Wyniki 1-4 spośród 4 dla zapytania: authorDesc:"Urszula Jagodzińska-Szymańska"

Implementacja wybranej metody klasterowej do klasyfikacji źródeł sygnałów EEG związanych z wyobrażaniem ruchu DOI:10.15199/ELE-2014-177


  Mózg wykazuje bardzo zbliżoną aktywność zarówno podczas wyobrażania sobie ruchu jak i podczas wykonywania ruchu [10]. Lokalizacja obszarów aktywności mózgu jest zróżnicowana i zależy od tego, z którymi częściami ciała jest związana. Przykładowo ruch prawą i lewą ręką związany jest z obszarami znajdującymi się w korze ruchowej. Konkretne obszary aktywności mózgu związane z wykonywaniem ruchu przez różne części ciała są znane wtedy, kiedy znane jest rozwiązanie zagadnienia odwrotnego [9]. Należy jednak powiązać obszary mózgu z rodzajem wykonywanej aktywności poprzez przeprowadzenie klasyfikacji. Na podstawie wiedzy anatomicznej można dokładnie wyznaczyć obszary kory mózgowej skojarzone z wyobrażaniem sobie ruchu prawą i lewą ręką oraz innymi częściami ciała (np. na podstawie [16]). W celu przeprowadzenia klasyfikacji w niniejszej metodzie badawczej została wykorzystana t-statystyka. Do przeprowadzenia testów wykorzystane zostały przetworzone dane Data Set V z bazy Idiap [7-9]. Dane z Data Set V zawierają, między innymi, rozpatrywane przez autorkę dwa rodzaje aktywności myślowych (zadań myślowych) wykonywanych przez testowane osoby: K2 - wyobrażenie ruchu lewą ręką i K3 - wyobrażenie ruchu prawą ręką. Zestaw próbek w bazie Idiap został uporządkowany w taki sposób, że testowana osoba przez 15 sek. wykonywała jedno zadanie myślowe. Na podstawie wyznaczonego rozwiązania zagadnienia odwrotnego obliczono wartości t-statystyki dla obszarów, na które podzielono powierzchnię kory mózgowej P1, P2,..., PNM [9]. Wartości t-statystyki obliczono wykorzystując wzór (1) gdzie 1 , 2 to średnie, 1 2 , 2 2 to wzajemne wariancje liczone dla obszarów (obiektów) P1, P2,...,PNM dla pewnej liczby próbek odnoszących się do ruchu prawą i lewą ręką. Wiedza o tym, czy próbki dotyczą ruchu prawą czy lewą ręką pozwala na przeprowadzenie oceny jakości klasyfikacji. Przy pomocy t-statystyki została przetestowana istotność różnicy między średnim[...]

Implementation of BCI for classifying the intention of movement based on the location of EEG signal sources DOI:10.15199/13.2015.9.15


  Brain-computer interfaces are devices which can be used to operate the computer by means of the brain. Signals coming from the brain can be registered by means of EEG. The basic source of EEG signals is the dipole layer which is formed by neurons perpendicular to the cerebral cortex. The experiment that was conducted used the assumption that the brain is divided into three-dimensional units of volume information called voxels. Each voxel was assumed to have a constant value and direction of current density. Taking into account the location of each voxel (assumed for the spherical model of the head), the values of current density were recorded for the J matrix, with the measurements of (3nν)×1, where nν - is the number of voxels - (nν >> ne, ne is the number of electrodes placed on the surface of the head. The author developed an algorithm making it possible to classify the recordings regarding right and left hand movements by means of using the solution to the inverse problem. The classification used data sets from two sources: (1) preprocessed data from the IDIAP database, (2) preprocessed EEG signals recorded from the Emotiv EPOC headset obtained in the course of the tests conducted by the author. The tests conducted using the headset showed that the greatest changes in the EEG signal connected with movement occur in the sensorimotor cortex. The article describes the algorithm for reading the intention of right and left hand movements based on the ERD/ERS phenomena. These phenomena function as follows: the greatest fall in certain rhythms’ activity (β, μ waves) takes place in the brain hemisphere opposite to the body part connected with imagining movement in ERD (even[...]

