygnału EEG komputer ma "odgadnąć" o jakim ruchu myślała osoba.
Poniżej podaję linki do pierwszych stron artykułów na temat BCI, które powstały w naszym zespole.
Całości artykułów można zamówić tutaj.
Publikacje:
1. Kołodziej M., Rak R., Zastosowanie analizy częstotliwościowej sygnału EEG w interfejsach mózg-komputer. Przegląd Elektrotechniczny 2008
2. Kołodziej M., Majkowski A., Rak R., Interfejs mózg-komputer – wybrane problemy rejestracji i analizy sygnału EEG, Przegląd Elektrotechniczny 2009
3. Kołodziej M., Majkowski A., Rak R., Matlab FE_Toolbox - an universal utility for feature extraction of EEG signals for Brain-Computer Interface realization. Przegląd Elektrotechniczny 2009
4. Olszewski D. Kołodziej M., Twardy M., A Novel Probabilistic Model for K-Means Algorithm, Przegląd Elektrotechniczny 2010
5. Kołodziej M., Majkowski A., Rak R., A new method of feature extraction from EEG signal for brain-computer interface design, Przegląd Elektrotechniczny 2010
6. Kołodziej M., Majkowski A., Wybrane problemy przetwarzania, analizy i klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer. Metrologia dziś i jutro 2010
7. Kołodziej M., Majkowski A., Rak R., Implementation of genetic algorithms to feature selection for the use of brain-computer interface, International Conference Computational Problems of Electrical Engineering 2010
8. Kołodziej M., Majkowski A., Rak R, A New Method of EEG Classification for BCI with Feature Extraction Based on Higher Order Statistics of Wavelet Components and Selection with Genetic Algorithms, Adaptive and Natural Computing Algorithms
Lecture Notes in Computer Science, 2011
9. Rak. R, Kołodziej M., Majkowski A. 9 Rozdział. Metrologia w Medycynie, Interfesj-mózg-komputer. WAT 2011.
10. Kołodziej M., Majkowski A., Rak R, Optymalizacja doboru okien czasowych do przetwarzania sygnału EEG w interfejsach mózg-komputer, Przegląd Elektrotechniczny 2011.
11. Kołodziej M., Majkowski A., Rak R, Wykorzystanie t-statystyk do szybkiej selekcji cech sygnału EEG na użytek interfejsu mózg-komputer. Przegląd Elektrotechniczny 2011.
Więcej na ten temat: http://bcpw.bg.pw.edu.pl/dlibra/doccontent?id=3343&dirids=1
Istnieje wiele metod rejestracji sygnału pochodzącego z mózgu jednak najczęściej wykorzystywany jest sygnał EEG (stosunkowo tania i nieinwazyjna metoda). Interfejsy mózg-komputer wykorzystuje kilka tak zwanych potencjałów. Najczęsciej sa to potencjały wywołane: P300 , SSVEP lub potencjał skojarzony z ruchem tzw. ERD/ERS. Ja zajmuję sie konkretnie analizą sygnału EEG a dokładniej, generowaniem cech (inaczej ekstrakcją cech) oraz slekecja cech (wybraniem najlepszych cech), które potem interpretuje komputer. Interfejsy BCI wykorzystuja potencjały wywołane, które moga być wielokrotnie uśredniane. Celem mojej pracy jest analiza zaledwie jednej sekundy sygnału EEG. Osoba sparaliżowana wyobraża sobie pewien ruch i na podstawie tylko 1 sekundy sygnału EEG komputer ma "odgadnąć" o jakim ruchu myślała osoba.
Poniżej podaję linki do pierwszych stron artykułów na temat BCI, które powstały w naszym zespole.
Całości artykułów można zamówić tutaj.
Publikacje:
1. Kołodziej M., Rak R., Zastosowanie analizy częstotliwościowej sygnału EEG w interfejsach mózg-komputer. Przegląd Elektrotechniczny 2008
2. Kołodziej M., Majkowski A., Rak R., Interfejs mózg-komputer – wybrane problemy rejestracji i analizy sygnału EEG, Przegląd Elektrotechniczny 2009
3. Kołodziej M., Majkowski A., Rak R., Matlab FE_Toolbox - an universal utility for feature extraction of EEG signals for Brain-Computer Interface realization. Przegląd Elektrotechniczny 2009
4. Olszewski D. Kołodziej M., Twardy M., A Novel Probabilistic Model for K-Means Algorithm, Przegląd Elektrotechniczny 2010
5. Kołodziej M., Majkowski A., Rak R., A new method of feature extraction from EEG signal for brain-computer interface design, Przegląd Elektrotechniczny 2010
6. Kołodziej M., Majkowski A., Wybrane problemy przetwarzania, analizy i klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer. Metrologia dziś i jutro 2010
7. Kołodziej M., Majkowski A., Rak R., Implementation of genetic algorithms to feature selection for the use of brain-computer interface, International Conference Computational Problems of Electrical Engineering 2010
8. Kołodziej M., Majkowski A., Rak R, A New Method of EEG Classification for BCI with Feature Extraction Based on Higher Order Statistics of Wavelet Components and Selection with Genetic Algorithms, Adaptive and Natural Computing Algorithms
Lecture Notes in Computer Science, 2011
9. Rak. R, Kołodziej M., Majkowski A. 9 Rozdział. Metrologia w Medycynie, Interfesj-mózg-komputer. WAT 2011.
10. Kołodziej M., Majkowski A., Rak R, Optymalizacja doboru okien czasowych do przetwarzania sygnału EEG w interfejsach mózg-komputer, Przegląd Elektrotechniczny 2011.
11. Kołodziej M., Majkowski A., Rak R, Wykorzystanie t-statystyk do szybkiej selekcji cech sygnału EEG na użytek interfejsu mózg-komputer. Przegląd Elektrotechniczny 2011.
Więcej na ten temat: http://bcpw.bg.pw.edu.pl/dlibra/doccontent?id=3343&dirids=1
Brak komentarzy:
Prześlij komentarz