Testowanie algorytmu wykorzystującego rozwiązanie zagadnienia odwrotnego do klasyfikacji sygnałów sterujących DOI:10.15199/13.2016.11.17


  Celem artykułu jest zaprezentowanie wyników testowania algorytmu do klasyfikacji sygnałów EEG opartego na rozwiązywaniu zagadnienia odwrotnego. W wyniku rozwiązania zagadnienia odwrotnego uzyskano pewne przybliżenie lokalizacji aktywnych obszarów mózgu. Wszystkie obliczenia były realizowane dla sygnałów z H eadsetu Emotiv EPOC (wstępnie przetworzonych) dotyczących ruchu prawą i lewą ręką. Wzięto pod uwagę sygnały o częstotliwości 12 Hz związane z wyobrażaniem ruchu. Do przeprowadzenia klasyfikacji sygnałów wykorzystano algorytm Gowera. Podstawą do zastosowania tego algorytmu jest t-statystyka oraz zjawisko synchronizacji i desynchronizacji ERD/ERS występujące przy wyobrażeniu ruchu prawą i lewą ręką. Słowa kluczowe: BCI, zagadnienie odwrotne w BCI, algorytm Gowera w klasyfikacji sygnałów BCI.Przeniesienie informacji związanych z ruchem może nastąpić bezpośrednio z mózgu do komputera bez użycia systemu nerwowego i mięśni. Do tego celu można wykorzystać systemy BCI (interfejsy mózg-komputer). Przeprowadzono eksperyment mający na celu określenie obszarów, w których uzyskuje się największą trafność wyników podczas prowadzonych testów. W eksperymencie intencja ruchu prawą i lewą ręką została opisana za pomocą sygnałów EEG. Sygnały związane z intencją ruchu zostały odczytane z powierzchni głowy. Przeprowadzono klasyfikację odczytanych sygnałów za pomocą algorytmu opartego na rozwiązaniu zagadnienia odwrotnego. Po rozwiązaniu zagadnienia odwrotnego uzyskuje się bezpośrednio pełną informację o lokalizacji źródeł sygnałów w poszczególnych obszarach mózgu. Ustalono, że szczególnie ważne są sygnały pojawiające się w polu 4 i 6 Brodmanna, zarówno w półkuli lewej, jak i prawej. Planowanie ruchu związane jest z korą przedrucho[...]

Bezprzewodowe sterowanie urządzeniem za pomocą sygnałów mózgowych DOI:10.15199/13.2018.2.11


  W trakcie codziennej aktywności mózg ludzki emituje sygnały bioelektryczne indukowane przez zmienne prądy płynące w mózgu. Sygnały te można zmierzyć a w niniejszej pracy badawczej do wykonania pomiarów wykorzystana została technika elektroencefalogramu (EEG). Sygnały są emitowane podczas podejmowania każdej aktywności. Może to być aktywność związana z wykonywaniem ruchu lub aktywność związana z myśleniem o wykonaniu ruchu. Niezależnie od tego, czy zostanie wykonana jakaś czynność, czy też powstanie myśl o wykonaniu tej czynności, to w każdym z tych przypadków zostanie wzbudzona aktywność elektryczna mózgu w tych samych jego obszarach [16]. Częstotliwość emitowanych sygnałów elektrycznych oraz ich amplituda zależy od rodzaju podejmowanej aktywności. Przeprowadzony został eksperyment, w którym wykorzystane zostały częstotliwości fal beta (β), związane z normalnym stanem świadomości charakteryzującym aktywne myślenie i wykonywany ruch. EEG mierzy prądy płynące przez neurony mózgu. Rejestruje zmiany potencjałów elektrycznych na korze mózgowej w dużej skali [17] - wynikiem pomiarów jest zapis uśrednionej aktywności populacji neuronów. Bazując na metodzie EEG sygnały elektryczne emitowane przez mózg zostały zarejestrowane za pomocą headsetu Epoc firmy Emotive. Headset Emotiv Epoc wyposażony jest w 14 aktywnych elektrod, które w czasie rzeczywistym rejestrują odczyty aktywności elektrycznej neuronów w mózgu. Są to elektrody: AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4 oraz dwie elektrody referencyjne P3, P4. W celu określenia aktywności intencji osoby wysyłającej sygnały mózgowe została opracowana metoda klasyfikacji tych sygnałów, które zostały wykorzystane do sterowania urządzeniem zewnętrznym. Metodę tę opracowano w oparciu o lokalizację na korze mózgowej źródeł sygnałów odczytanych z elektrod headsetu Emotiv. Lokalizacja źródeł sygnałów umożliwia rozróżnienie rodzajów aktywności myślowej człowieka powiąz[...]

 Strona 1